Extraction of kinetic information from literature

Abstract

Several areas of science and industry are increasingly interested in the use of metabolic models, because they allow in silico simulation of the behavior of organisms under different experimental conditions, optimization and maximization of production of products of interest, the testing of new drugs and the effect of mutations or gene deletions, among others. In most cases, stoichiometric models that are used allow to perform very accurate simulations, but they are based on steady state assumptions. In order to better understand the systematic behavior of metabolic networks in a wider variety of conditions, it is imperative to develop kinetic models of cellular metabolism. These models describe, in a dynamic way, the mass balances for each metabolite in the network. However, despite the large number of databases, available data are not sufficient for the development of such models. Due to the significant increase in publications in digital format coupled with the growing need to glean information of interest and the difficulty of that task, it becomes essential to develop more specific, assertive and powerful text mining tools, able to handle with a large number of publications at the same time and extract from them the most important information. Towards this purpose, this work has as main objective the development of a specific tool to identify relationships between kinetic parameters, their respective values and between their enzymes and metabolites. The pipeline proposed within that objective, integrates the plug-in into an existing text mining tool, @Note2. This tool already allows the annotation of documents based on specific terms lists. The results validate the whole process presented, as well as corroborate the initial idea that this method may be an alternative increasingly used to gather information of interest.

Diversas áreas da ciência e indústria estão cada vez mais interessadas no uso de modelos metabólicos, pois estes permitem a simulação in silico do comportamento de organismos em diferentes condições experimentais, a otimização e maximização da produção de produtos de interesse, o teste de novas drogas e a análise do efeito de mutações ou deleção de genes, entre outros. Na maioria dos casos são usados modelos estequiométricos que permitem realizar simulações bastante precisas, mas que se baseiam em hipóteses no estado estacionário. Com o intuito de melhor compreender o comportamento dinâmico das redes metabólicas sob uma variadade mais ampla de condições, é imperativo desenvolver modelos cinéticos do metabolismo celular. Estes modelos descrevem, de uma forma dinâmica, os balanços de massa para cada metabolito na rede. No entanto, apesar do grande número de bases de dados, os dados disponíveis não são suficientes para o desenvolvimento deste tipo de modelos, pois uma parte sinificativa da informação relevante encontra-se dispersa pela literatura. Devido ao aumento significativo de publicações em formato digital, aliado à necessidade crescente de retirar delas informação de interesse e à dificuldade da execução dessa tarefa, torna-se indispensável desenvolver ferramentas de mineração de texto mais específicas, assertivas e poderosas, capazes de lidar com um grande número de publicações ao mesmo tempo e extrair delas a informação mais importante. Tendo em vista esse propósito, este trabalho tem como principal objectivo o desenvolvimento de uma ferramenta de mineração de dados específica para identificar relações entre parâmetros cinéticos, os seus respectivos valores e entre as suas enzimas e metabolitos. A pipeline proposta para esse efeito integra o plug-in numa ferramenta de mineração de texto já existente, o @Note2, ferramenta esta que já permite a anotação de documentos com base em listas de termos específicos.Os resultados obtidos validam todo o processo apresentado, assim como corroboram a ideia inicial de que esta poderá ser uma alternativa cada vez mais usada para a recolha de informação de interesse.