基于弱监督的蛋白质交互识别

蛋白质交互信息是解决大量医学难题的关键信息，这些信息都记录在医学文献中，随着生物医学文献的大量增加，以手工收集信息的方式已经难以满足实际需求。对此，提出一种基于弱监督的方法识别文本中的蛋白质交互关系。该方法首先根据文本库产生蛋白质交互的向量表示;接着根据蛋白质对实例的相似性对实例聚类，产生提取模式;然后根据提取模式从文本库中找到新的满足条件的蛋白质对实例，作为候选实例;最后对候选实例对应的蛋白质对进行评估，并将满足条件的蛋白质对添加到种子集合中。该方法仅需少量的蛋白质对作为种子，通过迭代算法不断扩充种子集，可以使得监督最小化，极大地减少了人工干预。实验结果表明，该方法取得了较高的精度和召回率