Finding Contradictions, Contrasts and Negations in Protein­Protein Interactionsin the Biomedical LiteratureUsing Text Mining

Farzaneh Sarafraz

COMP7000 PresentationText Mining GroupSupervised by Dr. Goran Nenadić28 November 2008

   

Natural Language Processinga.k.a Computational Linguistics

   

Natural Language Processing

   

Natural Language Processing

   

Text

Easily shared Primary information source Most up­to­date

Unstructured No explicit data

   

Text Mining

IEIR DM

   

Finding Contradictions, Contrasts and Negations in Protein­Protein Interactionsin the Biomedical LiteratureUsing Text Mining

   

Text Mining in Biomedicine

Biomedical Scientific Literature >17M articles from >5K journals 

since 1950s adding 2000 every day Impossible for humans to manage Specific (rather peculiar) language

   

Finding Contradictions, Contrasts and Negations in Protein­Protein Interactionsin the Biomedical LiteratureUsing Text Mining

   

Protein­Protein Interactions

   

Protein­Protein Interactions

   

Finding Contradictions, Contrasts and Negations in Protein­Protein Interactionsin the Biomedical LiteratureUsing Text Mining

   

Example

"Our results indicate that gp120 from two different strains of HIV binds to a larger region of the CD4 protein than previously described."

   

Example

gp120 synonyms

− Transmembrane Glycoprotein− Envelope Glycoprotein− Surface Glycoprotein− SU− gp160− Envelope Surface Glycoprotein gp160 Precursor

− gp41− TM− ENV− HIV­1 gp8

   

Example

Binds is almost the same as− Interacts with− Frictionates− Associates with− Activates− Colocalizes with− Cleaves

   

Example

CD4+ T T4(CD) CD4+ (T) CD4(+) T cellCD4­, T CD4 (T) CD4(T) CD4 T­cellT CD4 CD4(+)T CD(4+) T CD4(+) T­cellCD4(+) T CD4+­T CD4­ T CD4(+)T cellCD4 T CD4(+)­T CD4+ T cell CD4+­T­cellT4+ (CD) CD4+T CD4­, T cell CD4(+)­T­cellT4 (CD) T (CD4) CD4+ T­cell CD4 T cell

CD4 can be expressed as

   

Even after all this...

The chimpanzee­based CD4(81­92) peptide, however, which differs from the human peptide by a single amino acid substitution (E for G) at position 87, was considerably less potent than the human CD4(81­92)­based peptide congener to inhibit HIV­1­induced cell­cell fusion.

   

Contradiction and Contrasts

Author A reports p Author B reports ¬p

We have p under conditions q But we have ¬p under conditions q'

   

Negations

Linguistic− "Protein A does not interact with protein B."− "We lack evidence that A interacts with B."

Biological− "Protein A inhibits protein B."− dephosphorylates / depolymerizes− downregulates (vs. upregulates)− etc.

   

Finding Contradictions, Contrasts and Negations in Protein­Protein Interactionsin the Biomedical LiteratureUsing Text Mining

   

Framework

HIV­1 and Human Protein­Protein interactions− Manually over 7 years− >3000 journal papers− >5000 tuples− Gold standard

Other negative reports− Journal of Negative Results in BioMedicine

Other gold standards

   

Detecting Protein­Protein Interactions

Recognize gene/protein names− State of the art ~ 87%

Identify gene/protein names Detect the interaction and its qualities

− 70 "different" interactions in reference DB

   

Protein Name Identification

1500 human proteins− State of the art ~ 87%− Available tools ~ 15%− Our method ~ 35%

20 HIV proteins− No available tool− Our method ~ 95%

   

Applications

Contradictions and Contrast

Other diseases

Negations

New HIV­1 literature

   

Achieved so far & plan for future

Reproduce the HIV­1 interactions database Designed an interaction ontology Identify patterns of negation, contradiction, 

contrast Use the above data to increase the annotation 

accuracy

   

Evaluation

Widely used evalutation measures− Precision, Recall, F­Score− Sensitivity and Specificity

Benchmarks and datasets used in challenges Manually annotated gold standards

   

Summary

Finding Contradictions, Contrasts and Negations in Protein­Protein Interactionsin the Biomedical LiteratureUsing Text Mining