Natural Language Processing in der Toxikologie
2024
Utrecht University of Applied Sciences, Utrecht, Niederlande
Toxikologen verwenden Adverse Outcome Pathways (AOPs), um zu verstehen, wie Verbindungen schädliche Wirkungen verursachen. AOPs visualisieren Toxizitätsmechanismen über verschiedene biologische Ebenen hinweg. Derzeit basiert die AOP-Erstellung auf manueller Literaturrecherche, was zeitaufwändig ist. Natural Language Processing (NLP) könnte diesen Prozess rationalisieren und es Forschern ermöglichen, sich auf die kritische Bewertung statt auf die Datensammlung zu konzentrieren. Diese Studie nutzte Deep-Learning-Modelle, um relevante Entitäten und kausale Beziehungen in der wissenschaftlichen Literatur zu identifizieren, wobei der Fokus auf Lebercholestase und -steatose lag. Die NLP-Pipeline kombinierte Named Entity Recognition und Beziehungsextraktion, um Verbindungen zu screenen und mechanistische Informationen über biologische Ebenen hinweg zu extrahieren. Die Forschung zeigt das Potenzial von NLP zur Unterstützung der toxikologischen Informationsextraktion und stellt ein Open-Source-Modell zur Erkennung toxikologischer Entitäten und ihrer Beziehungen bereit. Ressourcen sind auf GitHub verfügbar.
The application of natural language processing for the extraction of mechanistic information in toxicology
Marie Corradi
Eingestellt am: 03.12.2024
[1] https://www.frontiersin.org/journals/toxicology/articles/10.3389/ftox.2024.1393662/full
