基于关键词的蛋白质交互关系识别

来源：计算机技术与发展杂志2019年第03期北京时间：

作者：毛宇薇;牛耘

摘要：蛋白质交互关系(PPI)是生物医学领域的重要研究内容之一,目前通过生物医学实验得到的 PPI 信息主要以文本的形式存储在相关文献中。 随着生物医学文献数量的飞速增长,人工识别 PPI 的方式已经难以满足实际应用需求。 文中采用基于弱监督的 PPI 识别基础框架,以少量有交互关系的蛋白质对作为种子集,通过对种子集的不断迭代扩充,最终实现蛋白质交互关系识别。 相比于现有的其他方法,该方法仅需少量有标注数据实现了较好的识别效果,节省了大量人力物力。 在此基础上,利用词向量对现有的表达交互关系的关键词进行扩充,并对关键词的可靠性进行评分,根据扩充后的关键词集合对基础框架的聚类过程做了改进,将聚类的输入词汇模式集合根据所包含的关键词分数做降序排序。 实验结果表明,基础的 PPI 识别框架仅有少量有标注数据取得了较好的结果,在此基础上改进后的关键词扩充算法进一步提高了PPI 识别结果,第一次迭代后的 F 值最高为 67.20%,比改进前的算法提高了 1.54%,三次迭代后的 F 值为 69.05%。

关键词：蛋白质交互关系;弱监督;分布式假设;词向量;关键词