从知识库,注册表和多原子数据中生成生物医学知识图

科学领域:

• 生物医学信息学 生物医学信息学
• 数据科学数据科学数据科学
• 知识表示 知识表示

背景情况:

• 大规模的临床和多经济学数据集正在增长,需要转化为可用于自动推理的可操作信息.
• 数据可访问性的障碍包括内容多样性,大小和隐私问题,阻碍有效的数据利用.
• 现有系统需要协调目标,标准和资源,以实现可靠的数据转换.

研究的目的:

• 在知识图 (KG) 结构中将多态数据集和电子健康记录 (EHR) 转换为紧的知识表示.
• 为了在生物医学数据翻译器生态系统中展示这种数据转换.
• 提供访问五个由此产生的KG,并展示它们在回答生物医学研究问题的实用性.

主要方法:

• 利用知识图 (KG) 进行结构化,机器学习可读的知识表示.
• 开发用于将多学科数据和EHR转换为KG数据结构的方法.
• 将转换的数据集成到生物医学数据翻译器框架中,确保隐私保护.

主要成果:

• 成功地将各种数据集 (临床试验,药物批准,癌症,健康,电子健康记录) 转化为五个不同的KG.
• 在数据转换过程中证明了个人隐私的保护.
• 通过翻译框架提供访问生成的KG.

结论:

• 开发的方法可以将复杂的生物医学数据转化为可计算的KG,支持自动推理.
• 通过使数据更容易获得和可操作,同时保持隐私,KG方法促进了生物医学研究.
• 需要进一步的研究来应对从多组数据中提取生物医学知识的挑战.