Recent progress in automatically extracting information from the pharmacogenomic literature.
Recent progress in automatically extracting information from the pharmacogenomic literature.
复制标题
DOI：
10.2217/pgs.10.136
复制
发表时间：
2010-10
期刊：
影响因子：
2.1
通讯作者：
Altman RB
中科院分区：
文献类型：
--
作者：
Garten Y;Coulet A;Altman RB
生物医学文献保存了我们对药物基因组学的理解，但它分散在许多期刊中。为了整合我们的知识，连接出版物中的重要事实并产生新的假设，我们必须组织和编码文献内容。通过创建结构化药物基因组知识数据库，我们可以使文献的价值远远大于各个报告的总和。例如，我们可以生成候选基因列表或解释全基因组关联研究中令人惊讶的命中。文本挖掘自动为数百万出版物中嵌入的非结构化知识添加结构，近年来生物医学文本挖掘工作激增，其中一些特定于药物基因组学文献。这些方法可以提取特定类型的信息，还可以为一般的系统性查询提供答案。在本文中，我们描述了药物基因组学背景下文本挖掘的主要任务，总结了最近的应用并预测了文本挖掘应用的下一阶段。
The biomedical literature holds our understanding of pharmacogenomics, but it is dispersed across many journals. In order to integrate our knowledge, connect important facts across publications and generate new hypotheses we must organize and encode the contents of the literature. By creating databases of structured pharmocogenomic knowledge, we can make the value of the literature much greater than the sum of the individual reports. We can, for example, generate candidate gene lists or interpret surprising hits in genome-wide association studies. Text mining automatically adds structure to the unstructured knowledge embedded in millions of publications, and recent years have seen a surge in work on biomedical text mining, some specific to pharmacogenomics literature. These methods enable extraction of specific types of information and can also provide answers to general, systemic queries. In this article, we describe the main tasks of text mining in the context of pharmacogenomics, summarize recent applications and anticipate the next phase of text mining applications.
登录
查看更多内容
影响因子：
3
作者：
Chen H;Sharp BM
通讯作者：
Sharp BM
影响因子：
5.8
作者：
Chang, JT;Schütze, H;Altman, RB
通讯作者：
Altman, RB
影响因子：
14.9
作者：
Bruford, Elspeth A.;Lush, Michael J.;Wright, Mathew W.;Sneddon, Tam P.;Povey, Sue;Birney, Ewan
通讯作者：
Birney, Ewan
影响因子：
4.5
作者：
Cohen T;Widdows D
通讯作者：
Widdows D
影响因子：
4.3
作者：
Cohen KB;Hunter L
通讯作者：
Hunter L