KG-COVID-19: A Framework to Produce Customized Knowledge Graphs for COVID-19 Response.
KG-COVID-19: A Framework to Produce Customized Knowledge Graphs for COVID-19 Response.
复制标题
DOI：
10.1016/j.patter.2020.100155
复制
发表时间：
2021-01-08
期刊：
影响因子：
--
通讯作者：
Mungall CJ
中科院分区：
文献类型：
--
作者：
Reese JT;Unni D;Callahan TJ;Cappelletti L;Ravanmehr V;Carbon S;Shefchek KA;Good BM;Balhoff JP;Fontana T;Blau H;Matentzoglu N;Harris NL;Munoz-Torres MC;Haendel MA;Robinson PN;Joachimiak MP;Mungall CJ
关于SARS-CoV-2和新冠肺炎的综合、最新数据对于生物医学研究界正在对新冠肺炎大流行做出的反应至关重要。虽然SARS-CoV-2及其相关病毒(SARS-CoV、MERS-CoV)存在丰富的生物学知识，但整合这些知识是困难和耗时的，因为这些知识大多是孤立的数据库或文本格式。此外，研究界需要的数据对于不同的任务有很大的不同；例如，机器学习任务的最佳数据与临床医生用于填充可浏览用户界面的数据有很大不同。为了应对这些挑战，我们创建了KG-新冠肺炎，这是一个吸收和集成异质生物医学数据以生成知识图(KG)的灵活框架，并将其应用于创建用于新冠肺炎响应的KG。这个KG框架也可以应用于其他问题，在这些问题中，孤立的生物医学数据必须迅速整合，以用于不同的研究应用，包括未来的大流行。KG-新冠肺炎是一个用于生成定制的新冠肺炎知识图的框架我们的知识图和框架是免费的，开源的，公平的KG-新冠肺炎以本体感知的方式集成了大量与新冠肺炎相关的数据，我们的KG已应用于包括ML任务在内的用例，基于假设的查询对新冠肺炎大流行的有效反应依赖于关于SARS-CoV-2和相关病毒的许多不同类型数据的整合。Kg-新冠肺炎是一个用于生成知识图表的框架，可以为下游应用程序定制知识图表，包括机器学习任务、基于假设的查询和可浏览的用户界面，以使研究人员能够探索新冠肺炎数据并发现关系。对新冠肺炎疫情的有效应对有赖于整合有关SARS-CoV-2和相关病毒的许多不同类型的数据。Kg-新冠肺炎是一个用于生成知识图表的框架，可以为下游应用程序定制知识图表，包括机器学习任务、基于假设的查询和可浏览的用户界面，以使研究人员能够探索新冠肺炎数据并发现关系。
Integrated, up-to-date data about SARS-CoV-2 and COVID-19 is crucial for the ongoing response to the COVID-19 pandemic by the biomedical research community. While rich biological knowledge exists for SARS-CoV-2 and related viruses (SARS-CoV, MERS-CoV), integrating this knowledge is difficult and time-consuming, since much of it is in siloed databases or in textual format. Furthermore, the data required by the research community vary drastically for different tasks; the optimal data for a machine learning task, for example, is much different from the data used to populate a browsable user interface for clinicians. To address these challenges, we created KG-COVID-19, a flexible framework that ingests and integrates heterogeneous biomedical data to produce knowledge graphs (KGs), and applied it to create a KG for COVID-19 response. This KG framework also can be applied to other problems in which siloed biomedical data must be quickly integrated for different research applications, including future pandemics. KG-COVID-19 is a framework for producing customized COVID-19 knowledge graphs Our knowledge graph and framework is free, open-source, and FAIR KG-COVID-19 integrates a wide range of COVID-19-related data in an ontology-aware way Our KG has been applied to use cases including ML tasks, hypothesis-based querying An effective response to the COVID-19 pandemic relies on integration of many different types of data available about SARS-CoV-2 and related viruses. KG-COVID-19 is a framework for producing knowledge graphs that can be customized for downstream applications including machine learning tasks, hypothesis-based querying, and browsable user interface to enable researchers to explore COVID-19 data and discover relationships. An effective response to the COVID-19 pandemic relies on integration of many different types of data available about SARS-CoV-2 and related viruses. KG-COVID-19 is a framework for producing knowledge graphs that can be customized for downstream applications including machine learning tasks, hypothesis-based querying, and browsable user interface to enable researchers to explore COVID-19 data and discover relationships.
登录
查看更多内容
影响因子：
12.3
作者：
通讯作者：
--
DOI：
10.1038/nrmicro.2016.81
发表时间：
2016-08
期刊：
Nature reviews. Microbiology
影响因子：
--
作者：
de Wit E;van Doremalen N;Falzarano D;Munster VJ
通讯作者：
Munster VJ
DOI：
10.1145/2939672.2939754
发表时间：
2016-08
期刊：
KDD : proceedings. International Conference on Knowledge Discovery & Data Mining
影响因子：
--
作者：
Grover A;Leskovec J
通讯作者：
Leskovec J
影响因子：
14.9
作者：
The Gene Ontology Consortium
通讯作者：
The Gene Ontology Consortium
DOI：
10.1007/978-1-62703-435-7_20
发表时间：
2013
期刊：
Methods in molecular biology (Clifton, N.J.)
影响因子：
--
作者：
Thorn, Caroline F;Klein, Teri E;Altman, Russ B
通讯作者：
Altman, Russ B