アミロイド 研究 の 発展 し て いる 景色

科学分野:

• 生物医学と生命科学
• コンピュータ生物学
• 図書館情報

背景:

• 生物医学文献の指数関数的な増加は 発見の追跡を困難にしています
• 人工知能 (AI) と自然言語モデル (NLM) は科学出版物の大規模な分析を可能にします.
• アミロイド生物学のような 特定の研究領域の進化を理解することは 複雑です

研究 の 目的:

• 全世界のアミロイド研究分野を二次元でマッピングする.
• アミロイド研究における主要な傾向,歴史的進展,および支配的なサブフィールドを視覚化する.
• 化学物質や小分子を含む,潜伏する研究テーマを,時間とともに特定する.

主な方法:

• トランスフォーマーベースの大きな言語モデルであるPubMedBERTを使用しました.
• データ分析のためにt-SNEとLatent Dirichlet Allocation (LDA) を採用した.
• PubMedのデータベースから 14万件以上の要約を分析しました

主要な成果:

• アミロイドの研究領域の包括的な視覚化を提供した.
• 歴史的な進歩と支配的なサブフィールドの出現を捉えた.
• 化学薬品や小分子を含む,貢献した著者,その国,および潜伏した研究テーマを特定した.

結論:

• アミロイドの研究の進化に関する新しい視点を提供しています.
• この研究は,アミロイド生物学のより深い学際的な理解を促進します.
• 機械学習による文献マッピングは,知識のギャップを特定し,将来の研究を導くことができます.