[論文レビュー] Text-mining and ontologies: new approaches to knowledge discovery of microbial diversity

Claire Nédellec, Robert Bossy+2 more|arXiv (Cornell University)|May 10, 2018

Biomedical Text Mining and Ontologies参考文献 6被引用数 10

ひとこと要約

本稿では、微生物の生息環境に関する非構造的で自然言語による記述を標準化・構造化するための形式的で機械可読性のあるオントロジーであるOntoBiotopeを紹介する。テキストマイニングおよび意味的推論を可能にすることで、'腸'と' gut'といった用語の不一致（例：'intestine' 対 'gut'）を克服し、微生物多様性研究における大規模な知識発見を顕著に向上させる。

ABSTRACT

Microbiology research has access to a very large amount of public information on the habitats of microorganisms. Many areas of microbiology research uses this information, primarily in biodiversity studies. However the habitat information is expressed in unstructured natural language form, which hinders its exploitation at large-scale. It is very common for similar habitats to be described by different terms, which makes them hard to compare automatically, e.g. intestine and gut. The use of a common reference to standardize these habitat descriptions as claimed by (Ivana et al., 2010) is a necessity. We propose the ontology called OntoBiotope that we have been developing since 2010. The OntoBiotope ontology is in a formal machine-readable representation that enables indexing of information as well as conceptualization and reasoning.

研究の動機と目的

• 公開データベースにおける微生物生息環境の記述における不一致および非構造的な自然言語記述の課題に対処すること。
• 'gut' や 'intestine' といった用語における同義語や多義語の問題により、生息環境データの比較や分析が困難になるのを克服すること。
• スケーラブルな知識発見を可能にするために、形式的で機械可読性のあるオントロジーを構築すること。
• 意味的技術を用いて微生物生息環境データの自動インデックス化、概念化、推論を可能にすること。
• 非構造的テキストを構造的で計算可能な知識に変換することで、大規模な生物多様性研究を支援すること。

提案手法

• 形式的オントロジー設計原理に従い、微生物生息環境に特化したドメイン固有のオントロジーであるOntoBiotopeを設計・維持すること。
• 制御語彙と階層的関係を用いて、標準化された用語で微生物生息環境を表現すること。
• テキストマイニング技術を活用し、科学文献から生息環境の記述を抽出し、OntoBiotopeの用語にマッピングすること。
• 意味的推論を適用して、異なる生息環境記述間の関係を同定し、同等性を推論すること。
• 標準化されたフォーマット（例：OWL）を用いて、既存の生物学的および環境オントロジーと相互運用性を確保すること。
• 生物多様性データ統合および知識発見ワークフローへの応用を通じて、オントロジーの実用性を検証すること。

実験結果

リサーチクエスチョン

• RQ1 非構造的な自然言語による微生物生息環境記述を、計算分析に適した方法で体系的に標準化するにはどうすればよいか？
• RQ2 形式的オントロジーは、微生物生息環境用語における曖昧さや同義語の問題をどの程度軽減できるか？
• RQ3 テキストマイニングパイプラインは、OntoBiotopeのような統一オントロジーに多様な生息環境用語を効果的にマッピングできるか？
• RQ4 オントロジーの使用は、微生物多様性の知識発見におけるスケーラビリティと正確性をどのように向上させるか？
• RQ5 意味的推論は、異なる研究間で同等または関連する生息環境記述を同定する上でどのような影響を及ぼすか？

主な発見

• OntoBiotopeは、微生物生息環境の多様な自然言語用語（例：'gut'、'intestine'、'colon'）を統一的で形式化された構造にマッピングすることに成功した。
• このオントロジーにより、大規模なテキストコーパス全体にわたる生息環境用語の自動検出および正規化が可能になり、データ統合が向上した。
• OntoBiotope内での意味的推論により、生息環境記述間の隠れた同等性や階層的関係が明らかになった。
• 標準化されたオントロジーの使用により、微生物バイオダイバーシティ分野における知識発見のスケーラビリティと再現性が顕著に向上した。
• OntoBiotopeと統合されたテキストマイニングパイプラインは、キーワードベースの手法と比較して、生息環境データのインデックス化および照会の正確性が向上した。
• このオントロジーは他の生物学的オントロジーとの相互運用性をサポートしており、システム生物学および生態学分野におけるクロスドメインのデータ統合を促進した。