[论文解读] COVID-19 Literature Knowledge Graph Construction and Drug Repurposing Report Generation

Qingyun Wang, Manling Li+25 more|arXiv (Cornell University)|Jul 1, 2020

Topic Modeling参考文献 60被引用 36

一句话总结

论文介绍了 COVID-KG，一种多媒体知识图谱框架，从 COVID-19 文献中提取文本和基于图像的生物医学知识，以实现问答并生成带证据和子图的药物重新利用报告。

ABSTRACT

To combat COVID-19, both clinicians and scientists need to digest vast amounts of relevant biomedical knowledge in scientific literature to understand the disease mechanism and related biological functions. We have developed a novel and comprehensive knowledge discovery framework, COVID-KG to extract fine-grained multimedia knowledge elements (entities and their visual chemical structures, relations, and events) from scientific literature. We then exploit the constructed multimedia knowledge graphs (KGs) for question answering and report generation, using drug repurposing as a case study. Our framework also provides detailed contextual sentences, subfigures, and knowledge subgraphs as evidence.

研究动机与目标

• 通过从论文和图Figure 构建结构化的多媒体知识图谱，解决 COVID-19 文献中的知识瓶颈和质量问题。
• 使有效的问答和有证据支持的药物重新利用报告成为可能。
• 为检索结果提供详细的上下文句子、子图和知识子图作为证据。
• 支持来自主要文献来源的增量更新，以扩大知识发现。

提出的方法

• 对四类实体（Gene、Disease、Chemical、Organism）进行粗粒度信息抽取，结合 MeSH CTD 链接，包含 133 种关系类型和 13 种事件类型。
• 细粒度实体抽取（CORD-NER），含 75 种实体类型，使用远隔监督和弱监督学习。
• 使用图 figure 提取、子图分割、OCR 和 跨媒体对齐，将可视内容附着到知识图实体。
• 通过语义标签云和热力图进行知识图语义可视化，基于 Kibana 的仪表板构建。
• 知识驱动的问答，结合知识图匹配和跨文档的分布式语义匹配，具备多跳能力。
• 使用基于 BioBert 的表示和 EvidenceMiner 对元符号查询进行句子级证据挖掘。
• 通过回答 11 个典型问题并为每个候选药物组装证据、子图和图像分析，生成药物重新利用报告。

实验结果

研究问题

• RQ1 如何通过整合文本和图像内容从 COVID-19 文献构建多媒体知识图谱？
• RQ2 构建的知识图谱能否支持精准、基于证据的问答和药物重新利用报告？
• RQ3 粗粒度和细粒度实体抽取及跨媒体对齐在构建综合知识图谱中的有效性如何？
• RQ4 系统随文献增长的扩展性如何，以及能否提供可操作的药物重新利用见解？

主要发现

• 截至 2020 年 6 月 14 日，作者收集了 140K 篇论文，并构建了一个包含 7,230 种疾病、9,123 种化学物质和 50,864 种基因的知识图谱，其中包括 1,725,518 条化学物–基因关联、5,556,670 条化学物–疾病关联，以及 77,844,574 条基因–疾病关联。
• 粗粒度信息抽取在 186 份带专家标注的文档上实现节点抽取 F1 分数 83.6%，链接抽取 F1 分数 78.1%。
• CORD-NER 提供 75 种细粒度实体类型，F1 最高可达 93.95%，在一个样本集上超过 SciSpacy。
• 视觉信息抽取子系统对近50 万个子图进行分割并将视觉内容对齐到知识图实体，丰富了跨模态知识。
• 问答系统支持多跳查询，将显著路径以子图形式呈现，并提供证据句子和来源。
• 针对多种药物（如 Benazepril、Losartan、Amodiaquine）生成药物重新利用报告，附带证据和知识子图；经专家评审后，作者报告输出信息丰富且有效。