{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3359144"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3359144","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Τεχνικές εξόρυξης δεδομένων από κείμενα που σχετίζονται με ασθένειες με ιδιαίτερη έμφαση στην ανάλυση βιβλιογραφίας για SARS-CoV-2.","abstract":"Η σημερινή εκθετική ανάπτυξη της βιοϊατρικής βιβλιογραφίας είναι αδιαμφισβήτητη. Το PubMed επί του παρόντος (07/2023) φιλοξενεί περισσότερες από 35 εκατομμύρια περιλήψεις, το PubMed Central (PMC) 9,2 εκατομμύρια άρθρα με πλήρες κείμενο, ενώ έπειτα από την πανδημία της COVID-19, έχουν δημοσιευθεί περισσότερα από 330.000 άρθρα PubMed σχετικά με τον SARS-CoV-2 μαζί με περισσότερα από 25.000 προ-έντυπα bioRxiv και medRxiv έχουν δημοσιευθεί κατά τη διάρκεια μιας περιόδου 3 ετών από 01/2019 έως 01/2023. Παράλληλα, βάσεις δεδομένων που αφορούν συγκεκριμένες ασθένειες προσπαθούν συνεχώς να φιλτράρουν με μη αυτόματο τρόπο τη σχετική βιβλιογραφία και χρησιμοποιούν στοχευμένα υποσύνολα άρθρων για να συνοδεύσουν τις καταχωρήσεις τους με ενημερωμένες αναφορές που περιέχουν μη επικαλυπτόμενες πληροφορίες, καθώς και κατανοητές και πληροφοριακές περιλήψεις που έχουν γραφτεί χειροκίνητα. Λαμβάνοντας υπόψη ότι πρόκειται για μια κουραστική και χρονοβόρα διαδικασία, μαζί με το γεγονός ότι είναι επιβαρυντικό για έναν ερευνητή να αναζητά βάσεις δεδομένων βιβλιογραφίας προκειμένου να μελετήσει μια νόσο, να παρακολουθεί σχετικές ενημερώσεις, να εξάγει πληροφορίες και να αποκομίζει γνώση, αναπτύσσονται στοχευμένοι και αυτοματοποιημένοι τρόποι ανάλυσης και επεξεργασίας άρθρων που σχετίζονται με ασθένειες. Για τον σκοπό αυτό, έχουν αναπτυχθεί αρκετές εφαρμογές εξόρυξης κειμένου 1–6. Η εφαρμογή EXTRACT7 χρησιμοποιεί την αναγνώριση ονομαστικών οντοτήτων (NER) για τον προσδιορισμό βιοϊατρικών όρων σε ιστοσελίδες. Το OnTheFly8 χρησιμοποιεί το εργαλείο EXTRACT για να κάνει την ίδια εργασία σε έγγραφα με διάφορες μορφές αρχείων, όπως doc(x), txt, xls(x) PDF και εικόνες. Το BioTextQuest9 ομαδοποιεί έγγραφα βασισμένο σε κοινούς πιθανούς βιοϊατρικούς όρους μετά την αφαίρεση των κοινών αγγλικών λέξεων, ενώ το DrugQuest10 συγκεντρώνει ενώσεις της DrugBank11 με βάση τις περιγραφές τους με παρόμοιο τρόπο όπως το BioTextQuest. Το PREGO12 αναλύει την PubMed για να συνδέσει περιβάλλοντα με βιολογικές διεργασίες και οργανισμούς και το DISEASES13 ακολουθεί μία παρόμοια προσέγγιση για τη σύνδεση ασθενειών με γονίδια. Το FACTA14 είναι μια μηχανή αναζήτησης για τον εντοπισμό σχετικών βιοϊατρικών εννοιών. Το CoPub15 δημιουργεί στατιστικά αναφορικά με την συνύπαρξη λέξεων-κλειδιών. Το NETME16 ανιχνεύει συσχετίσεις όρων και τις αναπαριστά ως δίκτυα 17. Το PubAnnotation18 χρησιμοποιεί το ευέλικτο πλαίσιο εξόρυξης κειμένου Agile για τον σχολιασμό κειμένου, ενώ το PubTator19 συγχωνεύει αυτοματοποιημένους σχολιασμούς από προηγμένα συστήματα εξόρυξης κειμένου. Το Medline Ranker20 κατατάσσει περιλήψεις με βάσει κειμένου ή σετ εκπαίδευσης όρων MeSH. Το LipiDisease21 ειδικεύεται στην σύνδεση λιπιδίων με ασθένειες και τα PESCADOR22, STRING23 και STITCH24 δημιουργούν αλληλεπιδράσεις γονιδίου, πρωτεΐνης και πρωτεΐνης-ενώσεων αντίστοιχα. Το Darling διαφοροποιείται από τα υπάρχοντα εργαλεία εστιάζοντας την εξόρυξη βιβλιογραφίας που συνοδεύεται από αρχεία ασθενειών σε ευρέως χρησιμοποιούμενες και καθιερωμένες βάσεις δεδομένων με επίκεντρο τις ασθένειες. Εφαρμόζει την αναγνώριση ονομαστικών οντοτήτων (NER) σε στοχευμένα σύνολα βιβλιογραφίας και πραγματοποιεί τις αναλύσεις στα κείμενα βάσει της συνύπαρξης προτάσεων προκειμένου να δημιουργήσει δίκτυα συσχέτισης 25 μεταξύ βιοϊατρικών οντοτήτων όπως γονίδια, πρωτεΐνες, χημικές ουσίες, λειτουργίες, ιστούς, ασθένειες, περιβάλλοντα και φαινοτύπους. Σε σύγκριση με την προηγούμενη έκδοσή του (Darling v1.0) 26, περιλαμβάνει πολλές νέες επιλογές αναζήτησης και φιλτραρίσματος, υποστηρίζει έξι διαφορετικές βάσεις δεδομένων με επίκεντρο τις ασθένειες, συγκεκριμένα τις OMIM27, DisGeNET28, HPO29, MONDO30, RNADisease31 και το Genome Wide Association Studies (GWAS) Catalog32, ενώ επίσης διαθέτει δύο ειδικά κανάλια για την εξόρυξη GWAS μελετών, αλλά και βιβλιογραφίας σχετικής με την COVID-19. Επιπλέον, οι χρήστες έχουν πλέον πολλούς τρόπους για να αναζητήσουν στο Darling, όπως αναζήτηση για αναγνωριστικά PubMed, εγγραφές ασθενειών, ονόματα οντοτήτων, τίτλους, πολυμορφισμούς ή ακόμα χρησιμοποιώντας τη σύνταξη Entrez. Παράλληλα, μπορεί κανείς να ανακτήσει και να εξορύξει τη σχετική βιβλιογραφία και γνώση από αναγνωρισμένους όρους που βρίσκονται σε ένα κείμενο ελεύθερης εισόδου που εισάγει ο χρήστης μετά την εφαρμογή της αναγνώρισης ονομαστικής οντότητας (NER). Οι συσχετισμοί όρων καταγράφονται σε προσαρμόσιμα δίκτυα, τα οποία δύναται να φιλτραριστούν περαιτέρω βάσει των εντοπισμένων όρων ή της συχνότητας ταυτόχρονης εμφάνισης τους, και έπειτα να οπτικοποιηθούν σε διαγράμματα 2D (δύο διαστάσεων) ως σταθμισμένα γραφήματα ή σε 3D (τριών διαστάσεων) ως γραφήματα πολλαπλών επιπέδων. Οι ανακτηθέντες όροι οργανώνονται σε πίνακες με δυνατότητα αναζήτησης, ενώ δίνεται και η δυνατότητα προβολής των όρων σε \"σύννεφα λέξεων\" (word clouds). Τα γονίδια που ανακτώνται μπορούν να αναλυθούν αυτόματα για λειτουργικό εμπλουτισμό με τη χρήση διαφόρων εξωτερικών εφαρμογών ανά πάσα στιγμή. Η διεπαφή χρήστη (UI) είναι πλήρως διαδραστική και οι πληροφορίες στη βάση δεδομένων ενημερώνονται σε ετήσια βάση.","abstract_html":"Η σημερινή εκθετική ανάπτυξη της βιοϊατρικής βιβλιογραφίας είναι αδιαμφισβήτητη. Το PubMed επί του παρόντος (07/2023) φιλοξενεί περισσότερες από 35 εκατομμύρια περιλήψεις, το PubMed Central (PMC) 9,2 εκατομμύρια άρθρα με πλήρες κείμενο, ενώ έπειτα από την πανδημία της COVID-19, έχουν δημοσιευθεί περισσότερα από 330.000 άρθρα PubMed σχετικά με τον SARS-CoV-2 μαζί με περισσότερα από 25.000 προ-έντυπα bioRxiv και medRxiv έχουν δημοσιευθεί κατά τη διάρκεια μιας περιόδου 3 ετών από 01/2019 έως 01/2023. Παράλληλα, βάσεις δεδομένων που αφορούν συγκεκριμένες ασθένειες προσπαθούν συνεχώς να φιλτράρουν με μη αυτόματο τρόπο τη σχετική βιβλιογραφία και χρησιμοποιούν στοχευμένα υποσύνολα άρθρων για να συνοδεύσουν τις καταχωρήσεις τους με ενημερωμένες αναφορές που περιέχουν μη επικαλυπτόμενες πληροφορίες, καθώς και κατανοητές και πληροφοριακές περιλήψεις που έχουν γραφτεί χειροκίνητα. Λαμβάνοντας υπόψη ότι πρόκειται για μια κουραστική και χρονοβόρα διαδικασία, μαζί με το γεγονός ότι είναι επιβαρυντικό για έναν ερευνητή να αναζητά βάσεις δεδομένων βιβλιογραφίας προκειμένου να μελετήσει μια νόσο, να παρακολουθεί σχετικές ενημερώσεις, να εξάγει πληροφορίες και να αποκομίζει γνώση, αναπτύσσονται στοχευμένοι και αυτοματοποιημένοι τρόποι ανάλυσης και επεξεργασίας άρθρων που σχετίζονται με ασθένειες. Για τον σκοπό αυτό, έχουν αναπτυχθεί αρκετές εφαρμογές εξόρυξης κειμένου 1–6. Η εφαρμογή EXTRACT7 χρησιμοποιεί την αναγνώριση ονομαστικών οντοτήτων (NER) για τον προσδιορισμό βιοϊατρικών όρων σε ιστοσελίδες. Το OnTheFly8 χρησιμοποιεί το εργαλείο EXTRACT για να κάνει την ίδια εργασία σε έγγραφα με διάφορες μορφές αρχείων, όπως doc(x), txt, xls(x) PDF και εικόνες. Το BioTextQuest9 ομαδοποιεί έγγραφα βασισμένο σε κοινούς πιθανούς βιοϊατρικούς όρους μετά την αφαίρεση των κοινών αγγλικών λέξεων, ενώ το DrugQuest10 συγκεντρώνει ενώσεις της DrugBank11 με βάση τις περιγραφές τους με παρόμοιο τρόπο όπως το BioTextQuest. Το PREGO12 αναλύει την PubMed για να συνδέσει περιβάλλοντα με βιολογικές διεργασίες και οργανισμούς και το DISEASES13 ακολουθεί μία παρόμοια προσέγγιση για τη σύνδεση ασθενειών με γονίδια. Το FACTA14 είναι