[論文レビュー] Chem2Bio2RDF: A Linked Open Data Portal for Chemical Biology

Bin Chen, David Wild+6 more|arXiv (Cornell University)|Dec 21, 2010

Biomedical Text Mining and Ontologies参考文献 33被引用数 5

ひとこと要約

Chem2Bio2RDF は、遺伝子、化合物、薬剤、疾患、PubMed 文献などの 25 種類の化学・生物学的データセットを統合した、連携型オープンデータポータルであり、統合された RDF 知識グラフを提供する。D2R Server を活用し、SPARQL エンドポイント、ファセット型ブラウザ、クエリジェネレータ、Cytoscape プラグインといった機能を拡張することで、意味的統合とインタラクティブな探索を可能にし、3 つのドラッグディスカバリーユースケースを通じて、データセット間のリンクと検証により実用性を示した。

ABSTRACT

The Chem2Bio2RDF portal is a Linked Open Data (LOD) portal for systems chemical biology aiming for facilitating drug discovery. It converts around 25 different datasets on genes, compounds, drugs, pathways, side effects, diseases, and MEDLINE/PubMed documents into RDF triples and links them to other LOD bubbles, such as Bio2RDF, LODD and DBPedia. The portal is based on D2R server and provides a SPARQL endpoint, but adds on few unique features like RDF faceted browser, user-friendly SPARQL query generator, MEDLINE/PubMed cross validation service, and Cytoscape visualization plugin. Three use cases demonstrate the functionality and usability of this portal.

研究の動機と目的

• 化学生物学分野におけるデータ・スロットル問題に取り組むために、多様な生物学的・化学的データセットから機械可読の統合知識グラフを構築すること。
• 遺伝子、化合物、薬剤、代謝経路、副作用、疾患、PubMed 文献などの異種データソースを意味的に統合すること。
• SPARQL クエリジェネレータ、ファセット型ブラウザ、Cytoscape ビジュアライゼーションプラグインといったユーザーフrndリーなツールを通じて、データの検索可能性と利用可能性を向上させること。
• Bio2RDF、DBpedia、LODD などのポータル間のデータリンクを通じてドラッグディスカバリーフレームワークを支援し、データの起源とクロスリファレンシングを向上させること。
• 実世界のユースケースを通じて、データセット間クエリと生物学的インサイト生成の実用性を検証すること。

提案手法

• D2R Server を用いて、化学生物学分野の 25 種類の異種データセットを RDF トリプルに変換し、機械処理可能な表現を可能にした。
• Chem2Bio2RDF 知識グラフと外部の LOD クラウド（Bio2RDF、DBpedia、LODD など）との意味的リンクを確立し、データの相互リンク性を向上させた。
• RDF データへのプログラム的アクセスを可能にする SPARQL エンドポイントを提供し、生物学的・化学的エンティティをまたぐ複雑なクエリをサポートした。
• 非専門家ユーザーが意味的クエリを実行する際の障壁を下げるために、ユーザーフレンドリーな SPARQL クエリジェネレータを実装した。
• RDF ファセット型ブラウザを実装し、データグラフのインタラクティブで階層的なナビゲーションを可能にした。
• 文献証拠を用いて生物学的エンティティ関係を検証・拡張する MEDLINE/PubMed クロスバリデーションサービスを統合した。

実験結果

リサーチクエスチョン

• RQ1 バラバラの化学・生物学的データセットを、1 つのクエリ可能な知識グラフに意味的に統合する方法は何か？
• RQ2 連携型オープンデータポータルは、システム化学生物学分野におけるデータ発見と統合をどの程度改善できるか？
• RQ3 SPARQL クエリジェネレータやファセット型ブラウザといったユーザーフレンドリーなインターフェースは、非技術的研究者による複雑な生物学的データの探索を効果的に支援できるか？
• RQ4 外部の LOD ソース（例：DBpedia、Bio2RDF）とのクロスリファレンシングは、データ品質と文脈の向上にどの程度効果的か？
• RQ5 実世界のユースケースを通じて、ドラッグディスカバリーフレームワークとしてのポータルは、意味のある生物学的インサイトを提供できるか？

主な発見

• ポータルは、遺伝子、化合物、薬剤、疾患、PubMed 文献をまたぐデータセット間クエリを可能にする、25 種類の多様なデータセットを統合した RDF 知識グラフを正常に公開・リンクした。
• Bio2RDF、DBpedia、LODD などの外部 LOD クラウドとの統合により、データの文脈と起源が著しく拡張され、データの有用性が向上した。
• SPARQL エンドポイントと、クエリジェネレータやファセット型ブラウザを含むユーザーフレンドリーなツールにより、非専門家ユーザーによる効率的かつアクセス可能なデータ探索が可能になった。
• MEDLINE/PubMed クロスバリデーションサービスにより、生物学的エンティティ関係に対する根拠に基づく支援が得られ、クエリ結果の信頼性が向上した。
• 3 つの実世界のユースケースを通じて、薬剤-疾患関連性や化合物-経路相互作用といった生物学的に関連性のある関係を同定できる能力が実証された。
• Cytoscape ビジュアライゼーションプラグインにより、インタラクティブなネットワーク解析が可能になり、ユーザーが複雑な生物学的関係を視覚的に探索・解釈できるようになった。