场景与目标
医药企业研读文献时,常需从海量摘要中梳理疾病、药物、基因之间的关系。本文演示用 SciSpacy 的 BC5CDR 模型抽取疾病与化学实体,再借助 NetworkX 构建实体关系图谱并做中心性分析,帮助快速定位研究热点,全程开源可复现。
步骤一:安装 SciSpacy 与 BC5CDR 模型
在独立的 Python 虚拟环境中安装库与生物医学 NER 模型:
pip install scispacy
pip install https://s3-us-west-2.amazonaws.com/ai2-s2-scispacy/releases/v0.5.4/en_ner_bc5cdr_md-0.5.4.tar.gz
步骤二:抽取疾病与化学实体
BC5CDR 模型可识别 DISEASE 与 CHEMICAL 两类实体,直接用于文献摘要:
import spacy
nlp = spacy.load('en_ner_bc5cdr_md')
text = 'Rosuvastatin improved lipid profiles in patients with coronary artery disease.'
doc = nlp(text)
for ent in doc.ents:
print(ent.text, '->', ent.label_)
步骤三:用 NetworkX 构建关系图谱
把同一摘要中共同出现的疾病与化学实体连边,累积成全局知识图谱:
import networkx as nx
G = nx.Graph()
G.add_edge('rosuvastatin', 'coronary artery disease', type='treats')
G.add_edge('atorvastatin', 'coronary artery disease', type='treats')
print('实体数:', G.number_of_nodes(), '关系数:', G.number_of_edges())
步骤四:中心性分析定位热点
用度中心性找出被多种药物关联的核心疾病,辅助立项与文献综述:
cent = nx.degree_centrality(G)
for node, score in sorted(cent.items(), key=lambda x: -x[1]):
print(node, round(score, 3))
提醒:实体识别结果需领域专家抽检,错误会沿图谱传播;中文文献需先翻译或选用中文医学 NER 模型;图谱仅辅助检索,临床结论须以原始文献与指南为准。
参考来源
SciSpaCy 官方文档(生物医学文本处理与 NER 模型) - allenai.github.io/scispacy;NetworkX 官方文档(图构建与中心性分析) - networkx.org。