μια μηχανή αναζήτησης για τον εντοπισμό σχετικών βιοϊατρικών εννοιών. Το CoPub15 δημιουργεί στατιστικά αναφορικά με την συνύπαρξη λέξεων-κλειδιών. Το NETME16 ανιχνεύει συσχετίσεις όρων και τις αναπαριστά ως δίκτυα 17. Το PubAnnotation18 χρησιμοποιεί το ευέλικτο πλαίσιο εξόρυξης κειμένου Agile για τον σχολιασμό κειμένου, ενώ το PubTator19 συγχωνεύει αυτοματοποιημένους σχολιασμούς από προηγμένα συστήματα εξόρυξης κειμένου. Το Medline Ranker20 κατατάσσει περιλήψεις με βάσει κειμένου ή σετ εκπαίδευσης όρων MeSH. Το LipiDisease21 ειδικεύεται στην σύνδεση λιπιδίων με ασθένειες και τα PESCADOR22, STRING23 και STITCH24 δημιουργούν αλληλεπιδράσεις γονιδίου, πρωτεΐνης και πρωτεΐνης-ενώσεων αντίστοιχα. Το Darling διαφοροποιείται από τα υπάρχοντα εργαλεία εστιάζοντας την εξόρυξη βιβλιογραφίας που συνοδεύεται από αρχεία ασθενειών σε ευρέως χρησιμοποιούμενες και καθιερωμένες βάσεις δεδομένων με επίκεντρο τις ασθένειες. Εφαρμόζει την αναγνώριση ονομαστικών οντοτήτων (NER) σε στοχευμένα σύνολα βιβλιογραφίας και πραγματοποιεί τις αναλύσεις στα κείμενα βάσει της συνύπαρξης προτάσεων προκειμένου να δημιουργήσει δίκτυα συσχέτισης 25 μεταξύ βιοϊατρικών οντοτήτων όπως γονίδια, πρωτεΐνες, χημικές ουσίες, λειτουργίες, ιστούς, ασθένειες, περιβάλλοντα και φαινοτύπους. Σε σύγκριση με την προηγούμενη έκδοσή του (Darling v1.0) 26, περιλαμβάνει πολλές νέες επιλογές αναζήτησης και φιλτραρίσματος, υποστηρίζει έξι διαφορετικές βάσεις δεδομένων με επίκεντρο τις ασθένειες, συγκεκριμένα τις OMIM27, DisGeNET28, HPO29, MONDO30, RNADisease31 και το Genome Wide Association Studies (GWAS) Catalog32, ενώ επίσης διαθέτει δύο ειδικά κανάλια για την εξόρυξη GWAS μελετών, αλλά και βιβλιογραφίας σχετικής με την COVID-19. Επιπλέον, οι χρήστες έχουν πλέον πολλούς τρόπους για να αναζητήσουν στο Darling, όπως αναζήτηση για αναγνωριστικά PubMed, εγγραφές ασθενειών, ονόματα οντοτήτων, τίτλους, πολυμορφισμούς ή ακόμα χρησιμοποιώντας τη σύνταξη Entrez. Παράλληλα, μπορεί κανείς να ανακτήσει και να εξορύξει τη σχετική βιβλιογραφία και γνώση από αναγνωρισμένους όρους που βρίσκονται σε ένα κείμενο ελεύθερης εισόδου που εισάγει ο χρήστης μετά την εφαρμογή της αναγνώρισης ονομαστικής οντότητας (NER). Οι συσχετισμοί όρων καταγράφονται σε προσαρμόσιμα δίκτυα, τα οποία δύναται να φιλτραριστούν περαιτέρω βάσει των εντοπισμένων όρων ή της συχνότητας ταυτόχρονης εμφάνισης τους, και έπειτα να οπτικοποιηθούν σε διαγράμματα 2D (δύο διαστάσεων) ως σταθμισμένα γραφήματα ή σε 3D (τριών διαστάσεων) ως γραφήματα πολλαπλών επιπέδων. Οι ανακτηθέντες όροι οργανώνονται σε πίνακες με δυνατότητα αναζήτησης, ενώ δίνεται και η δυνατότητα προβολής των όρων σε &quot;σύννεφα λέξεων&quot; (word clouds). Τα γονίδια που ανακτώνται μπορούν να αναλυθούν αυτόματα για λειτουργικό εμπλουτισμό με τη χρήση διαφόρων εξωτερικών εφαρμογών ανά πάσα στιγμή. Η διεπαφή χρήστη (UI) είναι πλήρως διαδραστική και οι πληροφορίες στη βάση δεδομένων ενημερώνονται σε ετήσια βάση.","abstract_has_math":false,"creators":["Βενετσιάνου Νεφέλη-Κλεοπάτρα","Venetsianou Nefeli-Kleopatra"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:23:27Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3359144"],"render_values":[{"text":"uoadl:3359144","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3359144","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3359144","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3359144","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Βενετσιάνου Νεφέλη-Κλεοπάτρα","Venetsianou Nefeli-Kleopatra"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3359144","https://pergamos.lib.uoa.gr/uoa/dl/object/3359144"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η σημερινή εκθετική ανάπτυξη της βιοϊατρικής βιβλιογραφίας είναι αδιαμφισβήτητη. Το PubMed επί του