22、基因本体术语与表型分析研究

基因本体术语与表型分析研究

1. 表型分析与SNOMED编码问题

在模型生物的表型和遗传学领域，SNOMED中部分概念的定义并不完善，如“正常胚胎发生”“肿瘤抗性”“肿瘤敏感性”以及“母体效应”。尽管在解决介导模式中的上下文、规模和粒度问题，数据库互操作性和本体整合方面已经付出了巨大努力，但这三个问题仍然对术语的手动映射造成困扰。在自动化映射方法中，这些问题由于快速放大效应而变得更加棘手。

为了提高映射的准确性，可以对语义标准进行精细建模，但这可能需要机器学习方法来避免过拟合。例如，一个表型必须有解剖学位置编码，或者从其编码概念的关系中明确映射出来，以区分完全映射和不完全映射的概念。源术语的上下文和规模可以作为额外的语义标准进行处理，如酵母的表型应映射到细胞及更小的SNOMED概念。

一旦在SNOMED中进行编码，与解剖位置相关的额外分类属性就会显现出来，包括区域解剖学、组织解剖学、细胞解剖学、亚细胞解剖学、功能解剖学和器官系统解剖学。此外，整个网络可以被视为一个语义过滤器，因为SNOMED CT的开发基于严谨的表示语言，通常具有一致性。

2. 研究的局限性与未来工作方向

本次评估采用的手动编目由一位专家完成，并且仅使用了哺乳动物表型的一个相对较小的特定领域子集。对酵母、蠕虫或果蝇的表型进行映射可能无法达到同样的准确性，目前正在对此进行研究。术语表示的冗余问题尚未得到解决，这对于自动化处理仍然是必要的。需要进行知识工程和额外的研究，以了解如何跨物种自动整合表型。

不过，一些方法显示出了潜力，如在映射规模上设置语义约束，将酵母映射到小于细胞的结构和形态等。最后，对于复杂生物医学数据库模式中嵌套的隐式和显式语义的复杂组合