Walk-weighted subsequence kernels for protein-protein interaction extraction.
Walk-weighted subsequence kernels for protein-protein interaction extraction.
复制标题
用于蛋白质-蛋白质相互作用提取的步行加权子序列核。
DOI：
10.1186/1471-2105-11-107
复制
发表时间：
2010-02-25
影响因子：
3
通讯作者：
Park S
中科院分区：
文献类型：
--
作者：
Kim S;Yoon J;Yang J;Park S
蛋白质之间相互作用网络的构建对于理解潜在的生物过程至关重要。然而，由于许多有用的关系被排除在数据库中，仍然隐藏在原始文本中，因此，从文本中自动提取交互作用的研究在生物信息学领域是重要的。在这里，我们建议两种核方法基因互动提取，考虑到句子的结构方面。首先，我们通过修改核函数来改进我们的先验依赖核，以便它可以涉及以下方面的各种子结构：（1）e-遍历，（2）部分匹配，（3）非连续路径，以及（4）子结构的不同重要性。其次，我们提出了步行加权子序列核参数化非连续的句法结构以及语义角色和词汇特征，这使得学习结构方面从少量的训练数据有效。此外，我们区分的重要性参数，如句法位置，语义角色，词汇特征，通过改变它们的权重。我们解决了基因的相互作用问题与各种依赖内核，并提出了各种结构的内核方案的基础上，有向最短的依赖路径连接两个实体。因此，我们在具有步行加权子序列核的基因相互作用数据集上获得了有希望的结果。使用自动解析的第三方蛋白质-蛋白质相互作用（PPI）数据以及完美的语法标记的PPI数据的结果进行比较。
The construction of interaction networks between proteins is central to understanding the underlying biological processes. However, since many useful relations are excluded in databases and remain hidden in raw text, a study on automatic interaction extraction from text is important in bioinformatics field. Here, we suggest two kinds of kernel methods for genic interaction extraction, considering the structural aspects of sentences. First, we improve our prior dependency kernel by modifying the kernel function so that it can involve various substructures in terms of (1) e-walks, (2) partial match, (3) non-contiguous paths, and (4) different significance of substructures. Second, we propose the walk-weighted subsequence kernel to parameterize non-contiguous syntactic structures as well as semantic roles and lexical features, which makes learning structural aspects from a small amount of training data effective. Furthermore, we distinguish the significances of parameters such as syntactic locality, semantic roles, and lexical features by varying their weights. We addressed the genic interaction problem with various dependency kernels and suggested various structural kernel scenarios based on the directed shortest dependency path connecting two entities. Consequently, we obtained promising results over genic interaction data sets with the walk-weighted subsequence kernel. The results are compared using automatically parsed third party protein-protein interaction (PPI) data as well as perfectly syntactic labeled PPI data.
登录
查看更多内容
影响因子：
5.8
作者：
Kim, Seonho;Yoon, Juntae;Yang, Jihoon
通讯作者：
Yang, Jihoon
影响因子：
5.8
作者：
Fundel, Katrin;Kueffner, Robert;Zimmer, Ralf
通讯作者：
Zimmer, Ralf
DOI：
10.1016/j.ijmedinf.2009.04.010
发表时间：
2009-12-01
影响因子：
4.9
作者：
Miwa, Makoto;Saetre, Rune;Tsujii, Jun'ichi
通讯作者：
Tsujii, Jun'ichi
影响因子：
14.9
作者：
Bader, GD;Betel, D;Hogue, CWV
通讯作者：
Hogue, CWV
影响因子：
6
作者：
Lodhi, H;Saunders, C;Watkins, C
通讯作者：
Watkins, C