παρόντος (07/2023) φιλοξενεί περισσότερες από 35 εκατομμύρια περιλήψεις, το PubMed Central (PMC) 9,2 εκατομμύρια άρθρα με πλήρες κείμενο, ενώ έπειτα από την πανδημία της COVID-19, έχουν δημοσιευθεί περισσότερα από 330.000 άρθρα PubMed σχετικά με τον SARS-CoV-2 μαζί με περισσότερα από 25.000 προ-έντυπα bioRxiv και medRxiv έχουν δημοσιευθεί κατά τη διάρκεια μιας περιόδου 3 ετών από 01/2019 έως 01/2023. Παράλληλα, βάσεις δεδομένων που αφορούν συγκεκριμένες ασθένειες προσπαθούν συνεχώς να φιλτράρουν με μη αυτόματο τρόπο τη σχετική βιβλιογραφία και χρησιμοποιούν στοχευμένα υποσύνολα άρθρων για να συνοδεύσουν τις καταχωρήσεις τους με ενημερωμένες αναφορές που περιέχουν μη επικαλυπτόμενες πληροφορίες, καθώς και κατανοητές και πληροφοριακές περιλήψεις που έχουν γραφτεί χειροκίνητα. Λαμβάνοντας υπόψη ότι πρόκειται για μια κουραστική και χρονοβόρα διαδικασία, μαζί με το γεγονός ότι είναι επιβαρυντικό για έναν ερευνητή να αναζητά βάσεις δεδομένων βιβλιογραφίας προκειμένου να μελετήσει μια νόσο, να παρακολουθεί σχετικές ενημερώσεις, να εξάγει πληροφορίες και να αποκομίζει γνώση, αναπτύσσονται στοχευμένοι και αυτοματοποιημένοι τρόποι ανάλυσης και επεξεργασίας άρθρων που σχετίζονται με ασθένειες. Για τον σκοπό αυτό, έχουν αναπτυχθεί αρκετές εφαρμογές εξόρυξης κειμένου 1–6. Η εφαρμογή EXTRACT7 χρησιμοποιεί την αναγνώριση ονομαστικών οντοτήτων (NER) για τον προσδιορισμό βιοϊατρικών όρων σε ιστοσελίδες. Το OnTheFly8 χρησιμοποιεί το εργαλείο EXTRACT για να κάνει την ίδια εργασία σε έγγραφα με διάφορες μορφές αρχείων, όπως doc(x), txt, xls(x) PDF και εικόνες. Το BioTextQuest9 ομαδοποιεί έγγραφα βασισμένο σε κοινούς πιθανούς βιοϊατρικούς όρους μετά την αφαίρεση των κοινών αγγλικών λέξεων, ενώ το DrugQuest10 συγκεντρώνει ενώσεις της DrugBank11 με βάση τις περιγραφές τους με παρόμοιο τρόπο όπως το BioTextQuest. Το PREGO12 αναλύει την PubMed για να συνδέσει περιβάλλοντα με βιολογικές διεργασίες και οργανισμούς και το DISEASES13 ακολουθεί μία παρόμοια προσέγγιση για τη σύνδεση ασθενειών με γονίδια. Το FACTA14 είναι μια μηχανή αναζήτησης για τον εντοπισμό σχετικών βιοϊατρικών εννοιών. Το CoPub15 δημιουργεί στατιστικά αναφορικά με την συνύπαρξη λέξεων-κλειδιών. Το NETME16 ανιχνεύει συσχετίσεις όρων και τις αναπαριστά ως δίκτυα 17. Το PubAnnotation18 χρησιμοποιεί το ευέλικτο πλαίσιο εξόρυξης κειμένου Agile για τον σχολιασμό κειμένου, ενώ το PubTator19 συγχωνεύει αυτοματοποιημένους σχολιασμούς από προηγμένα συστήματα εξόρυξης κειμένου. Το Medline Ranker20 κατατάσσει περιλήψεις με βάσει κειμένου ή σετ εκπαίδευσης όρων MeSH. Το LipiDisease21 ειδικεύεται στην σύνδεση λιπιδίων με ασθένειες και τα PESCADOR22, STRING23 και STITCH24 δημιουργούν αλληλεπιδράσεις γονιδίου, πρωτεΐνης και πρωτεΐνης-ενώσεων αντίστοιχα. Το Darling διαφοροποιείται από τα υπάρχοντα εργαλεία εστιάζοντας την εξόρυξη βιβλιογραφίας που συνοδεύεται από αρχεία ασθενειών σε ευρέως χρησιμοποιούμενες και καθιερωμένες βάσεις δεδομένων με επίκεντρο τις ασθένειες. Εφαρμόζει την αναγνώριση ονομαστικών οντοτήτων (NER) σε στοχευμένα σύνολα βιβλιογραφίας και πραγματοποιεί τις αναλύσεις στα κείμενα βάσει της συνύπαρξης προτάσεων προκειμένου να δημιουργήσει δίκτυα συσχέτισης 25 μεταξύ βιοϊατρικών οντοτήτων όπως γονίδια, πρωτεΐνες, χημικές ουσίες, λειτουργίες, ιστούς, ασθένειες, περιβάλλοντα και φαινοτύπους. Σε σύγκριση με την προηγούμενη έκδοσή του (Darling v1.0) 26, περιλαμβάνει πολλές νέες επιλογές αναζήτησης και φιλτραρίσματος, υποστηρίζει έξι διαφορετικές βάσεις δεδομένων με επίκεντρο τις ασθένειες, συγκεκριμένα τις OMIM27, DisGeNET28, HPO29, MONDO30, RNADisease31 και το Genome Wide Association Studies (GWAS) Catalog32, ενώ επίσης διαθέτει δύο ειδικά κανάλια για την εξόρυξη GWAS μελετών, αλλά και βιβλιογραφίας σχετικής με την COVID-19. Επιπλέον, οι χρήστες