R-BERT-CNN: استخراج التفاعلات بين الأدوية والهدف من الأدبيات البيولوجية الطبية

في هذا البحث، نقدم مشاركتنا في مهمة DrugProt ضمن تحدي BioCreative السابع. تعتبر تفاعلات الدواء مع الهدف (DTIs) حاسمة لاكتشاف الأدوية وإعادة استخدامها، وهي غالباً ما يتم استخراجها يدويًا من المقالات التجريبية. هناك أكثر من 32 مليون مقالة طبية بيولوجية على PubMed، واستخراج DTIs من قاعدة بيانات ضخمة كهذه يمثل تحديًا. لحل هذه المشكلة، نوفر حلًا لمهمة 1، التي تهدف إلى استخراج 10 أنواع من التفاعلات بين كيانات الدواء والبروتين. قدمنا نموذج تصنيف جماعي (Ensemble Classifier) يجمع بين BioMed-RoBERTa، وهو نموذج لغوي على مستوى عالمي، وشبكات العصب المتكررة (CNN) لاستخراج هذه العلاقات. رغم وجود اختلالات في الفئات في مجموعة اختبار BioCreative السابع DrugProt، حقق نموذجنا أداءً جيدًا مقارنة بمتوسط المشاركات الأخرى في التحدي، بتسجيله درجة F1 الصغرى بنسبة 55.67٪ (وبنسبة 63٪ على مجموعة اختبار BioCreative السادس ChemProt). تظهر النتائج إمكانات التعلم العميق في استخراج أنواع مختلفة من DTIs.