基于Pubmed数据库的蛋白质修饰后的信息挖掘

摘 要

如今Pubmed文献检索系统上发表的医学文献的数量十分庞大，且数量逐年增加，研究人员如果想人工地去查看找出Pubmed文献里面的知识是绝对不可能，因此，人们转而利用计算机去获取文献里面的知识。

本篇论文介绍了如何借用文本挖掘技术去挖掘出Pubmed文献里面的知识，并且结合了目前文本挖掘技术，讲述了如何实现了一套蛋白质磷酸化修饰的文本信息挖掘系统。

本系统主要应用于挖掘出Pubmed文献里面蛋白质磷酸化的修饰的一些信息，包括被修饰的蛋白质，激酶，修饰位点，以及它们之间的关系。

本文详细叙述了整套系统瀑布流模型的软件过程，首先是需求，然后是设计，再是实现，依次展开。在实现的阶段里面又包含了文本预处理阶段，命名实体识别阶段，实体关系提取阶段，数据可视化阶段，其中着重介绍了文本挖掘技术中两个的关键也是核心阶段的原理：命名实体识别和关系提取。同时也介绍了Abner工具和Rlims-p工具的原理和应用。此外文献数据库的数量庞大，为了提高程序性能和用户体验，于是介绍了几种提高效率，提高用户体验的解决方案，其中有多线程处理，缓存机制，预处理机制。

关键词：文本挖掘；软件工程；Pubmed；多线程

点击此处下载源码