NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Yaşam bilimlerinde motivasyonBilgi grafikleri (KG) karmaşık biyolojik ve patofizyolojik fenomenleri tanımlarken sistem biyolojisinin önemli bir uygulaması haline gelmiştir. Bunlar, Bulunabilir, Erişilebilir, İşbirlikçi ve Yeniden Kullanılabilir (FAIR) ilkelere uymak için standart ontolojilerle temsil edilen biyolojik ve kimyasal varlıklardan oluşur. Grafik veritabanı olarak hizmet vermenin yanı sıra, KG'ler karmaşık bilimsel sorguları ele alma ve aşağı akış analizlerini kolaylaştırma potansiyeline sahiptir. Bununla birlikte, KG oluşturma süreci pahalı ve zaman alıcıdır, çünkü öncelikle yayınlanmış literatür ve deneysel verilerden manuel kürasyona dayanır. Mevcut metin madenciliği iş akışları hala bebeklik dönemindedir ve manuel kürasyon doğruluğunu ve güvenilirliğini sağlayamamaktadır.ResultsKnowledge grafik üreteci (KGG), hastalıkların ve tıbbi koşulların kemotip ve fenotipini temsil etmek için otomatik bir iş akışıdır. OpenTargets, Uniprot, ChEMBL, Integrated Interactions Database ve GWAS Central gibi kürlenmiş veritabanlarının saat mekanizmasına benzeyen alt şemasını gömülüyor. Sonuç KG, proteinler, proteinle ilişkili yollar, biyolojik süreçler ve işlevler, genetik varyantlar, kimyasallar, etki mekanizması, tahliller ve olumsuz etkiler gibi hastalıkla ilişkili varlıkların kapsamlı ve rasyonel bir derlemesidir. Kullanım durumları olarak, olası komorbidite bağlantısı için paylaşılan varlıkları tanımlamak için KG'leri kullandık ve bunları diğer kaynaklardan KG'lerle karşılaştırdık. Ayrıca, putatif yeni hedeflerin belirlenmesi ve Parkinson Hastalığında ilaç adaylarının yeniden kullanılması için bir kullanım durumu gösterdik. Son olarak, kimyasalların ilaç benzeri olduğunu keşfetmek ve proteinlerin yapılarını tanımlamak için yeniden kullanılabilir iş akışları geliştirdik.KGG için kullanılabilirlik ve uygulamaKaynaklar ve kodlar herkese açıktır: https://github.com/Fraunhofer-ITMP/kgg.
Özgün kaynak özetini okuyun
MotivationKnowledge graphs (KGs) in life sciences have become an important application of systems biology as they delineate complex biological and pathophysiological phenomena. They are composed of biological and chemical entities represented with standard ontologies to comply with Findable, Accessible, Interoperable and Reusable (FAIR) principles. Alongside serving as a graph database, KGs hold the potential to address complex scientific queries and facilitate downstream analyses. However, the process of constructing KGs is expensive and time consuming as it primarily relies on manual curation from published literature and experimental data. The existing text-mining workflows are still in their infancy and fail to achieve the accuracy and reliability of manual curation.ResultsKnowledge graph generator (KGG) is an automated workflow for representing chemotype and phenotype of diseases and medical conditions. It embeds the underlying schema of curated databases such as OpenTargets, Uniprot, ChEMBL, Integrated Interactions Database and GWAS Central resembling a clockwork-esque mechanism. The resultant KG is a comprehensive and rational assembly of disease-associated entities such as proteins, protein-related pathways, biological processes and functions, genetic variants, chemicals, mechanism of actions, assays and adverse effects. As use cases, we have used KGs to identify shared entities for possible link of comorbidity and compared them with KGs from other sources. We have also demonstrated a use case of identifying putative new targets and repurposing drug candidates in Parkinson's Disease. Lastly, we have developed reusable workflows to explore drug-likeness of chemicals and identify structures of proteins.Availability and implementationThe resources and codes for KGG are publicly available at: https://github.com/Fraunhofer-ITMP/kgg.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.