Metodi di Machine Learning e Text Mining per l'estrazione di set di dati biologici

Il text mining o data mining è uno strumento di scoperta della conoscenza che si riferisce al processo di estrazione di modelli interessanti e non banali da un database di testi non strutturati. Qui presentiamo un nuovo sistema di apprendimento automatico per l'estrazione di insiemi di dati biologici (dati testuali/letteratura scientifica) per comprendere le relazioni tra due geni (due termini) in un testo scientifico. Il sistema imita l'intelligenza umana e determina con precisione le relazioni tra due geni/proteine. Abbiamo curato manualmente i set di dati della letteratura utilizzando la deep curation per generare il set di addestramento. Inoltre, i nostri risultati di predizione sono stati convalidati con l'aiuto di esperti per generare fiducia nell'uso del nostro sistema in diverse situazioni in tempo reale. Successivamente, il sistema è stato automatizzato in modo che le persone di tutto il mondo possano determinare le relazioni tra due o più molecole in un testo utilizzando macchine vettoriali di supporto. Questo sistema semi-automatico viene spesso applicato dal nostro team per scrivere recensioni su un determinato argomento. Ad esempio, il nostro team è stato in grado di vagliare e analizzare oltre 36.000 articoli per scrivere una recensione sugli strumenti di docking molecolare. Nel 2016, il nostro team è stato in grado di ricostruire la rete molecolare dell'obesità utilizzando questo sistema (Jaisri et al 2016, Plos One).