Please wait a minute...
Advanced Search
现代图书情报技术  2012, Vol. 28 Issue (7): 109-114    DOI: 10.11925/infotech.1003-3513.2012.07.17
  情报分析与研究 本期目录 | 过刊浏览 | 高级检索 |
一种通过文本挖掘发现实时定量聚合酶链式反应实验内参基因的方法研究
何琳, 何娟, 沈耕宇, 杨波, 黄水清
南京农业大学信息管理系 南京 210095
An Approach to Discovery of Reference Control Gene for qRT-PCR Experiment Based on Texting Mining
He Lin, He Juan, Shen Gengyu, Yang Bo, Huang Shuiqing
Department of Information Management, Nanjing Agricultural University, Nanjing 210095, China
全文: PDF(578 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 综合运用模式匹配、主题识别、信息抽取等多种信息处理技术,从基于文献的角度设计一种面向qRT-PCR实验的内参基因及实验环境的挖掘系统,为qRT-PCR实验提供有价值的内参基因推介参考,可以缩短内参基因筛选的时间,减少实验验证的成本,具有较高的识别正确率。初步的测试结果得到生物学领域专业人员的认可。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
黄水清
何琳
何娟
沈耕宇
杨波
关键词 实时定量聚合酶链式反应实验内参基因实验环境文本挖掘信息抽取    
Abstract:This paper presents a method for identifying candidate reference control gene based on text mining from PubMed database. It integrates several approaches such as pattern matching, subject recognition and information extraction to find candidate gene and its experiment environment for biology domain specialists. Experiment results show that the method not only has good performance on mining of candidate reference control gene and its environments, but also saves much time and reduces cost.
Key wordsqRT-PCR    Reference control gene    Experiment environment    Text mining    Information extraction
收稿日期: 2012-05-28     
: 

G25

 
基金资助:

本文系中央高校基本科研业务费专项基金“面向qRT-PCR实验的内参基因挖掘技术研究”(项目编号:KYZ201159)的研究成果之一。

引用本文:   
何琳, 何娟, 沈耕宇, 杨波, 黄水清. 一种通过文本挖掘发现实时定量聚合酶链式反应实验内参基因的方法研究[J]. 现代图书情报技术, 2012, 28(7): 109-114.
He Lin, He Juan, Shen Gengyu, Yang Bo, Huang Shuiqing. An Approach to Discovery of Reference Control Gene for qRT-PCR Experiment Based on Texting Mining. New Technology of Library and Information Service, DOI:10.11925/infotech.1003-3513.2012.07.17.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2012.07.17
[1] Czechowski T, Stitt M, Altmann T, et al. Genome-Wide Identification and Testing of Superior Reference Genes for Transcript Normalization in Arabidopsis[J]. Plant Physiology, 2005, 139(1):5-17.

[2] Libault M, Thibivilliers S, Bilgin D D, et al. Identification of Four Soybean Reference Genes for Gene Expression Normalization [J]. The Plant Genome, 2008, 1(1):44-54.

[3] 胡瑞波,范成明,傅永福. 植物实时荧光定量PCR内参的选择[J]. 中国农业科技导报 , 2009, 11(6):30-36. (Hu Ruibo, Fan Chengming, Fu Yongfu. Reference Gene Selection in Plant Real-time Quantitative Reverse Transcription PCR(qRT-PCR)[J]. Journal of Agricultural Science and Technology, 2009, 11(6):30-36.)

[4] Faccioli P, Ciceri G P, Provero P, et al. A Combined Strategy of “in Silico” Transcriptome Analysis and Web Search Engine Optimization Allows an Agile Identification of Reference Genes Suitable for Normalization in Gene Expression Studies[J]. Plant Molecular Biology, 2007, 63(5):679-688.

[5] Coker J S, Davis E. Selection of Candidate Housekeeping Controls in Tomato Plants Using EST Data[J]. BioTechniques, 2003, 35(4):740-748.

[6] 丁效,宋凡,秦兵,等. 音乐领域典型事件抽取方法研究[J]. 中文信息学报 , 2011, 25(2):15-20. (Ding Xiao, Song Fan, Qin Bing, et al. Research on Typical Event Extraction Method in the Field of Music[J]. Journal of Chinese Information Processing, 2011, 25(2):15-20.)

