[논문 리뷰] A Short Survey of Biomedical Relation Extraction Techniques

Elham Shahab|arXiv (Cornell University)|2017. 07. 18.

Biomedical Text Mining and Ontologies참고 문헌 3인용 수 9

한 줄 요약

이 종합 검토는 유전자, 단백질, 질병과 같은 생물학적 엔티티 간의 관계를 식별하는 데 중점을 둔 생물의학 관계 추출 기법에 대한 종합적인 개요를 제공한다. 공존, 규칙 기반, 분류 기반, 문법/의미 분석 접근 방식을 검토하며, 당단백질과 같은 복잡한 분자 간의 관계 추출이 고분자 어휘 체계 부족과 데이터 부족으로 인해 어려움을 겪는 점을 강조한다.

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.

연구 동기 및 목표

• 생물의학 분야에서 최신 관계 추출 기법에 대한 체계적인 종합 검토를 제공하는 것.
• 특히 당단백질 상호작용을 포함한 복잡한 생물학적 엔티티 간 관계 추출의 과제를 분석하는 것.
• 글리코믹스 분야의 효과적인 텍스트 마이닝을 방해하는 기존 지식 기반 및 어휘 체계의 격차를 규명하는 것.
• 고품질의 코딩된 어휘 체계 개발과 기존 유전체 데이터 자원과의 통합을 촉진하는 것.
• 의미적 및 문법적 분석 기법의 활용을 통해 관계 추출 정확도를 향상시키는 것.

제안 방법

• 관계 추출 기법을 공존 통계, 규칙 기반, 분류 기반, 문법/의미 분석 방법으로 분류한다.
• 생물의학 텍스트의 문법적 및 관계적 구조를 모델링하기 위해 의존성 분석 및 문법 그래프의 사용을 검토한다.
• PPI 탐지에 사용되는 커널 기반 기계학습 방법(예: 전체 경로 그래프 커널, 최단 의존 경로 커널)을 분석한다.
• 특징 공학을 위해 WordNet, 위키백과, GeneRIF와 같은 외부 지식 자료의 통합을 평가한다.
• 관계 추출을 위한 술어-논항 구조 식별에 있어 의미 역할 레이블링(SRL)의 역할을 분석한다.
• 어휘 체계와 데이터베이스의 희소성 및 저품질로 인해 현재 기법들이 글리코믹스 분야에서 한계를 보이는 점을 논의한다.

실험 결과

연구 질문

• RQ1 생물의학 관계 추출에서 주로 사용되는 기법은 무엇이며, 성능과 복잡성 측면에서 어떻게 다릅니까?
• RQ2 당단백질 상호작용이 생물학적 중요성이 높음에도 불구하고 왜 생물의학 텍스트 마이닝에서 다루어지지 않았나요?
• RQ3 의사적 및 의미적 분석 기법은 단순한 공존 기반 기법에 비해 관계 추출 정확도를 어떻게 향상시키나요?
• RQ4 현재 지식 기반에서 글리코믹스 분야의 관계 추출을 방해하는 주요 제약 조건은 무엇입니까?
• RQ5 기존 유전체 어휘 체계와 글리코믹스 데이터를 RDF 및 연결 데이터 원칙을 통해 통합할 경우 지식 발견에 얼마나 기여할 수 있나요?

주요 결과

• 공존 통계는 임상 내역과 같은 맥락에서 단순하지만 효과적인 기준이 되고 있다.
• 특히 SVM를 사용한 규칙 기반 및 지도 기반 기계학습 방법은 고품질의 주석이 달린 코퍼스로 훈련된 경우 뛰어난 성능을 보인다.
• 의존성 그래프 기반의 문법적 분석 및 커널 기반 방법은 구조적 맥락을 포착함으로써 PPI 추출 성능을 크게 향상시킨다.
• 포괄적이고 코딩된 글리코믹스 어휘 체계 및 데이터베이스의 부족은 당단백질 상호작용에 대한 텍스트 마이닝 발전을 방해하는 주요 장애물이다.
• UniCarbKB 및 기능 글리코믹스 협의회와 같은 기존 지식 기반은 데이터 양과 품질 측면에서 제한적이며, 보다 넓은 생물의학 지식 그래프에 완전히 통합되어 있지 않다.
• RDF 및 연결 데이터 원칙을 활용해 글리코믹스 데이터를 기존 유전체 및 단백질체 어휘 체계와 통합하는 것은 향후 지식 발견을 위한 유망한 길이다.