έχουν πλέον πολλούς τρόπους για να αναζητήσουν στο Darling, όπως αναζήτηση για αναγνωριστικά PubMed, εγγραφές ασθενειών, ονόματα οντοτήτων, τίτλους, πολυμορφισμούς ή ακόμα χρησιμοποιώντας τη σύνταξη Entrez. Παράλληλα, μπορεί κανείς να ανακτήσει και να εξορύξει τη σχετική βιβλιογραφία και γνώση από αναγνωρισμένους όρους που βρίσκονται σε ένα κείμενο ελεύθερης εισόδου που εισάγει ο χρήστης μετά την εφαρμογή της αναγνώρισης ονομαστικής οντότητας (NER). Οι συσχετισμοί όρων καταγράφονται σε προσαρμόσιμα δίκτυα, τα οποία δύναται να φιλτραριστούν περαιτέρω βάσει των εντοπισμένων όρων ή της συχνότητας ταυτόχρονης εμφάνισης τους, και έπειτα να οπτικοποιηθούν σε διαγράμματα 2D (δύο διαστάσεων) ως σταθμισμένα γραφήματα ή σε 3D (τριών διαστάσεων) ως γραφήματα πολλαπλών επιπέδων. Οι ανακτηθέντες όροι οργανώνονται σε πίνακες με δυνατότητα αναζήτησης, ενώ δίνεται και η δυνατότητα προβολής των όρων σε \"σύννεφα λέξεων\" (word clouds). Τα γονίδια που ανακτώνται μπορούν να αναλυθούν αυτόματα για λειτουργικό εμπλουτισμό με τη χρήση διαφόρων εξωτερικών εφαρμογών ανά πάσα στιγμή. Η διεπαφή χρήστη (UI) είναι πλήρως διαδραστική και οι πληροφορίες στη βάση δεδομένων ενημερώνονται σε ετήσια βάση.","Today’s exponential biomedical literature growth is indisputable. PubMed currently (07/2023) hosts more than 35 million abstracts, PubMed Central (PMC) 9.2 million full text-articles while since the COVID-19 pandemic, more than 330,000 SARS-CoV-2 related PubMed articles along with more than 25,000 bioRxiv and medRxiv preprints have been published in a 3-year window during the period 01/2019-01/2023. In parallel, disease-specific databases continuously try to manually filter the relevant to a disease literature and use targeted subsets of articles to accompany their records with updated references containing non-overlapping information and meaningful and informative manually-written text summaries. Considering that this a tedious and time consuming task along with the fact that it is overwhelming for a researcher to query literature databases in order to study a disease, follow updates, extract information and absorb knowledge, automated ways for parsing and analyzing articles related to disease in a more targeted way emerge. For this reason, multiple text mining applications have been developed1–6. The EXTRACT web application7 uses named entity recognition (NER) to identify biomedical terms in web pages. OnTheFly8 uses the EXTRACT tagger to do the same for documents in various file formats, such as doc(x), txt, xls(x) PDFs and images. BioTextQuest9 clusters documents based on common possible biomedical terms after removing the common english words, while DrugQuest10 clusters DrugBank11 compounds based on their descriptions in a similar way to BioTextQuest. PREGO12 parses PubMed to link environments with biological processes and organisms, and DISEASES13 follows a similar approach to link diseases with genes. FACTA14 is a search engine designed to recognize interconnected associated biomedical concepts. CoPub15 generates statistics for keyword co-occurrences. NETME16 detects term associations and represents them as networks17. PubAnnotation18 uses Agile text mining framework for text annotation. PubTator19 combines automated annotations generated by cutting-edge text mining systems. Medline Ranker20 ranks abstracts based on text or MeSH term training sets. LipiDisease21 specializes in linking lipids with diseases and PESCADOR22, STRING23 and STITCH24 generate gene, protein and protein-compound interactions respectively. Darling differentiates itself from existing tools by focusing on mining literature that is accompanied with disease records in widely used and established disease-centric databases. It applies NER on