文献

J-GLOBAL ID：202102261178755820   整理番号：21A0615074

生物医学文献からの蛋白質-蛋白質相互作用抽出のためのハイブリッド深層学習モデル【JST・京大機械翻訳】

A Hybrid Deep Learning Model for Protein-Protein Interactions Extraction from Biomedical Literature

著者 (3件)： Quan Changqin (Graduate School of System Informatics, Kobe University, 1-1, Rokkodai-cho, Nada-ku, Kobe 657-8501, Japan) ,  Luo Zhiwei (Graduate School of System Informatics, Kobe University, 1-1, Rokkodai-cho, Nada-ku, Kobe 657-8501, Japan) ,  Wang Song (School of Elec Eng, Comp and Math Sci; Curtin University, Kent St, Bentley WA 6102, Australia)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 8  ページ： 2690  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 生物医学文献の指数的増加サイズとテキストにおける蛋白質相互作用(PPI)を発見するための手動カーレータの限られた能力は,現在の知見で更新されたPPIデータベースの維持における遅延をもたらした。PPI抽出のための最先端のテキストマイニング方法は,主として深層学習(DL)モデルに基づいており,DLベースの方法の性能は,主にDLモデルと特徴埋込み方法のアーキテクチャによって影響を受ける。本研究では,畳み込みニューラルネットワーク(CNN),長い短期記憶(LSTM),およびハイブリッドモデルを含むDLモデルの異なるアーキテクチャを比較し,PPI抽出のための双方向LSTM+CNNモデルのハイブリッドアーキテクチャを提案した。事前訓練された単語埋込みと最短依存性経路(SDP)埋込みを2埋込みチャネルモデルに供給し,このモデルは長距離文脈情報をモデル化でき,局所特徴と構造情報を効果的に捉えることができる。実験結果は,提案モデルが非ハイブリッドDLモデルより優れていて,ハイブリッドCNN+双方向LSTMモデルがPPI抽出にうまく機能することを示した。異なるDLモデルによって学習された隠れ特徴の可視化と比較は,さらに提案モデルの有効性を確認した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  *タンパク質 ,  可視化 ,  有効性 ,  計算機アーキテクチャ ,  単語
準シソーラス用語： 短期記憶 ,  テキストマイニング ,  文脈情報 ,  *蛋白質間相互作用 ,  *生物医学 ,  ハイブリッドモデル ,  ハイブリッドアーキテクチャ ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 蛋白質-蛋白質相互作用 ,  深層学習(DL) ,  畳込みニューラルネットワーク(CNN) ,  双方向長期記憶(双方向LSTM)

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

引用文献 (41件)：

• Scott, D.E.; Bayly, A.R.; Abell, C.; Skidmore, J. Small molecules, big targets: Drug discovery faces the protein-protein interaction challenge. Nat. Rev. Drug Discov. 2016, 15, 533-550.
• Bader, G.D.; Betel, D.; Hogue, C.W.V. BIND: The biomolecular interaction network database. Nucleic Acids Res. 2003, 31, 248-250.
• Zanzoni, A.; Montecchi-Palazzi, L.; Quondam, M.; Ausiello, G.; Helmer-Citterich, M.; Cesareni, G. MINT: A molecular interaction database. FEBS Lett. 2002, 513, 135-140.
• Kerrien, S.; Aranda, B.; Breuza, L.; Bridge, A. The intact molecular interaction database in 2012. Nucleic Acids Res. 2012, 38, D525.
• Bunescu, R.; Mooney, R.; Ramani, A.; Marcotte, E. Integrating co-occurrence statistics with information extraction for robust retrieval of protein interactions from medline. In Proceedings of the HLT-NAACL Workshop on Linking Natural Language Processing and Biology (BioNLP ’06), New York, NY, USA, 8 June 2006; pp. 49-56.

タイトルに関連する用語 (5件)： 生物医学 ,  文献 ,  蛋白質-蛋白質相互作用 ,  深層学習 ,  モデル