1-3 가설자동생성을 위한 텍스트마이닝 파이프라인 시스템 기술 개발

연구과제명 : 가상인체 및 세포모델링 기술개발 (1중과제 1세부)

연구책임자/주관기관 : 이도헌 ((재)유전자동의보감사업단)

기술개요

• 대량의 바이오 문헌데이터로부터 가상인체와 소재/효능 관련 생물 정보를 발굴하는 텍스트 마이닝 파이프라인 시스템 개발
  -가상인체 및 소재/효능 관련 개체명 인식 및 개체관계 추출 모델 성능 향상
  - 그래프모델 기반 가설생성 연구 및 웹 온톨로지 서비스 프레임 구축

1. 가상인체 및 소재/효능 관련 개체 명 인식 및 개체관계 추출 모델 성능 향상

• Named Entity Recognition

• Predicate Classification

• Semantic Relation Classification

2. 그래프모델 기반 가설 생성 연구 및 웹 온톨로지 서비스 프레임 구축

• TextAE 기반 Visualization Tool 제공

- PubMed 초록 문헌들을 대상으로 NER과 RE를 수행한 결과를 웹상에 시각화
- Gene(DNA/RNA/Protein), Compound, Phenotype, Biological Process, Molecular Function 등 5가지 기본 개체 타입 뿐만 아니라, Anatomy Context와 Association Context까지 모두 반영
검색어로 PMID와 Keyword 사용 가능
- Lucene을 활용할 경우 abstract 또는 title 상의
- match되는 부분에 highlight를 줄 수 있음

기술의 우수성/혁신성

• 방대한 양의 비정형화 데이터에서 멀티 타입 바이오 개체 관계를 추출할 수 있는 시스템
• 사전, 기계학습, 온톨로지(UMLS)를 혼합함으로써 개체 추출의 정확도 및 시스템의 유연성이 개선된 개체명 인식 기법
• 추출 개체 간 의미론적 연관성을 추적하기 위해 다양한 Semantic relatedness 알고리즘을 적용
• 풍부한 생물학적 관계 추론을 위해 본 연구팀에서 자체 개발한 문장 구조 기반의 관계 추출 시스템

기술활용분야 (사업화/기술이전을 통한 제품화)

• 지속 가능한 사용성 확보를 위해 개발된 텍스트 마이닝 시스템을 사업단 CODA를 위한 버전(CODA)과 일반 대중을 위한 버전(MELKE)으로 분리하여 개발 및 COCONUT 데이터베이스를 위한 텍스트 마이닝 모델 공개 (Docker를 활용한 범용성 증대와 프로그램 수행 속도 개선)
• 생물 정보 추출 대상을 학술문헌에서 임상 데이터로까지 확대하여, 신약 개발을 위한 정교한 가설을 제시
• Clinicaltrials.gov에서 제공하는 임상시험 관련 문헌들을 대상으로도 위와 같은 생물 정보 추출 및 시각화가 가능하게 하여, 본 tool이 이용될 수 있는 폭을 넓히고자 함
• 일방향적인 visualization을 넘어 틀린 곳이 발견되면 누구나 이를 수정할 수 있도록 하고, 그 수정된 정보가 바로 DB에 반영될 수 있도록 설계