targeted literature sets and performs sentence-based co-occurrence analysis25 to generate association networks between biomedical entities such as genes, proteins, chemicals, functions, tissues, diseases, environments and phenotypes. Compared to its predecessor (Darling v1.0)26, it comes with many new search and filtering options, supports six different disease-centric databases, namely, OMIM27, DisGeNET28, HPO29, MONDO30, RNADisease31 and the Genome Wide Association Studies (GWAS) Catalog32 and comes with two dedicated channels for GWAS and COVID-19 literature mining. Moreover, users now have multiple ways for querying Darling such as searching for PubMed identifiers, disease records, entity names, titles, single nucleotide polymorphisms or by using the Entrez syntax. Furthermore, one can retrieve and mine the relevant literature from recognized terms found in a free input text after applying named entity recognition. Term associations are captured in customizable networks which can be further filtered by term or co-occurrence frequency and visualized in 2D as weighted graphs or in 3D as multi-layered graphs. The fetched terms are organized in searchable tables and documents in clusters accompanied with word-clouds. The reported genes can be automatically analyzed for functional enrichment with the use of various external applications at any time. Darling comes with a handy UI, which is fully interactive and the information in its backend database is updated on an annual basis."]},{"key":"dc:title","label":"Title","values":["Τεχνικές εξόρυξης δεδομένων από κείμενα που σχετίζονται με ασθένειες με ιδιαίτερη έμφαση στην ανάλυση βιβλιογραφίας για SARS-CoV-2."]}]}],"canonical_facts":{"dc:creator":["Βενετσιάνου Νεφέλη-Κλεοπάτρα","Venetsianou Nefeli-Kleopatra"],"dc:date":["2023"],"dc:description":["Η σημερινή εκθετική ανάπτυξη της βιοϊατρικής βιβλιογραφίας είναι αδιαμφισβήτητη. Το PubMed επί του παρόντος (07/2023) φιλοξενεί περισσότερες από 35 εκατομμύρια περιλήψεις, το PubMed Central (PMC) 9,2 εκατομμύρια άρθρα με πλήρες κείμενο, ενώ έπειτα από την πανδημία της COVID-19, έχουν δημοσιευθεί περισσότερα από 330.000 άρθρα PubMed σχετικά με τον SARS-CoV-2 μαζί με περισσότερα από 25.000 προ-έντυπα bioRxiv και medRxiv έχουν δημοσιευθεί κατά τη διάρκεια μιας περιόδου 3 ετών από 01/2019 έως 01/2023. Παράλληλα, βάσεις δεδομένων που αφορούν συγκεκριμένες ασθένειες προσπαθούν συνεχώς να φιλτράρουν με μη αυτόματο τρόπο τη σχετική βιβλιογραφία και χρησιμοποιούν στοχευμένα υποσύνολα άρθρων για να συνοδεύσουν τις καταχωρήσεις τους με ενημερωμένες αναφορές που περιέχουν μη επικαλυπτόμενες πληροφορίες, καθώς και κατανοητές και πληροφοριακές περιλήψεις που έχουν γραφτεί χειροκίνητα. Λαμβάνοντας υπόψη ότι πρόκειται για μια κουραστική και χρονοβόρα διαδικασία, μαζί με το γεγονός ότι είναι επιβαρυντικό για έναν ερευνητή να αναζητά βάσεις δεδομένων βιβλιογραφίας προκειμένου να μελετήσει μια νόσο, να παρακολουθεί σχετικές ενημερώσεις, να εξάγει πληροφορίες και να αποκομίζει γνώση, αναπτύσσονται στοχευμένοι και αυτοματοποιημένοι τρόποι ανάλυσης και επεξεργασίας άρθρων που σχετίζονται με ασθένειες. Για τον σκοπό αυτό, έχουν αναπτυχθεί αρκετές εφαρμογές εξόρυξης κειμένου 1–6. Η εφαρμογή EXTRACT7 χρησιμοποιεί την αναγνώριση ονομαστικών οντοτήτων (NER) για τον προσδιορισμό βιοϊατρικών όρων σε ιστοσελίδες. Το OnTheFly8 χρησιμοποιεί το εργαλείο EXTRACT για να κάνει την ίδια εργασία σε έγγραφα με διάφορες μορφές αρχείων, όπως doc(x), txt, xls(x) PDF και εικόνες. Το BioTextQuest9 ομαδοποιεί έγγραφα βασισμένο σε κοινούς πιθανούς βιοϊατρικούς όρους μετά την αφαίρεση των κοινών αγγλικών λέξεων, ενώ το DrugQuest10 συγκεντρώνει ενώσεις της DrugBank11 με βάση τις περιγραφές τους με παρόμοιο τρόπο όπως το BioTextQuest. Το PREGO12 