生体医学文献における細胞表現型：系統的分析とテキストマイニングコーパス

科学分野:

• バイオインフォマティクス
• 計算生物学
• ゲノミクス

背景:

• 単一細胞技術は、細胞表現型の同定を急速に拡大しています。
• 既存の知識は文献全体に断片化されており、構造化されたリソースが不足しています。
• 正確な細胞集団の注釈は、生物学的研究にとって不可欠です。

研究 の 目的:

• ヒトおよびマウスの細胞集団の手動注釈付きデータセットであるCellLinkコーパスを開発すること。
• 細胞の言及を細胞オントロジー（CL）用語にリンクさせ、特定、異種、および曖昧な集団を区別すること。
• 細胞命名におけるパターンの系統的分析と、細胞タイプの認識およびリンクのための計算ツールの改善。

主な方法:

• 最近の学術論文から22,000件以上の細胞集団の言及を手動で注釈付けしました。
• 細胞の言及を細胞オントロジー（CL）用語に、正確または関連する一致としてリンクさせました。
• 細胞命名における著者使用の属性（解剖学的文脈、分子シグネチャなど）の系統的分析。
• 固有表現認識およびエンティティリンクのためのトランスフォーマーベースのモデルのファインチューニングと埋め込みベースのアプローチの使用。

主要な成果:

• CellLinkコーパスは、現在の細胞オントロジー用語のほぼ半分をカバーしています。
• 系統特異的な細胞命名属性のパターンが特定されました。
• CellLinkでのモデルのファインチューニングは、固有表現認識のパフォーマンスを大幅に向上させました。
• 埋め込みベースの方法は、ゼロショットエンティティリンクおよび一致タイプの区別において有効性を示しました。

結論:

• CellLinkは、細胞集団の用語を標準化し、計算分析を改善するための貴重なリソースです。
• このコーパスは、科学文献で細胞表現型がどのように記述されているかの理解を深めるのに役立ちます。
• CellLinkは、細胞オントロジーのような生物学的オントロジーの拡張と洗練を支援します。