[論文レビュー] A Short Survey of Biomedical Relation Extraction Techniques

Elham Shahab|arXiv (Cornell University)|Jul 18, 2017

Biomedical Text Mining and Ontologies参考文献 3被引用数 9

ひとこと要約

本調査は、遺伝子、タンパク質、疾患などの生物学的実体間の関係を同定する手法に焦点を当てた、バイオメディカル関係抽出技術の包括的な概要を提供する。共起、ルールベース、分類ベース、構文的／意味的構文解析のアプローチを検討し、グリカンのような複雑な分子を含む関係抽出における課題を強調している。これは、限定的なオントロジーとデータ不足に起因する。

ABSTRACT

Biomedical information is growing rapidly in the recent years and retrieving useful data through information extraction system is getting more attention. In the current research, we focus on different aspects of relation extraction techniques in biomedical domain and briefly describe the state-of-the-art for relation extraction between a variety of biological elements.

研究の動機と目的

• バイオメディカル分野における最新の関係抽出技術について体系的なレビューを提供すること。
• 特にグリカン-タンパク質相互作用を含む、複雑な生物学的実体を含む関係抽出における課題を分析すること。
• グリコミクスにおける効果的なテキストマイニングを妨げる、既存の知識ベースとオントロジーにおけるギャップを特定すること。
• 高品質でキュレートされたオントロジーの開発を提唱し、既存のゲノムデータリソースと統合することを促すこと。
• 意味的および構文的構文解析手法の使用を推奨し、関係抽出の正確性を向上させること。

提案手法

• 関係抽出技術を共起統計、ルールベース、分類ベース、構文的／意味的構文解析手法に分類する。
• 依存構文解析と構文的グラフを用いて、バイオメディカルテキスト内の文法的および関係的構造をモデル化する。
• PPI検出に用いられる、すべてのパスグラフカーネルや最短依存パスカーネルなどのカーネルベースの機械学習手法の使用をレビューする。
• 特徴工学に用いられる外部知識ソース（WordNet、Wikipedia、GeneRIFなど）の統合を評価する。
• 意味的役割ラベリング（SRL）が関係抽出のための述語-目的語構造を同定する役割を分析する。
• 限定的で低品質なオントロジーとデータベースに起因する、現在のアプローチのグリコミクス分野における限界を議論する。

実験結果

リサーチクエスチョン

• RQ1 バイオメディカル関係抽出で用いられる主な技術は何か。それらは性能と複雑さにおいてどのように異なるか。
• RQ2 グリカン-タンパク質相互作用は生物学的に重要であるにもかかわらず、なぜバイオメディカルテキストマイニングで未だに未発展なのか。
• RQ3 構文的および意味的構文解析手法は、単純な共起性と比較して、関係抽出の正確性をどのように向上させるか。
• RQ4 現在の知識ベースにおける主な制限要因は何か。それらはグリコミクスにおける関係抽出を妨げている。
• RQ5 グリコミクスデータを既存のゲノムオントロジーと統合することで、知識発見がどの程度向上するか。

主な発見

• 共起統計は、臨床的ナラティブにおいても、シンプルだが効果的なベースラインとして残っている。
• ルールベースおよび教師あり機械学習手法、特にSVMを用いた手法は、高品質なアノテート済みコーパスで訓練された場合、優れたパフォーマンスを示す。
• 構文的解析と依存グラフ上のカーネルベース手法は、構造的文脈を捉えることで、PPI抽出を顕著に改善する。
• 包括的かつキュレートされたグリコミクスオントロジーとデータベースの欠如は、グリカン-タンパク質相互作用のテキストマイニングを進展させる上で主要なブottleneckである。
• UniCarbKB や機能グリコミクス共同研究会議のような既存の知識ベースは、データ量と品質に制限があり、広範なバイオメディカル知識グラフに完全に統合されていない。
• RDFおよびリンクドデータの原則を用いてグリコミクスデータを既存のゲノムおよびプロテオミクスオントロジーと統合することは、今後の知識発見の有望な道筋を示している。