αναλύει την PubMed για να συνδέσει περιβάλλοντα με βιολογικές διεργασίες και οργανισμούς και το DISEASES13 ακολουθεί μία παρόμοια προσέγγιση για τη σύνδεση ασθενειών με γονίδια. Το FACTA14 είναι μια μηχανή αναζήτησης για τον εντοπισμό σχετικών βιοϊατρικών εννοιών. Το CoPub15 δημιουργεί στατιστικά αναφορικά με την συνύπαρξη λέξεων-κλειδιών. Το NETME16 ανιχνεύει συσχετίσεις όρων και τις αναπαριστά ως δίκτυα 17. Το PubAnnotation18 χρησιμοποιεί το ευέλικτο πλαίσιο εξόρυξης κειμένου Agile για τον σχολιασμό κειμένου, ενώ το PubTator19 συγχωνεύει αυτοματοποιημένους σχολιασμούς από προηγμένα συστήματα εξόρυξης κειμένου. Το Medline Ranker20 κατατάσσει περιλήψεις με βάσει κειμένου ή σετ εκπαίδευσης όρων MeSH. Το LipiDisease21 ειδικεύεται στην σύνδεση λιπιδίων με ασθένειες και τα PESCADOR22, STRING23 και STITCH24 δημιουργούν αλληλεπιδράσεις γονιδίου, πρωτεΐνης και πρωτεΐνης-ενώσεων αντίστοιχα. Το Darling διαφοροποιείται από τα υπάρχοντα εργαλεία εστιάζοντας την εξόρυξη βιβλιογραφίας που συνοδεύεται από αρχεία ασθενειών σε ευρέως χρησιμοποιούμενες και καθιερωμένες βάσεις δεδομένων με επίκεντρο τις ασθένειες. Εφαρμόζει την αναγνώριση ονομαστικών οντοτήτων (NER) σε στοχευμένα σύνολα βιβλιογραφίας και πραγματοποιεί τις αναλύσεις στα κείμενα βάσει της συνύπαρξης προτάσεων προκειμένου να δημιουργήσει δίκτυα συσχέτισης 25 μεταξύ βιοϊατρικών οντοτήτων όπως γονίδια, πρωτεΐνες, χημικές ουσίες, λειτουργίες, ιστούς, ασθένειες, περιβάλλοντα και φαινοτύπους. Σε σύγκριση με την προηγούμενη έκδοσή του (Darling v1.0) 26, περιλαμβάνει πολλές νέες επιλογές αναζήτησης και φιλτραρίσματος, υποστηρίζει έξι διαφορετικές βάσεις δεδομένων με επίκεντρο τις ασθένειες, συγκεκριμένα τις OMIM27, DisGeNET28, HPO29, MONDO30, RNADisease31 και το Genome Wide Association Studies (GWAS) Catalog32, ενώ επίσης διαθέτει δύο ειδικά κανάλια για την εξόρυξη GWAS μελετών, αλλά και βιβλιογραφίας σχετικής με την COVID-19. Επιπλέον, οι χρήστες έχουν πλέον πολλούς τρόπους για να αναζητήσουν στο Darling, όπως αναζήτηση για αναγνωριστικά PubMed, εγγραφές ασθενειών, ονόματα οντοτήτων, τίτλους, πολυμορφισμούς ή ακόμα χρησιμοποιώντας τη σύνταξη Entrez. Παράλληλα, μπορεί κανείς να ανακτήσει και να εξορύξει τη σχετική βιβλιογραφία και γνώση από αναγνωρισμένους όρους που βρίσκονται σε ένα κείμενο ελεύθερης εισόδου που εισάγει ο χρήστης μετά την εφαρμογή της αναγνώρισης ονομαστικής οντότητας (NER). Οι συσχετισμοί όρων καταγράφονται σε προσαρμόσιμα δίκτυα, τα οποία δύναται να φιλτραριστούν περαιτέρω βάσει των εντοπισμένων όρων ή της συχνότητας ταυτόχρονης εμφάνισης τους, και έπειτα να οπτικοποιηθούν σε διαγράμματα 2D (δύο διαστάσεων) ως σταθμισμένα γραφήματα ή σε 3D (τριών διαστάσεων) ως γραφήματα πολλαπλών επιπέδων. Οι ανακτηθέντες όροι οργανώνονται σε πίνακες με δυνατότητα αναζήτησης, ενώ δίνεται και η δυνατότητα προβολής των όρων σε \"σύννεφα λέξεων\" (word clouds). Τα γονίδια που ανακτώνται μπορούν να αναλυθούν αυτόματα για λειτουργικό εμπλουτισμό με τη χρήση διαφόρων εξωτερικών εφαρμογών ανά πάσα στιγμή. Η διεπαφή χρήστη (UI) είναι πλήρως διαδραστική και οι πληροφορίες στη βάση δεδομένων ενημερώνονται σε ετήσια βάση.","Today’s exponential biomedical literature growth is indisputable. PubMed currently (07/2023) hosts more than 35 million abstracts, PubMed Central (PMC) 9.2 million full text-articles while since the COVID-19 pandemic, more than 330,000 SARS-CoV-2 related PubMed articles along with more than 25,000 bioRxiv and medRxiv preprints have been published in a 3-year window during the period 01/2019-01/2023. In parallel, disease-specific databases continuously try to manually filter the relevant to a disease literature and use targeted subsets of articles to accompany their records with updated references containing non-overlapping information