نقدم نهجًا عصبيًا شاملاً يعالج التعرف على الكيانات المعرفة (NER) واستخلاص العلاقات (RE)، وذلك في إطار مهمة التعرف على الكيانات والعلاقات ضمن بروتوكولات المختبر الرطب (wet-lab protocols). نُقدّم نهجًا عصبيًا مبنيًا على BERT، يُعدّ جميع الفترات الممكنة ك menciones محتملة للكيانات، ثم يصنفها باستخدام الشبكات العصبية العميقة إلى فئات كيانات أو إلى "لا كيان". ولحل مهمة استخلاص العلاقات، نعتمد على تنبؤات NER أو على الإشارات الذهبية المعطاة، ونُنشئ جميع الأزواج الممكنة بين المُحفِّز (trigger) والمضمون (argument)، ثم نصنفها إلى أنواع العلاقات أو إلى "لا علاقة". في مهمة NER، حققنا 76.60% من دقة F-score، محتلين بذلك المرتبة الثالثة بين الأنظمة المشاركة. وفي مهمة استخلاص العلاقات، حققنا 80.46% من دقة F-score، مكونين بذلك النظام الأول في مهمة استخلاص أو التعرف على العلاقات. بالإضافة إلى ذلك، قمنا بمقارنة نموذجنا المبني على مجموعات بيانات بروتوكولات المختبر الرطب (WLPC) مع النموذج الأساسي (baseline) الخاص بـ WLPC، والنظام القائم على الرسم البياني الديناميكي لاستخراج المعلومات (DyGIE).