[论文解读] 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 4

一句话总结

本研究通过量化1975年至2011年间超过350万篇文摘中100个与DNA、RNA和蛋白质相关的术语的出现频率，分析了分子生物学研究的宏观趋势。结果显示，直到1990年代初，以蛋白质为中心的研究占据主导地位，随后蛋白质与DNA研究趋势趋于趋同，而RNA研究则保持相对稳定，揭示了分子生物学主题演变的纵向图景。

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.

研究动机与目标

• 绘制分子生物学中心法则中DNA、RNA和蛋白质领域长期研究兴趣分布的图谱。
• 通过科学文摘中术语频率分析，量化主题关注随时间的变化。
• 识别研究趋势的转折点，特别是从以蛋白质为中心的研究向各分子领域更均衡研究的转变。
• 提供基于数据的纵向快照，展示过去四十年间分子生物学研究优先级的演变。
• 通过科学文献的文本挖掘，为理解分子生物学研究的历史轨迹提供基准参考。

提出的方法

• 收集并分析了1975年至2011年间聚焦于细胞生物学的超过350万篇出版物的文摘。
• 识别并追踪了与DNA、RNA和蛋白质相关的100个单字术语在整个语料库中的频率。
• 将术语频率聚合为按领域（DNA、RNA、蛋白质）及子领域特定的趋势线，以进行年度分析。
• 使用统计聚合方法，计算每年各分子领域占总词数的百分比。
• 生成频率图表和补充可视化图示，以说明研究关注随时间的演变。
• 应用文本挖掘技术处理数字图书馆数据，利用arXiv及相关存储库中的现有元数据和全文访问权限。

实验结果

研究问题

• RQ1 从1975年到2011年，聚焦于DNA、RNA和蛋白质的研究比例发生了怎样的变化？
• RQ2 蛋白质研究的关注度何时开始相对于DNA和RNA研究出现下降？
• RQ3 在1990年代初之后，DNA与蛋白质领域研究兴趣趋同的证据有哪些？
• RQ4 为何RNA研究在频率上相较于DNA和蛋白质术语长期保持相对稳定？
• RQ5 科学文摘中的术语频率在多大程度上反映了生物研究优先级的总体转变？

主要发现

• 以蛋白质为中心的术语在1990年代初之前主导了文献，占文摘总词数的绝大部分。
• 自1990年代初以来，DNA与蛋白质术语的频率趋势开始趋同，表明研究兴趣趋于更加均衡。
• 以RNA为中心的术语在整个研究期间保持相对稳定的频率，与DNA和蛋白质术语相比波动极小。
• 术语频率分析揭示出一个清晰的宏观趋势：研究兴趣从以蛋白质为中心，转向对DNA与蛋白质功能更综合的研究。
• 数据显示，1990年代基因组学和系统生物学的兴起推动了对DNA的关注增加，而RNA的作用则持续被研究但影响力相对较小。
• 作为附录，生成了元素周期表中最常研究元素的频率图表，反映了生物研究中元素组成的趋势。