Author Archives: hzaubionlp

假期结束。在实验室与Formula重逢。

Cite the work. Xinzhi Yao, Yun Liu, Qidong Deng, Yusha Liu, Xinchen Ma, Yufei Shen, Qianqian Peng, Zaiwen Feng, Jingbo Xia*. RTO, A Specific Crop Ontology for Rice Trait Concepts. Annual International Conference on International Society for Computational Biology (ISMB), Madison, WI, 10-14 July 2022 (Session Bio-Ontologies COSI). https://doi.org/10.5281/zenodo.6950749

Enjoy the sound summer days…

课题组亲身体验了土豪沟某家知名饭店“小XX虾”的蒜蓉/蒸虾双拼，味道确实阔以。 另：1L的青岛扎啤很香。

评测一: 面向“基因-疾病”的关联语义挖掘任务 (Task1: Text mining task for “Gene-Disease” association semantics, GDAS track, CHIP2022)。 评测设定的主要应用场景是针对“基因-疾病关联发现”的健康医学和生物信息学知识发现。NLP任务主要包括实体识别、语义角色识别和深层语义挖掘。 该评测累计7月21日已经报名16只队伍，分别来自大学、研究院和公司机构。包括：西南XX大学，中原XX院，山X大学，郑X大学，中国XX大学（北京），中国XX科学院，华XX工大学，北XX通大学，北XX工大学，华XX范大学，大XX工大学（2支队伍）， 国家超级计算XX中心，卫XXX科技集团股份有限公司，联XX康，XX智能科技有限公司。 评测网址（CHIP官网）：http://www.cips-chip.org.cn/2022/） 评测网址（课题组网站）：http://lit-evi.hzau.edu.cn/AGAC-CHIP2022 评测时间安排 训练及验证数据发布：7月1号（250条） 测试数据发布：8月25号（2000条） 提交测试结果：8月26-28号（每天可提交一次，以零点后第一次提交的结果为准，取三天内最高成绩，数据格式为数据样例一样的JSON格式） 评测论文提交时间：2022年10月（CHIP会议前1个月） 评测报告及颁奖：2022年11月24日 评测学术委员会评测论文审阅：2022年12月 评测论文修回：2022年12月（2周修改周期） 评测论文集中投稿：2023年1月-

评测一: 面向“基因-疾病”的关联语义挖掘任务 Task1: Text mining task for “Gene-Disease” association semantics, GDAS track, CHIP2022 想在无聊的暑假，顺手发表一篇高大尚的CHIP的论文吗？ 想与各大顶尖NLP团队同台竞技吗？ 想从这些队伍当中脱颖而出吗？ 来吧～加入我们的比赛 风里雨里，我们在比赛中等你来 心动不如行动，在CHIP2022展现你风采 点击图片，扫左下方二维码，获取更多信息。 链接地址： CHIP官网链接：http://www.cips-chip.org.cn/2022/eval1 课题组评测任务页面链接：http://lit-evi.hzau.edu.cn/AGAC-CHIP2022/#about-section

It is our great pleasure to invite Dr. Jake Lever for an online talk, <Text mining to assist biocuration for precision medicine>. Jake Lever博士研究重点是生物医学文本文本挖掘，利用信息提取方法来建立知识数据库并协助研究者找到正确的文献支持。近年来，Jake Lever博士在针对疾病自动化文本知识抽取上做出一系列有启发性的工作，其中发表在Nature Method上的CancerMine算法，精准挖掘癌症相关的 oncogene，tumor suppressor 和 driver gene，该工作受到较广泛关注。Jake Lever博士本次的报告围绕如下内容展开：当今生物医药领域的研究跨学科的特点日益明显，并且文献数量快速增长，这使得生物医药领域的研究人员在海量文献阅读过程中有效、快速、准确地定位知识带来巨大的挑战。因此我们必须建立自动化的方法来协助研究人员处理这些海量的知识，并引导他们走向新的方向。而信息提取方法提供了一个机会，去智能总结隐藏在海量文献中的综合生物医学知识。本次报告会讨论自然语言处理在生物医学应用中一些独特的挑战。    本次报告分为“Finding knowledge for biocurators”“Relation extraction at PubMed scale”“Categorizing coronavirus research”3部分，Jake Lever博士使用图表与动画结合，深入浅出地介绍了文本挖掘辅助精准医学的生物治疗过程，会后，参会师生就分享内容提出一系列问题，如“怎么样更可靠地挑选在多种癌症中起到关键作用的基因？”“文本通常是描述群体的，文本挖掘方法真的可以辅助精准医疗吗？”“机器学习更容易平衡P值和召回，深度学习如何才能做到这一点？”等问题，Jake博士针对大家的问题展开一系列解答，大家进行友好交流，与会者表示收获颇丰。

《Linking hypothetical knowledge patterns to disease molecular signatures for biomarker discovery in Alzheimer’s disease》论文评述 文章《Linking hypothetical knowledge patterns to disease molecular signatures for biomarker discovery in Alzheimer’s disease》https://linkspringer.53yu.com/article/10.1186/s13073-014-0097-z 作者：Ashutosh Malhotra, Erfan Younesi, Shweta Bagewadi, Martin Hofmann-Apitius 引用方式：Malhotra, A., Younesi, E., Bagewadi, S., & Hofmann-Apitius, M. (2014). Linking hypothetical knowledge patterns to disease molecular signatures for biomarkerer discovery in Alzheimer’s disease. Genome medicine, 6(11), 1-11.Continue reading “《AD分子标记物文本挖掘》-GenMed2014论文评述”

无它，但“手书”尔。