文献から構築したナレッジグラフにおける機械学習による創薬標的遺伝子探索

抄録

創薬標的遺伝子を選定するにあたって、遺伝子改変動物と疾患モデル動物の交配や疾患モデル動物に遺伝子改変を加えた研究論文は有力な情報である。このような文献情報からナレッジグラフ(以下KG)を構築し、新たな遺伝子と疾患の繋がりを予測することで、創薬標的の提案に繋げたい。 本研究では、Elsevier Text Miningによる文献の検索結果をデータソースに使用した。検索結果から遺伝子と疾患、その関係性を抽出し、KGを構築。2021年以前の文献由来のトリプルはTrain/Validデータセット、2022年以降の文献由来のトリプルはTestデータセットとし、KGエンベッディングによるKG補完アルゴリズムで遺伝子と疾患の関係性を予測した。結果、Testセットに存在する遺伝子と疾患の組合せを一部予測できた。これにより、過去の文献情報から創薬標的遺伝子を探索できる可能性が示唆された。