基于并行架构的生物医学命名实体识别模型 Bean 的创新突破

首页今日动态人才市场新技术专栏中国科学人云展台
BioHot
云讲堂直播会展中心特价专栏技术快讯免费试用

生物通官微
陪你抓住生命科技
跳动的脉搏

生物通首页 > 今日动态 > 正文

【字体：大中小】 时间：2025年02月26日 来源：BMC Bioinformatics 2.9

编辑推荐：

　　为解决生物医学命名实体识别（BioNER）中嵌套结构和类别相关性处理难题，研究人员开展关于新型并行 BioNER 模型 Bean 的研究，结果显示该模型性能卓越，对生物医学领域研究意义重大。

濞戞捁妗ㄧ花鈩冪┍閸愵厾绠荤紒澶嬪灥椤掔喖鎯冮崟顏嗙倞闁圭虎鍙忕槐婵嬫偨閻斿搫鈷栭梺顐ｅ哺閸ｄ即姊块崱鏇犲晩閺夆晜鐟ч惁鎺楀棘閸モ晝褰块柨娑樿嫰椤┭囨閳ь剟鎳熸潏銊︾€柛妯煎枑閺嬪啴鏁嶅畝鍐惧殲闁谎嗩嚙缂嶅秶妲愰姀鐘茬悼闁挎冻鎷�缂佷究鍨硅ぐ鍥储閻斿憡鐎�

　　在生物医学研究的 “数据海洋” 里，从海量文献中精准提取关键信息，就像在茫茫大海里捞针，而生物医学命名实体识别（BioNER）就是那根 “神奇的针”。BioNER 的任务是从生物医学文本里找出特定的名词短语，比如 DNA、蛋白质、疾病名称等，这对生物信息检索、医学知识库构建以及医学智能问答等前沿应用至关重要。想象一下，在医学智能问答系统中，如果无法准确识别疾病名称和相关生物分子，给出的答案可能就会 “南辕北辙”，误导患者。

濞戞挸顑堝ù鍥┾偓鐟邦槹瀹撳孩瀵奸敂鐐毄閻庢稒鍔掗崝鐔煎Υ婵犲洠鍋撳宕囩畺缂備礁妫滈崕顏呯閿濆牓妯嬮柟娲诲幘閵囨岸寮幍顔界暠闁肩瓔鍨虫晶鍧楁閸撲礁浠柕鍡楊儐鐢壆妲愰姀鐙€娲ゅù锝嗘礋閳ь剚淇虹换鍐╃閿濆牓妯嬮柛鎺戞閻庤姤绌遍崘顓犵闁诡喓鍔庡▓鎴︽嚒椤栨粌鈷栭柛娆愬灩楠炲洭鎯嶉弮鍌楁晙

10x Genomics闁哄倹婢橀幖顪渋sium HD 鐎殿喒鍋撻柛姘煎灠瀹曠喓绱掗崱姘姃闁告帒妫滄ご鎼佹偝閸モ晜鐣遍柛蹇嬪姀濞村棜銇愰弴鐘电煁缂佸本妞藉Λ鍧楀礆閸℃ḿ鈧粙鏁嶉敓锟�

婵炲棎鍨肩换瀣▔鐎ｎ厽绁癟wist闁靛棗锕ｇ粭澶愬棘椤撶偛缍侀柛鏍ㄧ墱濞堟厤RISPR缂佹稒鐩埀顒€顦伴悧鍝ヤ沪閳ь剟濡寸€ｎ剚鏆╅悗娑欏姃閸旓拷

闁告娲滅划蹇涙嚄閻愬銈撮幖鏉戠箰閸欏棝姊婚妸銉ｄ海閻犱焦褰冮悥锟� - 婵烇絽宕崣鍡樼閸℃鎺撶鎼达綆鍎戝☉鎾亾濞戞搩浜滃畷鐔虹磼閸℃艾鍔掗悗鍦仱閻涙瑧鎷嬮幑鎰靛悁闁告帞澧楅弳鐔煎箲椤斿灝绐涢柟璨夊倻鐟㈤柛娆樺灥椤宕犻弽顑帡寮搁敓锟�

