评估人工智能 (AI) 实施以协助基因链接 (在国家医学图书馆)

科学领域:

• 生物医学信息学 生物医学信息学
• 计算生物学 计算生物学
• 生命科学 生命科学

背景情况:

• 国家医学图书馆 (NLM) 手动将数以百万计的文章与基因记录联系起来,这是生命科学研究的关键过程.
• 将手动索引扩展到日益增长的出版文献数量上是一个重大挑战.
• 自动信息提取方法看起来很有前途,但在已有的工作流程中面临整合困难.

研究的目的:

• 展示GNorm2机器学习模型的集成到NLM的基因识别日常工作流程中.
• 为了评估GNorm2在现实世界生物监护环境中的性能.
• 评估GNorm2对基因识别准确性,索引一致性和效率的影响.

主要方法:

• 将GNorm2模型集成到NLM现有的策展人工作流程中.
• 8名生物医学策展人专家对GNorm2的评估,使用基因识别准确度和注释者间协议等参数.
• 基于专家反的GNorm2算法的代改进,以支持135个基因物种.

主要成果:

• GNorm2在识别基因及其物种方面展示了最先进的性能,有效地处理文本模两可.
• 确定了关键的界面修改,以最大限度地提高GNorm2对策展人的好处.
• 增强了GNorm2算法,包括病毒和细菌基因,扩大了其覆盖范围.

结论:

• GNorm2显示出显著的潜力,可以提高NLM的基因索引的准确性,一致性和效率.
• 该模型目前正在完全整合到常规的策展人工作流程中.
• 预计GNorm2的成功整合将提高NLM资源对生命科学研究的价值.