[7] 许旭阳,李弼程,张先飞,等. 基于事件实例驱动的新闻文本事件抽取[J]. 计算机科学 , 2011,38(8):232-235. (Xu Xuyang, Li Bicheng, Zhang Xianfei, et al. News Text Event Extraction Driven by Event Sample[J]. Computer Science, 2011, 38(8):232-235.)

[8] 郑家恒, 菅小艳. 农作物信息抽取系统的设计与实现[J]. 计算机工程 , 2006, 32(7):197-198. (Zheng Jiaheng, Jian Xiaoyan. Design and Realization of the System of Farm Crop Information Extraction[J]. Computer Engineering, 2006, 32(7):197-198.)

[9] 高文利. 基于本体的军备情报抽取系统的设计与实现[J]. 现代图书情报技术 , 2010(1):83-87. (Gao Wenli. The System of Arms Information Extraction Based on Ontology[J]. New Technology of Library and Information Service, 2010(1):83-87.)

[10] The Stanford Parser: A Statistical Parser[EB/OL].[2011-12-18].http://nlp.stanford.edu/software/lex-parser.shtml.

[11] Ashburner M, Ball C A, Blake J A, et al. Gene Ontology: Tool for the Unification of Biology. The Gene Ontology Consortium [J]. Nature Genetics, 2000, 25(1):25-29.

[12] Morris J, Hirst G. Lexical Cohesion Computed by Thesaural Relations as an Indicator of the Structure of Text [J]. Computational Linguistics, 1991, 17 (1):21-48.

[13] Jain M, Nijhawan A, Tyagi A K, et al. Validation of Housekeeping Genes as Internal Control for Studying Gene Expression in Rice by Quantitative Real-time PCR[J]. Biochemical and Biophysical Research Communications, 2006,345(2):646-651.
[1] 杨亚楠,赵文辉,张健,谭珅,张贝贝. 基于多视图协同的政策文本可视化研究*[J]. 数据分析与知识发现, 2019, 3(6): 30-41.
[2] 张梦吉,杜婉钰,郑楠. 引入新闻短文本的个股走势预测模型[J]. 数据分析与知识发现, 2019, 3(5): 11-18.
[3] 刘志强,都云程,施水才. 基于改进的隐马尔科夫模型的网页新闻关键信息抽取*[J]. 数据分析与知识发现, 2019, 3(3): 120-128.
[4] 牟冬梅,金姗,琚沅红. 基于文献数据的疾病与基因关联关系研究*[J]. 数据分析与知识发现, 2018, 2(8): 98-106.
[5] 张宁,尹乐民,何立峰. 网络股评“发布者-关注者”BSI与股票市场关联性研究*[J]. 数据分析与知识发现, 2018, 2(6): 1-12.
[6] 范馨月,崔雷. 基于文本挖掘的药物副作用知识发现研究[J]. 数据分析与知识发现, 2018, 2(3): 79-86.
[7] 汪强兵,章成志. 融合内容与用户手势行为的用户画像构建系统设计与实现*[J]. 数据分析与知识发现, 2017, 1(2): 80-86.
[8] 谢秀芳,张晓林. 针对科技路线图的文本挖掘研究: 集成分析及可视化*[J]. 数据分析与知识发现, 2017, 1(1): 16-25.
[9] 姚兆旭,马静. 面向微博话题的“主题+观点”词条抽取算法研究*[J]. 现代图书情报技术, 2016, 32(7-8): 78-86.
[10] 兰秋军,刘文星,李卫康,胡星野. 融合句法信息的金融论坛文本情感计算研究*[J]. 现代图书情报技术, 2016, 32(4): 64-71.
[11] 毕强, 刘健, 鲍玉来. 基于语义相似度的文本聚类研究*[J]. 数据分析与知识发现, 2016, 32(12): 9-16.
[12] 林园园,战洪飞,余军合,李长江,张凡. 基于产品评论的消费者情感波动分析模型构建及实证研究*[J]. 现代图书情报技术, 2016, 32(11): 44-53.
[13] 隋明爽,崔雷. 结合多种特征的CRF模型用于化学物质-疾病命名实体识别[J]. 现代图书情报技术, 2016, 32(10): 91-97.
[14] 杨如意,刘东苏,李慧. 一种融合外部特征的改进主题模型*[J]. 现代图书情报技术, 2016, 32(1): 48-54.
[15] 段宇锋,黄思思. 中文植物物种多样性描述文本的信息抽取研究*[J]. 现代图书情报技术, 2016, 32(1): 87-96.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn