Fenotipos celulares en la literatura biomédica: un análisis sistemático y corpus de minería de textos

Área de la Ciencia:

• Bioinformática
• Biología Computacional
• Genómica

Sus antecedentes:

• Las tecnologías de células únicas expanden rápidamente la identificación de fenotipos celulares.
• El conocimiento existente está fragmentado en la literatura y carece de recursos estructurados.
• La anotación precisa de las poblaciones celulares es crucial para la investigación biológica.

Objetivo del estudio:

• Desarrollar el corpus CellLink, un conjunto de datos anotado manualmente de poblaciones celulares humanas y de ratón.
• Vincular las menciones de células a los términos de la Ontología Celular (CL), distinguiendo poblaciones específicas, heterogéneas y vagas.
• Analizar patrones en la nomenclatura celular y mejorar las herramientas computacionales para el reconocimiento y la vinculación de tipos celulares.

Principales métodos:

• Anotación manual de más de 22.000 menciones de poblaciones celulares de artículos de revistas recientes.
• Vinculación de menciones de células a términos de la Ontología Celular (CL) como coincidencias exactas o relacionadas.
• Análisis sistemático de los atributos utilizados por los autores (contexto anatómico, firmas moleculares, etc.) en la nomenclatura celular.
• Ajuste fino de modelos basados en transformadores y uso de enfoques basados en incrustaciones para el reconocimiento de entidades nombradas y el enlace de entidades.

Principales resultados:

• El corpus CellLink cubre casi la mitad de los términos actuales de la Ontología Celular.
• Se identificaron patrones específicos de linaje en los atributos de nombres de células.
• El ajuste fino de modelos con CellLink mejoró significativamente el rendimiento del reconocimiento de entidades nombradas.
• Los métodos basados en incrustaciones demostraron ser efectivos en el enlace de entidades de disparo cero y en la distinción de tipos de coincidencias.

Conclusiones:

• CellLink es un recurso valioso para estandarizar la terminología de las poblaciones celulares y mejorar el análisis computacional.
• El corpus facilita una comprensión más profunda de cómo se describen los fenotipos celulares en la literatura científica.
• CellLink ayuda a expandir y refinar ontologías biológicas como la Ontología Celular.