在生物医学数据集成的规模上对语义映射进行组装和推理

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
• 生物信息学是一种生物信息学.

背景情况:

• 许多资源将独特的标识符分配给生物医学概念,如基因,疾病和细胞类型.
• 这些资源中的重叠标识符会造成数据互操作性挑战.
• 整合数据集需要映射这些不同的标识符,但现有的映射是不完整和碎片化的.

研究的目的:

• 开发一种可扩展的解决方案,用于从多个来源集成和映射生物医学概念标识符.
• 为了解决由碎片化标识符映射引起的数据互操作性瓶.
• 创建一个全面的生物医学概念映射资源.

主要方法:

• 开发了SeMRA,这是一种使用图形数据结构集成识别器映射的软件工具.
• 采用图形算法来推断缺失的映射,并保持来源和信心.
• 实现了一个可定制的工作流,接受源集成的声明规范.

主要成果:

• 创建了SeMRA原始映射数据库,包含来自127个来源的4340万张映射.
• 该数据库涵盖了来自445个本体和数据库的标识符,连接了以前没有链接的标识符空间.
• 通过对特定用例的基准来证明实用性,例如疾病和细胞类型资源集成.

结论:

• SeMRA有效地将分散的生物医学标识符映射集成到一个统一的图形结构中.
• 塞姆拉原始映射数据库显著提高了生物医学研究的数据互操作性.
• 该工具和数据库为连接各种生物医学知识库提供了宝贵的资源.