Literature mining on pharmacokinetics numerical data: a feasibility study.
Literature mining on pharmacokinetics numerical data: a feasibility study.
复制标题
DOI：
10.1016/j.jbi.2009.03.010
复制
发表时间：
2009-08
影响因子：
4.5
通讯作者：
Li L
中科院分区：
文献类型：
--
作者：
Wang Z;Kim S;Quinney SK;Guo Y;Hall SD;Rocha LM;Li L
采用序贯挖掘策略对药物PK参数数值数据进行文献挖掘的可行性研究。首先，建立实体模板库来检索药代动力学相关文章。然后应用一组标记和提取规则从文章摘要中检索 PK 数据。为了估计 PK 参数总体平均平均值和研究间方差，开发了线性混合荟萃分析模型和 E-M 算法来描述 PK 参数的概率分布。最后，开发了交叉验证程序来确定误报挖掘结果。使用这种方法挖掘咪达唑仑 (MDZ) PK 数据，准确率达到 88%，召回率达到 92%，F 分数 = 90%。它大大优于传统的数据挖掘方法（支持向量机），其 F 分数为 68.1%。对另外 7 种药物的进一步研究揭示了我们的顺序挖掘方法的类似性能。
A feasibility study of literature mining is conducted on drug PK parameter numerical data with a sequential mining strategy. Firstly, an entity template library is built to retrieve pharmacokinetics relevant articles. Then a set of tagging and extraction rules are applied to retrieve PK data from the article abstracts. To estimate the PK parameter population-average mean and between-study variance, a linear mixed meta-analysis model and an E-M algorithm are developed to describe the probability distributions of PK parameters. Finally, a cross-validation procedure is developed to ascertain false-positive mining results. Using this approach to mine midazolam (MDZ) PK data, an 88% precision rate and 92% recall rate are achieved, with an F-score = 90%. It greatly outperforms a conventional data mining approach (support vector machine), which has an F-score of 68.1%. Further investigate on 7 more drugs reveals comparable performances of our sequential mining approach.
登录
查看更多内容
DOI：
10.1124/jpet.106.104364
发表时间：
2006-08-01
影响因子：
3.5
作者：
Badagnani, Ilaria;Castro, Richard A.;Giacomini, Kathleen M.
通讯作者：
Giacomini, Kathleen M.
影响因子：
6.7
作者：
Kirchheiner, J;Brockmöller, J
通讯作者：
Brockmöller, J
影响因子：
2.9
作者：
PENTIKAINEN, PJ;VALISALMI, L;CREVOISIER, C
通讯作者：
CREVOISIER, C
影响因子：
1.1
作者：
Yu, Menggang;Kim, Seongho;Li, Lang
通讯作者：
Li, Lang
生物公约概述：生物学信息提取的批判性评估。
影响因子：
3
作者：
Hirschman L;Yeh A;Blaschke C;Valencia A
通讯作者：
Valencia A