文本短语挖掘在识别和分类母体蛋白质和基因跨子宫前和类似的病理

科学领域:

• 生物医学信息学 生物医学信息学
• 遗传学和基因组学 遗传学和基因组学
• 产科和妇科 产科和妇科

背景情况:

• 孕前炎症涉及复杂的母性蛋白/基因 (MPG) 和疾病相互作用.
• 识别这些MPG疾病联系对于了解孕前的途径至关重要.
• 现有的方法可能会与大量的产科文献作斗争.

研究的目的:

• 为了证明文本短语挖掘和NLP在注释产科数据中的有效性.
• 发现和评估MPG-疾病相互作用与孕前相关.
• 确定与怀孕有关的心血管疾病的潜在生物标志物.

主要方法:

• 开发了一个短语挖掘/NLP管道,并应用于产科摘要.
• 使用与相关疾病相关的PubMed摘要创建了一个文本库.
• 医疗科目标题被用来匹配疾病并完善体.
• 根据区别,完整性和受欢迎程度,为每个MPG-疾病对计算了独特的分数.

主要成果:

• 确定了44个与妊娠前和心血管疾病相关的独特的MPG.
• 参与血管生成,血管收缩,血液动力学调节,荷尔蒙代谢和炎症的MPG经常在疾病中共享.
• NLP和文本短语挖掘方法在处理文献方面表现出了准确性和速度.

结论:

• NLP和文本短语挖掘是分析大型产科数据集的有效工具.
• 这种方法可以综合产科文献的趋势,并确定潜在的生物标志物.
• 已识别的MPG提供了对孕前和相关疾病背后的分子机制的见解.