Finding complex biological relationships in recent PubMed articles using Bio-LDA.
Finding complex biological relationships in recent PubMed articles using Bio-LDA.
复制标题
DOI：
10.1371/journal.pone.0017243
复制
发表时间：
2011-03-23
期刊：
影响因子：
3.7
通讯作者：
Wild DJ
中科院分区：
文献类型：
--
作者：
Wang H;Ding Y;Tang J;Dong X;He B;Qiu J;Wild DJ
生命科学领域现有的大量学术文献对希望跟上与其研究相关的重要发展的科学家提出了重大挑战，但也为发现有关基因、疾病、化合物及其之间相互作用的最新信息提供了有用的资源。在本文中，我们描述了一种称为Bio-LDA的算法，该算法使用提取的生物术语来自动识别潜在主题，并提供了多种方法来揭示主题和生物术语之间的假定关系。使用这些方法确定的关系与生命科学数据集中的现有数据相结合，以提供额外的见解。三个案例研究展示了Bio-LDA模型的实用性，包括关联预测、关联搜索和连接图生成。这种结合的方法为生物学许多领域的知识发现提供了新的机会，包括靶标识别、铅跳变和药物再利用。
The overwhelming amount of available scholarly literature in the life sciences poses significant challenges to scientists wishing to keep up with important developments related to their research, but also provides a useful resource for the discovery of recent information concerning genes, diseases, compounds and the interactions between them. In this paper, we describe an algorithm called Bio-LDA that uses extracted biological terminology to automatically identify latent topics, and provides a variety of measures to uncover putative relations among topics and bio-terms. Relationships identified using those approaches are combined with existing data in life science datasets to provide additional insight. Three case studies demonstrate the utility of the Bio-LDA model, including association predication, association search and connectivity map generation. This combined approach offers new opportunities for knowledge discovery in many areas of biology including target identification, lead hopping and drug repurposing.
登录
查看更多内容
影响因子：
3
作者：
Chen B;Dong X;Jiao D;Wang H;Zhu Q;Ding Y;Wild DJ
通讯作者：
Wild DJ
影响因子：
4.3
作者：
Frijters, Raoul;van Vugt, Marianne;Alkema, Wynand
通讯作者：
Alkema, Wynand
影响因子：
6
作者：
Blei, DM;Ng, AY;Jordan, MI
通讯作者：
Jordan, MI
影响因子：
3
作者：
Blei, D. M.;Franks, K.;Mian, I. S.
通讯作者：
Mian, I. S.
影响因子：
3
作者：
Alako, BTF;Veldhoven, A;Jenster, G
通讯作者：
Jenster, G