— A Course for Graduates and Junior/Senior Undergraduates (本硕贯通课程-叁年。）
（从2021年起，面向生物信息本科专业的《自然语言处理与知识发现》与面向全校研究生共选的《生物文本挖掘和知识发现概论》连通为本硕贯通课程。今年选课的同学为本科生44名，以生物信息20级大三年级同学为主。）
Apply the NLP ideas in Biomedicine Texts
欢迎选课
Welcome to the course: “BioNLP and Knowledge Discovery”
这门课程源于2016年起开设的研究生《生物文本挖掘与知识发现概论》，每年春季授课。2020年对生物信息专业本科生增开。2021年起，作为本硕贯通课程开设。课程大纲和课程相关资源请在本页获取。
我为什么要选（不要选）这门课程？
学生评语（2021年）： “老师注重启发学生思考，从不同的角度引导学生，培养学生的科研思维。由于老师非常负责对学生要求很高，期望也很高，对学生较为严厉，缺少对学生的鼓励，学生课业压力较大。”
学生评语（2021年）：“老师讲的很好，让我了解到一些以前接触较少得东西，十分有用，但是对于我这样代码基础较弱的来说还是有一定的挑战性。”
学生评语（2022年）：“课程节奏紧张，任务较难，但老师讲解十分耐心，积极回应积极帮助同学们的各种疑问。”
Discover The Syllabuse
发现课程
一、日程安排
| 日期 | 内容 |
| 14, Feb | ▩ Ch0.《课程概论》 ▩ Ch1.《生物医药自然语言处理BioNLP的基本问题》(Slides) ▩ 课程大论文数据发布：作物文献(110k abs) / 疾病文献(2.7G) |
| 21, Feb | ▩ Ch2.《词汇计算基础》(Slides) |
| 28, Feb | ▩ Ch3. 《NLTK文本预处理：分词、分句、词频、POS、近似词汇》(Slides) ▩ 专题1：《作物/疾病文献的知识挖掘目标》 |
| 3, Mar 实验课 | ◎ 实验任务一、《基本词汇计算》 |
| 7, Mar | ▩ Ch4. 《本体和本体富集 (GO, HPO 和PTO)》（Slides） |
| 10, Mar 实验课 | ◎ 实验任务二、《词云计算》 |
| 14, Mar | ▩ Ch5.《依存关系和深层语义》（Slides） |
| 17, Mar 实验课 | （课程大论文短文提交日） ◎ Quiz A：算法理论考题 ◎ 实验任务三、《本体富集分析》 ◎ 专题2：《作物/疾病文献的词汇分析》 |
| 21, Mar | ▩ Ch6.《PubMed实体识别和Shell编程》（Slides） |
| 24, Mar 实验课 | （课程大论文长文初稿提交日） ◎ Quiz B：代码考核 +《作物、疾病文献挖掘》小组汇报 —施沛廷，夏墨晗，张英豪《基于依存关系的新冠文本知识挖掘》（串场：张家赫） —韩俊敏，延思怡，钟如珺《基于PubMed水稻文献信息挖掘基因-抗性关系》（串场：XXX） ◎ 实验任务四、《PubMed文献实体识别》 |
| 28, Mar | ▩ Ch7. 《语义和嵌入计算》 |
| 4, Apr | （课程大论文长文修订稿提交日） ▩ Quiz C：《作物、疾病文献挖掘》小组汇报 ▩ 专题3：《生物文本挖掘和知识图谱》 |
| 7, Apr 实验课 | ◎ 随堂考查 ◎ 实验任务五、《Word2Vec语义嵌入》 |
二、ITC实验安排
◎ 实验三 03/17/2023（第五周）
| 名称 | 《本体富集分析》 |
| 时长 | 4节课 |
| 学习目的 | 一个具体的算法的调包实现 |
| 数据 | 自动下载的数据 |
| 实现方式 | R Studio |
| 作业 | • 基本要求： —复现R代码，获得富集分析结果，截图上交 • 进阶要求（Optional）： —从前期文本挖掘实验中挑选若干基因，获得富集分析结果，对结果进行分析和解读 |
◎ 实验四 03/24/2023（第六周）
| 名称 | 《PubMed文献实体识别》 |
| 时长 | 4节课 |
| 学习目的 | Shell脚本抓取PubTator网页，对所抓取的海量文本的分析 |
| 数据 | Shell编程，API抓取 |
| 实现方式 | Terminal终端 + Jupyter |
| 作业 | • 基本要求： —复现Shell代码，获得目标文献pmid，获取部分PubTator标注文本，截图上交。 • 进阶要求（Optional）： —依据Jupyter代码部分的关键词分析代码，对PubTator文本进行初步筛选，对结果进行分析和解读 |
◎ 实验五 04/07/2023（第八周）
| 名称 | 《Word2Vec语义嵌入》 |
| 时长 | 4节课 |
| 学习目的 | Python下神经网络搭建和Word2Vec嵌入计算 |
| 数据 | PubMed文献语料 |
| 实现方式 | Python |
| 作业 | 截图上交 |
四、课程考核
- 平时 60%
- 实验报告 20%
- 三次课堂测验 20%
- 课堂表现 20% (其中，课程大论文为可选项)
- 期末考试 40%
五、课程讨论进程
♥ TTR文本复杂度分析的策略讨论-02/21/2022
♥ 《作物-疾病文献挖掘的“破题/立论和实施”》讨论-02/28/2022
♥ 实验集萃-03/03/2023：张英豪–《自动化计算文本文件TTR的Bash脚本》
♥ 《短文题目和实施计划》讨论-03/07/2023
♥ 《短文题目和摘要》-03/17/2023
♥ 课堂掠影
Course Resources and External Links
课程资源和外部链接
六、推荐文献-课前阅读
☁ 1. 【了解近十年来BioNLP领域的前沿问题】Zhao, S., Su, C., Lu, Z., & Wang, F. (2021). Recent advances in biomedical literature mining. Briefings in Bioinformatics, 22(3), bbaa057. (论文链接)
☁ 2. 【了解一个知名的生物医药专属的语料库资源】Kim, J. D., Ohta, T., & Tsujii, J. I. (2008). Corpus annotation for mining biomedical events from literature. BMC bioinformatics, 9(1), 1-25. (论文链接)
☁ 3.【了解一个本体资源与生物信息学知识发现的结合案例】Wang, S., Meng, X., Wang, Y., Liu, Y., & Xia, J. (2019). HPO-Shuffle: an associated gene prioritization strategy and its application in drug repurposing for the treatment of canine epilepsy. Bioscience reports, 39(9). (论文链接)
☁ 4. 【了解一个流行的全PubMed范围的生物医学知识标注资源】Wei, C. H., Allot, A., Leaman, R., & Lu, Z. (2019). PubTator central: automated concept annotation for biomedical full text articles. Nucleic acids research, 47(W1), W587-W593.（论文链接）
☁ 5.【了解斯坦福语法依存树结构】De Marneffe, M. C., & Manning, C. D. (2008). Stanford typed dependencies manual (pp. 338-345). Technical report, Stanford University.（文献链接）
所有课程
♥ 回到 我的课程列表和逻辑关系图
Find us!
找到我们！
课后答疑
办公室： 逸夫楼C610
助教：贺芷涵
Course for BioNLP
学科交叉，融会贯通，学好BioNLP.
Course Hours
See jw.hzau.edu.cn
Office
C610, Yifu bldg
Contact me
xiajingbo.math@gmail.com
Jingbo's BioNLP Lab 