[論文レビュー] Macro-trends in research on the central dogma of molecular biology

Sepehr Ehsani|arXiv (Cornell University)|Jan 11, 2013

Biomedical Text Mining and Ontologies参考文献 5被引用数 4

ひとこと要約

本研究は、1975年から2011年までの分子生物学研究におけるマクロなトレンドを、350万件以上の要約に含まれる100語のDNA、RNA、タンパク質中心の用語の頻度を定量化することで分析した。その結果、1990年代初頭まではタンパク質中心の研究が支配的であったが、その後、タンパク質とDNAの研究トレンドが一致し始め、RNA研究は比較的安定したままであった。これにより、分子生物学分野におけるテーマの変化の縦断的視点が得られた。

ABSTRACT

The central dogma of molecular biology, formulated more than five decades ago, compartmentalized information exchange in the cell into the DNA, RNA and protein domains. This formalization has served as an implicit thematic distinguisher for cell biological research ever since. However, a clear account of the distribution of research across this formalization over time does not exist. Abstracts of >3.5 million publications focusing on the cell from 1975 to 2011 were analyzed for the frequency of 100 single-word DNA-, RNA- and protein-centric search terms and amalgamated to produce domain- and subdomain-specific trends. A preponderance of protein- over DNA- and in turn over RNA-centric terms as a percentage of the total word count is evident until the early 1990s, at which point the trends for protein and DNA begin to coalesce while RNA percentages remain relatively unchanged. This term-based census provides a yearly snapshot of the distribution of research interests across the three domains of the central dogma of molecular biology. A frequency chart of the most dominantly-studied elements of the periodic table is provided as an addendum.

研究の動機と目的

• 分子生物学の中心的法則におけるDNA、RNA、タンパク質の分野における研究関心の長期的分布をマップすること。
• 科学的要約の用語頻度分析を用いて、時間的変化に伴うテーマ的焦点の変化を定量化すること。
• 特にタンパク質中心の研究から、分子分野全体にわたるよりバランスの取れた研究へと移行する転換点を特定すること。
• 40年にわたる期間にわたり、研究優先順位の変化がどのように進んできたかをデータドリブンで縦断的にスナップショットすること。
• テキストマイニングを用いた科学文献の分析を通じて、分子生物学研究の歴史的トレンドを理解するためのベンチマークを提供すること。

提案手法

• 1975年から2011年までの細胞生物学に焦点を当てた350万件以上の出版物の要約を収集・分析した。
• DNA、RNA、タンパク質に関連する100語の単語を特定し、コロナ内での頻度を追跡した。
• 用語頻度を分野別（DNA、RNA、タンパク質）およびサブドメイン別に集約し、年次分析用のトレンドラインを作成した。
• 統計的集約を用いて、各年における各分子分野が占める総語数の割合を計算した。
• 時間的変化に伴う研究関心のシフトを可視化するため、頻度チャートおよび補足の可視化図を作成した。
• デジタル図書館データにテキストマイニング技術を適用し、arXivおよび関連リポジトリからの既存のメタデータと全文アクセスを活用した。

実験結果

リサーチクエスチョン

• RQ1 1975年から2011年までの間、DNA、RNA、タンパク質に注目した研究の割合はどのように変化したか？
• RQ2 タンパク質研究の関心が、DNAおよびRNAと比較して低下し始めたのはいつごろか？
• RQ3 1990年代初頭以降、DNA分野とタンパク質分野の研究関心に一致が見られた証拠は何か？
• RQ4 なぜRNA研究の頻度は、DNAおよびタンパク質の用語と比較して、長期間にわたり比較的安定していたのか？
• RQ5 科学的要約における用語頻度は、生物学的研究優先順位の広範な変化をどの程度反映しているのか？

主な発見

• タンパク質中心の用語は、1990年代初頭まで文献において支配的であり、要約内の総語数の大部分を占めていた。
• 1990年代初頭以降、DNAおよびタンパク質用語の頻度トレンドが一致し始め、研究関心のよりバランスの取れた傾向に移行していることが示された。
• RNA中心の用語は、研究期間を通じて比較的安定した頻度を維持しており、DNAおよびタンパク質用語と比較して最小限の変動を示した。
• 用語頻度分析により、明確なマクロトレンドが判明した—研究関心はタンパク質中心から、DNAおよびタンパク質機能の統合的・包括的研究へと移行した。
• データから、1990年代にゲノム研究およびシステム生物学の台頭が、DNAへの注目を高めたと考えられ、一方でRNAの役割は一貫して研究されてきたが、支配的ではなかった。
• 周期表の最も研究対象とされた要素の頻度チャートを補遺として作成し、生物学的研究における元素組成のトレンドを反映した。