赵哲焕,杨志豪,孙 聪,林鸿飞
蛋白质相互作用关系(protein-protein interactions,PPIs)对于构建蛋白质相互作用网络和研究生物过程中分子的工作机制有至关重要的作用。当前,已经存在许多PPI数据库(如IntAct[1]、MINT[2]、BioGRID[3]等),但是还有许多PPI仍然隐藏在数目日益增长的相关生物医学文献中。由于人工从海量生物医学文献中挖掘出有价值的PPI需要大量的时间和精力,所以自动从相关文献中抽取出PPI信息变得非常重要。
针对蛋白质关系抽取任务,研究者们提出了许多方法[4-7],但是这些方法普遍停留在二元关系抽取上。即只判断两个蛋白质是否存在交互关系,而不区分具体的交互关系类型(如绑定(bind)、抑制(inhibit)、激活(active)、磷酸化(phosphorylate)等),而关系类型信息对后续的蛋白质交互作用研究是至关重要的。
在通用领域,一些研究利用开放式信息抽取(open information extraction,Open IE)方法解决关系类型丢失的问题[8-11]。Open IE方法可以自动地抽取出实体间关系“实体1,关系词,实体2”,其中“关系词”是表示“实体1”和“实体2”之间关系类型的词。Open IE可以抽取任意两个实体间的关系,不需要提前确定实体类型。但是,在生物医学领域,研究者只关心生物医学实体(蛋白质、基因、疾病、药物等)之间的相互作用关系。因此,利用Open IE方法从生物医学文献中抽取生物医学实体关系的过程中,需要对实体类型进行限制。例如,在Nebot等人[12]提出的语义感知Open IE系统中,对于输入的生物医学文本,首先利用语义标注工具[13]和UMLS[14]识别出所有的生物医学实体。然后,通过模板匹配方法找出生物医学实体之间的关系。……