and meaningful and informative manually-written text summaries. Considering that this a tedious and time consuming task along with the fact that it is overwhelming for a researcher to query literature databases in order to study a disease, follow updates, extract information and absorb knowledge, automated ways for parsing and analyzing articles related to disease in a more targeted way emerge. For this reason, multiple text mining applications have been developed1–6. The EXTRACT web application7 uses named entity recognition (NER) to identify biomedical terms in web pages. OnTheFly8 uses the EXTRACT tagger to do the same for documents in various file formats, such as doc(x), txt, xls(x) PDFs and images. BioTextQuest9 clusters documents based on common possible biomedical terms after removing the common english words, while DrugQuest10 clusters DrugBank11 compounds based on their descriptions in a similar way to BioTextQuest. PREGO12 parses PubMed to link environments with biological processes and organisms, and DISEASES13 follows a similar approach to link diseases with genes. FACTA14 is a search engine designed to recognize interconnected associated biomedical concepts. CoPub15 generates statistics for keyword co-occurrences. NETME16 detects term associations and represents them as networks17. PubAnnotation18 uses Agile text mining framework for text annotation. PubTator19 combines automated annotations generated by cutting-edge text mining systems. Medline Ranker20 ranks abstracts based on text or MeSH term training sets. LipiDisease21 specializes in linking lipids with diseases and PESCADOR22, STRING23 and STITCH24 generate gene, protein and protein-compound interactions respectively. Darling differentiates itself from existing tools by focusing on mining literature that is accompanied with disease records in widely used and established disease-centric databases. It applies NER on targeted literature sets and performs sentence-based co-occurrence analysis25 to generate association networks between biomedical entities such as genes, proteins, chemicals, functions, tissues, diseases, environments and phenotypes. Compared to its predecessor (Darling v1.0)26, it comes with many new search and filtering options, supports six different disease-centric databases, namely, OMIM27, DisGeNET28, HPO29, MONDO30, RNADisease31 and the Genome Wide Association Studies (GWAS) Catalog32 and comes with two dedicated channels for GWAS and COVID-19 literature mining. Moreover, users now have multiple ways for querying Darling such as searching for PubMed identifiers, disease records, entity names, titles, single nucleotide polymorphisms or by using the Entrez syntax. Furthermore, one can retrieve and mine the relevant literature from recognized terms found in a free input text after applying named entity recognition. Term associations are captured in customizable networks which can be further filtered by term or co-occurrence frequency and visualized in 2D as weighted graphs or in 3D as multi-layered graphs. The fetched terms are organized in searchable tables and documents in clusters accompanied with word-clouds. The reported genes can be automatically analyzed for functional enrichment with the use of various external applications at any time. Darling comes with a handy UI, which is fully interactive and the information in its backend database is updated on an annual basis."],"dc:identifier":["uoadl:3359144","https://pergamos.lib.uoa.gr/uoa/dl/object/3359144"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Τεχνικές εξόρυξης δεδομένων από κείμενα που σχετίζονται με ασθένειες με ιδιαίτερη έμφαση στην ανάλυση βιβλιογραφίας για SARS-CoV-2."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:23:27Z"}