中西医关联数据的集成及关系可靠性分析研究

• 作 者: 汤文明
• 出 处: 北京交通大学
• 发表日期: 2020年01期
• 关键词: 中西医 关联数据集成 疾病基因关系 文献挖掘 可靠性分析

中医药是人类宝贵的财富,随着精准医学模式的提出,中医与西医领域的知识融合已成为必然趋势,以中医领域宏观概念为出发点与西医领域微观概念关联为主要目的的工作是基础并且十分重要的一环。当前,医学领域知识大都零散地分布在各类异构数据源当中,为全面系统的知识查询以及分析工作带来了较大的困难。此外,在中西医关联数据中,有些关系如疾病-症状、处方-中药、中药-化学成分之间的关系是确定的,而疾病-基因关系由于本身的复杂影响机制,其可靠性需要进一步研究,就目前疾病-基因关系数据的总体规模而言,被确认的关系不到总数的2%。因此,本文围绕上述问题,开展了以下研究工作:(1)收集整合了6种中西医领域本体,包括中医证候本体、中药本体、人类表型本体、疾病本体、化学物质本体和基因本体,9种中西医领域关联关系,包括证候-症状、证候-处方、处方-功效、处方-草本药物组成、疾病-症状、疾病-基因、药物成分-基因、中医症状-西医症状以及中药-化学成分。在以上数据的基础上,本文利用医学主题词表匹配方法,构建了基于领域本体的中西医关联数据集成模型,该模型基于本体和关联数据在概念层面的映射进行异构数据源的集成。此外,本文通过B/S架构模式开发了中西医关联数据集成系统,实现了中西医关联数据查询以及领域本体可视化等功能,为发现中西医跨领域的潜在知识提供基础,并有利于进一步提高中医药科学研究和疾病诊疗水平。(2)针对关联数据中疾病基因关系的可靠性问题,本文提出基于文献数据的自动化可靠性判别方法。该方法将疾病基因对应支撑文献的丰富度、影响力、临床转化等指标作为特征,利用权威的疾病基因关系公开库对该数据集进行标注,在此基础上,本文通过开展高可靠疾病基因关系的判别实验,采用多种分类算法(逻辑回归、支持向量机、神经网络以及随机森林)进行模型效果的对比,结果显示基于随机森林的疾病基因关系判别模型效果较好,经交叉验证后模型的AUC均值稳定在0.83左右。这表明,本文提出的基于文献数据的疾病基因关系可靠性评价方法具有一定的可行性,特别是提供了在大规模疾病基因关系中进行高可靠类别快速筛选的潜力,有望为医学研究人员以及临床医生准确把握疾病机理提供重要的参考依据。