濞戞挸顑堝ù鍥Υ婵犲嫮鐭庨柤宕囧仜閸炴挳鎽傜€ｎ剚顏ら悹鎰╁妺缁ㄧ増鎷呭⿰鍐ㄧ€婚柡瀣姈閺岀喎鈻旈弴鐘虫毄閻庢稒鍔掗崝鐔煎Υ閿燂拷

然而，BioNER 面临着巨大的挑战。一方面，生物医学实体常常呈现 “嵌套结构”，一个实体可能包含其他实体，同时又被更大的实体所包含，就像俄罗斯套娃一样。例如 “IL - 13 gene 5’ flank region”（DNA）这个长实体，就包含了 “IL - 13 gene”（DNA）和 “IL - 13”（protein）两个内部实体。另一方面，实体类别之间存在着复杂的相关性，包括共现和嵌套关系，这使得识别工作更加困难。早期的 BioNER 方法，就像蹒跚学步的孩子，只能识别简单的 “扁平” 实体，面对复杂的嵌套结构就 “束手无策”。后来的方法虽然有所改进，但在处理嵌套结构和利用类别信息之间难以找到平衡，就像在跷跷板上跳舞，顾此失彼。

为了攻克这些难题，研究人员踏上了探索之旅，提出了一种全新的并行 BioNER 模型 ——Bean（Boundary detection and category classification in parallel）。Bean 模型巧妙地将实体边界检测和实体类别分类这两个关键任务并行处理，就像给模型装上了两个 “超级引擎”，可以直接从输入句子中捕捉类别信息。

在这场研究中，研究人员在五个公共数据集（包括四个生物医学数据集和一个通用数据集）上进行了广泛的实验。结果令人惊喜，Bean 模型在所有数据集上都取得了最先进的性能，就像在赛场上一路领先的冠军。这一成果发表在《BMC Bioinformatics》期刊上，为生物医学信息提取领域注入了新的活力。

研究人员为了构建 Bean 模型，采用了一系列先进的技术方法。首先，利用上下文敏感的预训练语言模型 BERT 获取输入句子的上下文标记表示。然后，设计了边界检测模块，通过头 - 尾编码器和三仿射分类器预测实体边界。同时，构建类别分类模块，运用类别特定注意力编码器和类别相关图编码器学习实体类别知识。最后，匹配模块将边界和类别特征结合起来，完成实体识别。

研究人员通过多方面的研究，得到了一系列有价值的结论。

数据集实验结果：在包含嵌套实体的 GENIA、Chilean Waiting List 和 ACE 2005 数据集，以及包含扁平实体的 JNLPBA 和 NCBI Disease 数据集上进行实验。结果表明，Bean 模型在所有数据集上都表现出色，在 GENIA 数据集上 F1 分数达到 81.71%，召回率为 81.04%，超过了所有基线方法；在 JNLPBA 数据集上，F1 分数也高于其他方法，展现了其在不同类型数据集上的强大性能。
并行处理策略分析：通过对比实验，发现边界检测模块学习的实体边界知识对识别嵌套实体至关重要。缺乏边界知识时，模型难以准确识别实体；而提供黄金标准边界时，模型性能显著提升。同时，类别分类模块学习的类别信息也不可或缺，获取更多类别信息能让模型有更好的表现，这验证了 Bean 模型并行处理策略的有效性。
消融研究：对 Bean 模型的关键组件进行消融实验。结果显示，边界检测模块中，分别对边界头和边界尾知识进行建模，以及结合句子级文本信息，能显著提升实体边界检测性能；类别分类模块中，类别特定特征和类别相关特征都对提高类别分类性能有重要作用，且类别特定特征的影响更为明显。

Bean 模型为 BioNER 任务带来了新的突破，它首次实现了并行处理嵌套结构和类别相关性，为生物医学信息提取提供了更高效、准确的工具。不过，研究人员也意识到模型存在一些不足，比如在训练初期融合模块的损失难以收敛，处理不连续实体或新出现的实体类别时还存在困难。但这并不影响 Bean 模型的重要意义，它为后续研究指明了方向，激励着更多科研人员在生物医学信息提取领域继续探索创新，推动生物医学研究不断向前发展。

热点排行

新闻专题

联系信箱：

粤ICP备09063491号