A machine learning framework for discovery and enrichment of metagenomics metadata from open access publications.
A machine learning framework for discovery and enrichment of metagenomics metadata from open access publications.
复制标题
DOI：
10.1093/gigascience/giac077
复制
发表时间：
2022-08-11
期刊：
影响因子：
9.2
通讯作者：
中科院分区：
文献类型：
--
作者：
宏基因组学是一种独立于培养物的方法，用于研究居住在特定环境中的微生物。比较样本的组成（功能/分类学），无论是纵向研究还是横断面研究，都可以为微生物群如何适应环境提供线索。然而，一个反复出现的挑战，特别是在比较独立研究之间的结果时，是关于用于提取和测序遗传物质的样本和分子方法的关键元数据经常从序列记录中丢失，使得很难解释混杂因素。然而，这些缺失的元数据可能会在描述该研究的出版物的叙述中找到。在这里，我们描述了一个机器学习框架，该框架可以从欧洲 PMC 包含的文献中自动提取各种宏基因组学研究的基本元数据。该框架能够从欧洲 PMC 的 114,099 份出版物中提取元数据，其中包括欧洲核苷酸档案 (ENA) 和 MGnify 中描述宏基因组学研究的 19,900 份出版物。使用该框架，开发了一个新的宏基因组注释管道并将其集成到 Europe PMC 中，以利用从研究文章中提取的元数据定期丰富最新的 ENA 和 MGnify 宏基因组研究。这些元数据现在可供研究人员在 MGnify 和 Europe PMC 网站以及 Europe PMC 注释 API 中探索和检索。
Metagenomics is a culture-independent method for studying the microbes inhabiting a particular environment. Comparing the composition of samples (functionally/taxonomically), either from a longitudinal study or cross-sectional studies, can provide clues into how the microbiota has adapted to the environment. However, a recurring challenge, especially when comparing results between independent studies, is that key metadata about the sample and molecular methods used to extract and sequence the genetic material are often missing from sequence records, making it difficult to account for confounding factors. Nevertheless, these missing metadata may be found in the narrative of publications describing the research. Here, we describe a machine learning framework that automatically extracts essential metadata for a wide range of metagenomics studies from the literature contained in Europe PMC. This framework has enabled the extraction of metadata from 114,099 publications in Europe PMC, including 19,900 publications describing metagenomics studies in European Nucleotide Archive (ENA) and MGnify. Using this framework, a new metagenomics annotations pipeline was developed and integrated into Europe PMC to regularly enrich up-to-date ENA and MGnify metagenomics studies with metadata extracted from research articles. These metadata are now available for researchers to explore and retrieve in the MGnify and Europe PMC websites, as well as Europe PMC annotations API.
登录
查看更多内容
影响因子：
1.9
作者：
Buttigieg PL;Morrison N;Smith B;Mungall CJ;Lewis SE;ENVO Consortium
通讯作者：
ENVO Consortium
影响因子：
64.8
作者：
Jumper J;Evans R;Pritzel A;Green T;Figurnov M;Ronneberger O;Tunyasuvunakool K;Bates R;Žídek A;Potapenko A;Bridgland A;Meyer C;Kohl SAA;Ballard AJ;Cowie A;Romera-Paredes B;Nikolov S;Jain R;Adler J;Back T;Petersen S;Reiman D;Clancy E;Zielinski M;Steinegger M;Pacholska M;Berghammer T;Bodenstein S;Silver D;Vinyals O;Senior AW;Kavukcuoglu K;Kohli P;Hassabis D
通讯作者：
Hassabis D
影响因子：
14.9
作者：
Harrison PW;Ahamed A;Aslam R;Alako BTF;Burgin J;Buso N;Courtot M;Fan J;Gupta D;Haseeb M;Holt S;Ibrahim T;Ivanov E;Jayathilaka S;Balavenkataraman Kadhirvelu V;Kumar M;Lopez R;Kay S;Leinonen R;Liu X;O'Cathail C;Pakseresht A;Park Y;Pesant S;Rahman N;Rajan J;Sokolov A;Vijayaraja S;Waheed Z;Zyoud A;Burdett T;Cochrane G
通讯作者：
Cochrane G
DOI：
10.1093/bioinformatics/btaa586
发表时间：
2020-09-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Bagheri H;Severin AJ;Rajan H
通讯作者：
Rajan H
影响因子：
14.9
作者：
Chen IA;Markowitz VM;Chu K;Palaniappan K;Szeto E;Pillay M;Ratner A;Huang J;Andersen E;Huntemann M;Varghese N;Hadjithomas M;Tennessen K;Nielsen T;Ivanova NN;Kyrpides NC
通讯作者：
Kyrpides NC