[論文レビュー] Exploration and Discovery of the COVID-19 Literature through Semantic Visualization

Jingxuan Tu, Marc Verhagen+2 more|arXiv (Cornell University)|Jul 3, 2020

Bioinformatics and Genomic Networks参考文献 12被引用数 11

ひとこと要約

本論文は、CORD-19、INDRA CKN、Blender KGデータセットから抽出した生物医学的エンティティおよび関係に自然言語処理（NLP）を適用することで、COVID-19関連文献における探索と発見を向上させる意味的可視化プラットフォームを提示する。パラメータ削減を用いて機能的関係コンテナを生成することで、タグクラウド、ヒートマップ、パスウェイブラウザを介したインタラクティブな複雑ネットワーク可視化を実現し、ウイルス侵入におけるTMPRSS2およびTMPRSS4の二重役割や、グリコシル化とインターフェロン調節の新たな関連性といった、新たな生物学的知見を明らかにした。

ABSTRACT

We are developing semantic visualization techniques in order to enhance exploration and enable discovery over large datasets of complex networks of relations. Semantic visualization is a method of enabling exploration and discovery over large datasets of complex networks by exploiting the semantics of the relations in them. This involves (i) NLP to extract named entities, relations and knowledge graphs from the original data; (ii) indexing the output and creating representations for all relevant entities and relations that can be visualized in many different ways, e.g., as tag clouds, heat maps, graphs, etc.; (iii) applying parameter reduction operations to the extracted relations, creating "relation containers", or functional entities that can also be visualized using the same methods, allowing the visualization of multiple relations, partial pathways, and exploration across multiple dimensions. Our hope is that this will enable the discovery of novel inferences over relations in complex data that otherwise would go unnoticed. We have applied this to analysis of the recently released CORD-19 dataset.

研究の動機と目的

• 急激に増加するCOVID-19関連文献において、明白でない生物学的関係を発見する課題に対処すること。
• 異種で多関係的な生物医学的データを扱う際のキーワード検索や従来のネットワーク可視化の限界を克服すること。
• 数千編の論文にわたる複雑で多段階の生物学的経路を探索し、新たな関連性を推論できるようにすること。
• スケーラブルでインタラクティブな可視化システムを構築し、生物医学研究における仮説生成を支援すること。
• 科学コミュニティが利用可能なウェブアプリケーション（SemViz）を公開し、CORD-19知識ベースのオープンな探索を可能にすること。

提案手法

• CORD-19、INDRA CKN、Blender KGデータセットから、タンパク質、化学物質、遺伝子、疾患などの名前付きエンティティおよび、活性化、阻害、発現変化などの関係を抽出するためのNLPパイプラインの適用。
• 可視化用に意味的タイプを付与した知識ベースに、抽出されたエンティティおよび関係をインデックス化。
• 個々の関係を機能的タイプ（例：TNFの下位調節因子）にグループ化するパラメータ削減の実装により、集約化とタグクラウドやヒートマップによる可視化を可能にした。
• 類似関係のクラスタを表す「関係コンテナ」を生成し、複数の次元にわたる部分的または完全な生物学的経路の可視化を可能にした。
• 5ステップまでの制御カスケードを追跡可能な、インタラクティブなタグクラウド、ヒートマップ、パスウェイブラウザを備えたウェブインターフェースの構築。
• 可視化された証拠を元の出典文書にリンクさせ、出典の追跡と検証を可能にした。

実験結果

リサーチクエスチョン

• RQ1 意味的可視化技術は、膨大で複雑なCOVID-19関連文献において、明白でない新しい生物学的関係をどのように改善して発見できるか？
• RQ2 抽出された関係を機能的タイプにパラメータ削減することで、生物医学的知識可視化の解釈可能性とスケーラビリティはどの程度向上するか？
• RQ3 ヒートマップやタグクラウドといったインタラクティブな可視化は、従来のキーワードベースの文献検索で見逃された生物学的に有意義な関連性を明らかにできるか？
• RQ4 SARS-CoV-2病原性の文脈において、多段階の制御経路の探索からどのような新しい生物学的知見が得られるか？
• RQ5 本システムは、ウイルス感染の文脈において、新たな治療標的や制御機構を同定する支援として、研究者に対してどの程度効果的か？

主な発見

• 両方のTMPRSS2およびTMPRSS4がウイルス融合タンパク質の調節因子であることが、本システムで特定された。これは以前に強調されていなかった関連性であり、治療的標的としての二重標的化の可能性を示唆している。
• タグクラウド分析を通じて、コロナウイルスMタンパク質のグリコシル化とインターフェロン調節の間の以前に見過ごされていた関連性が浮き彫りにされた。これはコロナウイルス全体にまたがる潜在的な調節メカニズムを示唆している。
• 可視化により、DDX58阻害剤とNOP53の間の関連性が明らかになった。これは、コロナウイルス感染時に核小体タンパク質がインターフェロン調節に関与している可能性を示し、今後の検証に値する新しい経路である。
• 研究者は、従来のキーワード検索で見逃されていた、関連性の薄い論文を意味的探索によって発見し、研究計画の文脈を著しく豊かにした。
• パスウェイブラウザにより、IFNAおよび上遊活性化因子を介したMAVSの活性化といった制御カスケードの再構築が可能となり、証拠は元の出典論文に追跡可能であった。
• 本プラットフォームは、機能的タイプの削減が、複雑な関係のスケーラブルで高密度な可視化を可能にし、多関係ネットワークを容易にアクセス可能かつ解釈可能にできることを示した。