論文の概要: COVID-19Base: A knowledgebase to explore biomedical entities related to COVID-19

• arxiv url: http://arxiv.org/abs/2005.05954v1
• Date: Tue, 12 May 2020 17:55:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 18:52:33.560212
• Title: COVID-19Base: A knowledgebase to explore biomedical entities related to COVID-19
• Title（参考訳）: COVID-19Base:COVID-19に関連するバイオメディカルエンティティを探求する知識ベース
• Authors: Junaed Younus Khan, Md. Tawkat Islam Khondaker, Iram Tazim Hoque, Hamada Al-Absi, Mohammad Saifur Rahman, Tanvir Alam, M. Sohel Rahman
• Abstract要約: COVID-19Base(COVID-19Base)は、文献採掘に基づく、COVID-19感染症に関連するバイオメディカルな実体を強調する知識ベースである。 これは新型コロナウイルスに特化した最初の知識ベースであり、文学的な採掘を通じて様々な生物医学的実体を統合する。
• 参考スコア（独自算出の注目度）: 1.2026688087685995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We are presenting COVID-19Base, a knowledgebase highlighting the biomedical entities related to COVID-19 disease based on literature mining. To develop COVID-19Base, we mine the information from publicly available scientific literature and related public resources. We considered seven topic-specific dictionaries, including human genes, human miRNAs, human lncRNAs, diseases, Protein Databank, drugs, and drug side effects, are integrated to mine all scientific evidence related to COVID-19. We have employed an automated literature mining and labeling system through a novel approach to measure the effectiveness of drugs against diseases based on natural language processing, sentiment analysis, and deep learning. To the best of our knowledge, this is the first knowledgebase dedicated to COVID-19, which integrates such large variety of related biomedical entities through literature mining. Proper investigation of the mined biomedical entities along with the identified interactions among those, reported in COVID-19Base, would help the research community to discover possible ways for the therapeutic treatment of COVID-19.
• Abstract（参考訳）: 文献マイニングをベースとしたバイオメディカルエンティティであるCOVID-19Baseについて紹介する。 COVID-19Baseを開発するために、利用可能な科学文献や関連する公共リソースから情報を抽出する。 ヒト遺伝子、ヒトmirna、ヒトlncrna、疾患、タンパク質データバンク、薬物および薬物副作用を含む7つのトピック特異的辞書が統合され、新型コロナウイルスに関連する科学的証拠を発掘する。 我々は,自然言語処理,感情分析,深層学習に基づく疾患に対する薬物の有効性を測定する新しい手法を用いて,自動文献マイニング・ラベル付けシステムを開発した。 私たちの知る限りでは、これはCOVID-19専用の初めての知識ベースであり、文学的な採掘を通じて、様々な種類の生物医学的実体を統合する。 新型コロナウイルス(COVID-19Base)で報告された、採掘されたバイオメディカルな物質と特定された相互作用の適切な調査は、研究コミュニティが新型コロナウイルスの治療方法を見つけるのに役立つだろう。

関連論文リスト

• Covidia: COVID-19 Interdisciplinary Academic Knowledge Graph [99.28342534985146]
  新型コロナウイルスに関する既存の文献や知識プラットフォームは、生物学や医学に関する論文の収集にのみ焦点が当てられている。 我々は、異なるドメインにおけるCOVID-19の知識間のギャップを埋めるために、Covidia, COVID-19の学際的知識グラフを提案する。
  論文  参考訳（メタデータ） (2023-04-14T16:45:38Z)
• Multi-label classification for biomedical literature: an overview of the BioCreative VII LitCovid Track for COVID-19 literature topic annotations [13.043042862575192]
  BioCreative LitCovidのトラックは、新型コロナウイルスの文献の自動トピックアノテーションに取り組むコミュニティの努力を求めている。 データセットは3万以上の記事と手動でレビューされたトピックで構成されている。 最高パフォーマンスは0.8875、0.9181、0.9394、マクロF1スコア、マイクロF1スコア、インスタンスベースのF1スコアである。
  論文  参考訳（メタデータ） (2022-04-20T20:47:55Z)
• Discovering Drug-Target Interaction Knowledge from Biomedical Literature [107.98712673387031]
  人体における薬物と標的(DTI)の相互作用は、生物医学や応用において重要な役割を担っている。 毎年何百万もの論文がバイオメディカル分野で出回っているので、文学からDTIの知識を自動的に発見することは、業界にとって急激な需要となっている。 生成的アプローチを用いて,この課題に対する最初のエンドツーエンドソリューションについて検討する。 我々はDTI三重項をシーケンスとみなし、Transformerベースのモデルを使ってエンティティや関係の詳細なアノテーションを使わずに直接生成する。
  論文  参考訳（メタデータ） (2021-09-27T17:00:14Z)
• Extracting a Knowledge Base of Mechanisms from COVID-19 Papers [50.17242035034729]
  我々はメカニズムの知識ベース(KB)の構築を追求する。 我々は、妥当性と幅のバランスをとる広範で統一されたスキーマを開発する。 実験は、新型コロナウイルスの文献に関する学際的な科学的検索を支援するためのKBの有用性を実証する。
  論文  参考訳（メタデータ） (2020-10-08T07:54:14Z)
• Navigating the landscape of COVID-19 research through literature analysis: A bird's eye view [11.362549790802483]
  我々は、2020年5月15日時点でPubMedで見つかった13,369のCOVID-19関連記事、LitCovidコレクションを分析した。 我々は、最先端のエンティティ認識、分類、クラスタリング、その他のNLP技術を適用する。 クラスタリングアルゴリズムは,関連用語群で表されるトピックを識別し,関連する文書に対応するクラスタを算出する。
  論文  参考訳（メタデータ） (2020-08-07T23:39:29Z)
• COVID-19 therapy target discovery with context-aware literature mining [5.839799877302573]
  本稿では,エンティティ間の関係を近似することで,経験的表現データの文脈化を行うシステムを提案する。 トランスファーラーニングによりより大きな科学的文脈を活用するために,新しい埋め込み生成手法を提案する。
  論文  参考訳（メタデータ） (2020-07-30T18:37:36Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• Coronavirus Knowledge Graph: A Case Study [4.646516629534201]
  我々は、新型コロナウイルス関連の専門家やバイオエンティティを特定するために、機械学習、ディープラーニング、知識グラフの構築とマイニング技術をいくつか使用しています。 関連疾患,薬物候補,遺伝子,遺伝子変異,関連化合物の予測手法を提案する。
  論文  参考訳（メタデータ） (2020-07-04T03:55:31Z)
• COVID-19 Literature Knowledge Graph Construction and Drug Repurposing Report Generation [79.33545724934714]
  我々は,学術文献から微細なマルチメディア知識要素を抽出する,新しい包括的知識発見フレームワークであるCOVID-KGを開発した。 我々のフレームワークはまた、証拠として詳細な文脈文、サブフィギュア、知識のサブグラフも提供します。
  論文  参考訳（メタデータ） (2020-07-01T16:03:20Z)
• Repurpose Open Data to Discover Therapeutics for COVID-19 using Deep Learning [22.01390057543923]
  新型コロナウイルスの感染拡大を受け、感染者は85万人以上、死者は4万8000人を超えた。 現在、新型コロナウイルスに対する有効な薬は存在していない。 本研究は、新型コロナウイルスの治療薬を同定する統合的ネットワークベースのディープラーニング手法を報告した。
  論文  参考訳（メタデータ） (2020-05-21T16:02:29Z)
• Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
  世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。 我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
  論文  参考訳（メタデータ） (2020-03-25T12:30:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。