SciBite veröffentlicht SciBiteAI Relationship Extraction Modelle
ID: 1859648
Durch den Einsatz fortschrittlicher Suchtechnologien wie TERMite, dem "Named Entity Recognition (NEM)"+-Motor von SciBites, können Forscher relevante Treffer in biomedizinischen Texten identifizieren. Die Identifizierung der Beziehung zwischen zwei Einheiten schafft eine zusätzliche Ebene des semantischen Verständnisses.
Die Beziehungsbestimmung ist jedoch nicht immer einfach; die meisten Sätze mit zwei oder mehr miteinander verbundenen Begriffen beinhalten keine Beziehungen, und wenn doch eine Beziehung existiert, wird sie oft in komplexer und vielfältiger Sprache beschrieben.
SciBite hat eine Serie von BERT (https://ai.googleblog.com/2018/11/open-sourcing-bert-state-of-art-pre.html) Relationship Extraction Modellen erstellt, die Sätze identifizieren, die Beziehungen zwischen zwei oder mehr biomedizinischen Einheiten aufweisen. Diese Deep-Learning-Modelle wurden unter Verwendung der semantischen Technologie und der ontologischen Inhalte von SciBite entwickelt, die es ihnen ermöglichen, sich an die Vielfalt der in den Biowissenschaften verwendeten Sprache anzupassen. Zu den anfänglich veröffentlichten Modellen gehören Beziehungen zwischen Medikamenten und unerwünschten Ereignissen, Verbindungen zwischen Medikamenten und Genen sowie zwischen Genen und Krankheiten.
Dieser Ansatz zur Entwicklung von Trainingsdatensätzen für Deep-Learning-Modelle wurde auch in einer Vorabdruckveröffentlichung (https://doi.org/10.1101/2020.09.01.277277) beschrieben. In Zusammenarbeit mit akademischen Partnern von SIGNOR und EMBL-EBI beschreibt das Dokument die Verwendung von Ontologie und NER neben der Kuration durch Experten zur Entwicklung eines Protein-Protein-Interaktionsmodells, das jetzt von https://github.com/SciBiteLabs/MLModels für die nicht-kommerzielle Nutzung freigegeben wurde.
"Unser Ziel mit SciBiteAI ist es, semantisch-basierte Deep-Learning-Modelle zu erstellen, die Wissenschaftler und Anwendungsentwickler nutzen können, ohne Machine-Learning-Experten zu werden", sagt Product Manager Andy Balfe. "Verbindungen zwischen biomedizinischen Einheiten zu finden ist ein grundlegender Bestandteil der meisten biowissenschaftlichen Forschung und diese Modelle sollen dabei helfen."
Erfahren Sie mehr unter https://www.scibite.ai/ .
Informationen zu SciBite
SciBite ist ein preisgekröntes Unternehmen für semantische Software und bietet einen ontologiegesteuerten Ansatz zur Umwandlung unstrukturierter Inhalte in maschinenlesbare saubere Daten. SciBite unterstützt die 20 führenden Pharmaunternehmen mit Anwendungsfällen in allen Bereichen der Biowissenschaften und bietet seinen Kunden eine Reihe von schnellen, flexiblen und einsatzfähigen API-Technologien, die es zu einer wichtigen Komponente in wissenschaftlichen, datengesteuerten Strategien machen.
Pressekontakt:
Lauren Barham, Marketing Manager
lauren@scibite.com
+44 (0)1223 786129
Logo - http://mma.prnewswire.com/media/617446/SciBite_Logo.jpg
Weiteres Material: http://presseportal.de/pm/127768/4761713
OTS: SciBite
Original-Content von: SciBite, übermittelt durch news aktuell
Weitere Infos zu dieser Pressemeldung:
Themen in dieser Pressemitteilung:
Unternehmensinformation / Kurzprofil:
Datum: 13.11.2020 - 07:01 Uhr
Sprache: Deutsch
News-ID 1859648
Anzahl Zeichen: 3826
Kontakt-Informationen:
Stadt:
Cambridge
Kategorie:
Biotechnologie
Diese Pressemitteilung wurde bisher 512 mal aufgerufen.
Die Pressemitteilung mit dem Titel:
"SciBite veröffentlicht SciBiteAI Relationship Extraction Modelle"
steht unter der journalistisch-redaktionellen Verantwortung von
SciBite (Nachricht senden)
Beachten Sie bitte die weiteren Informationen zum Haftungsauschluß (gemäß TMG - TeleMedianGesetz) und dem Datenschutz (gemäß der DSGVO).
