使用EPITOME进行大规模的策划:用于免疫学文本和开源多模式调查的提取管道

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
• 免疫学 免疫学 免疫学

背景情况:

• 免疫表皮质数据库 (IEDB) 手动整理科学文献中的表皮质数据.
• 传统的策划方法很难跟上日益增加的出版研究量.
• 科学论文包含难以提取的多模式数据 (文本,表格,图形).

研究的目的:

• 开发一个开源工具,以帮助人类策展人自动化生物数据提取.
• 利用视觉语言模型 (VLMs) 进行增强的生物保养.
• 为科学文献创建一个多模式文档处理管道.

主要方法:

• 开发了EPITOME,该管道结合了光学字符识别 (OCR),文本匹配和VLM功能.
• 实施了三阶段的处理系统:基于regex的识别,视觉元素提取和上下文索引.
• 链接序列,MHC分子和测试到VLM问答 (QnA) 文档中的位置.

主要成果:

• 通过使用开源VLMs,EPITOME展示了有前途的零射击性能.
• 该系统有效地从科学文件中提取和将生物数据置于背景中.
• 评估确定了策展人干预的关键点,以提高准确性.

结论:

• 通过策展者在循环中的方法,EPITOME显示了加速生物策展的潜力.
• VLMs可以显著提高从多式联络源提取生物数据的效率.
• 自动化工具对于管理日益增长的科学文献规模至关重要.