[論文レビュー] Semantic integration of disease-specific knowledge.

Anastasios Nentidis, Konstantinos Bougiatiotis+2 more|arXiv (Cornell University)|Dec 18, 2019

Biomedical Text Mining and Ontologies被引用数 4

ひとこと要約

本論文では、iASiSオープンデータグラフを活用して、文献およびオントロジーから自動的に疾患固有のバイオメディカル知識を取得・統合する意味的グラフパイプラインを提案する。このアプローチにより、肺がん、認知症、ドーヒル病筋ジストロフィーなどの疾患に関連する概念、関係、属性への統一的でクエリ対応の可能な意味的グラフが生成され、スケーラブルで動的知識統合の可能性が示された。

ABSTRACT

Biomedical researchers working on a specific disease need up-to-date and unified access to knowledge relevant to the disease of their interest. Knowledge is continuously accumulated in scientific literature and other resources such as biomedical ontologies. Identifying the specific information needed is a challenging task and computational tools can be valuable. In this study, we propose a pipeline to automatically retrieve and integrate relevant knowledge based on a semantic graph representation, the iASiS Open Data Graph. Results: The disease-specific semantic graph can provide easy access to resources relevant to specific concepts and individual aspects of these concepts, in the form of concept relations and attributes. The proposed approach is applied to three different case studies: Two prevalent diseases, Lung Cancer and Dementia, for which a lot of knowledge is available, and one rare disease, Duchenne Muscular Dystrophy, for which knowledge is less abundant and difficult to locate. Results from exemplary queries are presented, investigating the potential of this approach in integrating and accessing knowledge as an automatically generated semantic graph.

研究の動機と目的

• 急速に増加する文献およびデータベースにおける、断片的でアクセス困難な疾患固有のバイオメディカル知識の課題に対処すること。
• 研究者が特定の疾患に関連する知識（一般的な疾患および希少疾患を含む）を効率的に取得・統合できるようにすること。
• 多様なデータソースから、自動的かつスケーラブルな方法で疾患固有の意味的グラフを生成する手法を開発すること。
• 標準化された意味的表現を通じて、疾患概念の詳細な情報（関係および属性を含む）へのアクセスを向上させること。
• 知識が豊富な状況と知識が乏しい状況の両方を含む多様な疾患文脈において、アプローチのスケーラビリティと実用性を評価すること。

提案手法

• パイプラインは、意味的統合の基盤としてiASiSオープンデータグラフを活用する。
• 科学的文献およびバイオメディカルオントロジーから、疾患に関連する概念、関係、属性を自動的に抽出・マッピングする。
• 文脈的および関係的メタデータに基づいて、概念をリンクすることで意味的グラフ表現を構築する。
• 構造的で機械処理可能な形式で知識を取得できるように、動的クエリをサポートする。
• スケーラビリティと実用性を評価するために、肺がん、認知症、ドーヒル病筋ジストロフィーの事例研究を通じてアプローチを評価する。
• スパースなデータに意味的関係を組み込むことで、高頻度および低頻度の両方の知識への統一的アクセスを可能にする。

実験結果

リサーチクエスチョン

• RQ1 意味的グラフパイプラインは、多様なバイオメディカル知識を、疾患固有の研究に適した統一的でクエリ対応の可能な形式に効果的に統合できるか？
• RQ2 豊富な文献がある疾患と限定的な文献しかない疾患の両方において、このアプローチは知識の取得および整理にどの程度効果的か？
• RQ3 意味的グラフ表現は、関係および属性を含む概念レベルの詳細情報へのアクセスをどの程度向上できるか？
• RQ4 このシステムは、希少疾患を含む多様な疾患文脈において、動的でスケーラブルな知識統合をサポートできるか？
• RQ5 iASiSオープンデータグラフを、自動的かつ疾患固有の知識キュレーションの基盤として使用する可能性は何か？

主な発見

• 意味的グラフパイプラインは、肺がん、認知症、ドーヒル病筋ジストロフィーの疾患固有の統合知識グラフを効果的に生成した。
• アプローチにより、概念の関係および属性への構造的アクセスが可能となり、関連情報の発見性が向上した。
• システムは、知識が豊富な（肺がん、認知症）および知識が乏しい（ドーヒル病筋ジストロフィー）両方の文脈で実用性を示した。
• 代表的なクエリにより、パイプラインが意味的に整合性のある形で複雑なバイオメディカル知識を効果的に取得・整理できることが確認された。
• 文献およびオントロジーのデータを統一的グラフ表現に統合することで、疾患固有の知識の整合性とアクセス可能性が向上した。
• 研究結果は、バイオメディカル研究における自動的かつスケーラブルな知識統合の実現可能性を支持する。