Immune-centric network of cytokines and cells in disease context identified by computational mining of PubMed.
Immune-centric network of cytokines and cells in disease context identified by computational mining of PubMed.
复制标题
DOI：
10.1038/nbt.4152
复制
发表时间：
2018-08
影响因子：
46.9
通讯作者：
Shen-Orr SS
中科院分区：
文献类型：
--
作者：
Kveler K;Starosvetsky E;Ziv-Kenet A;Kalugny Y;Gorelik Y;Shalev-Malul G;Aizenbud-Reshef N;Dubovik T;Briller M;Campbell J;Rieckmann JC;Asbeh N;Rimar D;Meissner F;Wiser J;Shen-Orr SS
细胞因子是由免疫和其他细胞类型分泌和感知的信号分子，能够实现动态的细胞间通讯。虽然存在关于这些相互作用的大量数据，但这些信息尚未汇编、整合或易于搜索。在这里，我们报告immuneXtreme，一个文本挖掘引擎，结构和解释免疫细胞间通信的知识。我们将免疫学应用于PubMed，以确定数千种疾病中340种细胞类型和140种细胞因子之间的关系。该方法区分传入和传出的相互作用，并包括相互作用的效果和所涉及的细胞功能。这些因素被分配了一个置信度分数，并与疾病相关联。利用这个网络的广度，我们预测和实验验证以前不受重视的细胞-细胞因子相互作用。我们还建立了一个以免疫为中心的全球疾病观，并利用它来预测免疫疾病的关联。这个标准化知识库（www.immunexpresso.org）为免疫数据和模型驱动系统免疫学的解释开辟了新的方向。
Cytokines are signaling molecules secreted and sensed by immune and other cell types, enabling dynamic inter-cellular communication. Although a vast amount of data on these interactions exists, this information is not compiled, integrated or easily searchable. Here we report immuneXpresso, a text mining engine that structures and standardizes knowledge of immune inter-cellular communication. We applied immuneXpresso to PubMed to identify relationships between 340 cell types and 140 cytokines across thousands of diseases. The method distinguishes between incoming and outgoing interactions, and includes the effect of the interaction and the cellular function involved. These factors are assigned a confidence score and linked to the disease. Leveraging the breadth of this network, we predict and experimentally verify previously unappreciated cell-cytokine interactions. We also build a global immune-centric view of diseases and use it to predict cytokine-disease associations. This standardized knowledgebase (www.immunexpresso.org) opens up new directions for interpretation of immune data and model-driven systems immunology.
登录
查看更多内容
影响因子：
3
作者：
Jimeno A;Jimenez-Ruiz E;Lee V;Gaudan S;Berlanga R;Rebholz-Schuhmann D
通讯作者：
Rebholz-Schuhmann D
影响因子：
3
作者：
Bada M;Eckert M;Evans D;Garcia K;Shipley K;Sitnikov D;Baumgartner WA Jr;Cohen KB;Verspoor K;Blake JA;Hunter LE
通讯作者：
Hunter LE
影响因子：
3
作者：
Funk C;Baumgartner W Jr;Garcia B;Roeder C;Bada M;Cohen KB;Hunter LE;Verspoor K
通讯作者：
Verspoor K
DOI：
10.1016/s1096-4959(01)00306-2
发表时间：
2001-05-01
影响因子：
2.2
作者：
Du Pasquier, L
通讯作者：
Du Pasquier, L
影响因子：
56.9
作者：
Barabási, AL;Albert, R
通讯作者：
Albert, R