一个机器学习框架,用于从文献中的生物通路图像中提取信息
Mun Su Kwon1, Junkyu Lee1, Hyun Uk Kim2
1Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, 34141, Republic of Korea.
Metabolic engineering
|September 5, 2024
概括
本研究介绍了生物途径信息提取 (EBPI) 框架,这是一种自动从文献图像中提取生物途径数据的机器学习工具,包括基因和代谢物.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 系统生物学 系统生物学
背景情况:
- 文献挖掘的进步使信息提取成为可能,但生物通路图像对数据检索提出了挑战.
- 从生物路径的视觉表示中提取结构化数据仍然是生物信息学中的一个重大障碍.
研究的目的:
- 开发一种机器学习框架,即生物路径信息的提取 (EBPI),用于从文献图像中自动提取生物路径数据.
- 为了使基因,酶和代谢物从路径图中获得高通量提取.
- 以可用的表格格式生成提取的路径信息.
主要方法:
- 开发了生物途径信息提取 (EBPI) 机器学习框架.
- 对相关出版物进行自动化文献搜索.
- 实现图像分析来检测和分类文本,并确定图像路径中的生物化学反应方向.
- 在表格格式中生成提取的路径数据.
主要成果:
- 该EBPI框架成功地自动从图像中提取生物通路信息.
- 该系统识别基因,酶和代谢物,并确定反应方向.
- 性能评估显示,与手动策划的路径地图相比,精确的提取.
结论:
- 生物途径信息提取 (EBPI) 框架为从科学文献中提取生物途径数据的高通量提取提供了一个新的解决方案.
- 这种工具有助于在代谢工程等领域的途径研究和应用.
- EBPI提高了嵌入在图像中的复杂生物通路信息的可访问性和可用性.
