Descubrimiento basado en la literatura

El descubrimiento basado en la literatura (LBD, por sus siglas en inglés), también llamado descubrimiento relacionado con la literatura (LRD, por sus siglas en inglés), es una forma de extracción de conocimiento y generación automatizada de hipótesis que utiliza artículos y otras publicaciones académicas (la "literatura") para encontrar nuevas relaciones entre el conocimiento existente (el "descubrimiento"). El descubrimiento basado en la literatura tiene como objetivo descubrir nuevo conocimiento conectando información que se ha mencionado explícitamente en la literatura para deducir conexiones que no se han mencionado explícitamente. ^{[ 1 ]}

LBD puede ayudar a los investigadores a descubrir y explorar rápidamente hipótesis, así como a obtener información sobre avances relevantes dentro y fuera de sus nichos y aumentar el intercambio de información interdisciplinario. ^{[ 1 ]}

El tipo más básico y extendido de LBD se denomina paradigma ABC porque se centra en tres conceptos llamados A, B y C. ^{[ 2 ] [ 3 ] [ 4 ]} Afirma que si hay una conexión entre A y B y otra entre B y C, entonces hay una entre A y C que, si no se indica explícitamente, aún está por explorar. ^{[ 1 ]}

La técnica LBD fue desarrollada por Don R. Swanson en la década de 1980. ^{[ 5 ]} Hipotetizó que la combinación de dos resultados publicados por separado que indicaban una relación AB y una relación BC son evidencia de una relación AC desconocida o inexplorada. Utilizó esto para proponer el aceite de pescado como tratamiento para el síndrome de Raynaud debido a su relación compartida con la viscosidad sanguínea . ^{[ 6 ]} Posteriormente, se demostró que esta hipótesis tenía mérito en un estudio prospectivo ^{[ 7 ]} y él propuso continuamente otros descubrimientos utilizando métodos similares. ^{[ 8 ] [ 9 ] [ 10 ] [ 1 ]}

El método de vinculación de Swanson es un término propuesto en 2003 ^{[ 11 ]} que se refiere a la conexión de dos conjuntos de conocimientos que antes se consideraban inconexos. ^{[ 12 ]} Por ejemplo, se sabe que la enfermedad A es causada por la sustancia química B, y que el fármaco C reduce la cantidad de esta sustancia en el organismo. Sin embargo, debido a que los artículos correspondientes se publicaron por separado (lo que se denomina "datos disjuntos"), la relación entre la enfermedad A y el fármaco C puede ser desconocida. El método de vinculación de Swanson busca encontrar estas relaciones y documentarlas.

Aunque el paradigma ABC es ampliamente utilizado, los críticos del sistema han argumentado que gran parte de la ciencia no se basa en afirmaciones simples, sino que se construye a partir de analogías e imágenes en un nivel de abstracción superior . ^{[ 13 ]}

LBD generalmente se presenta en dos variantes: descubrimiento abierto y descubrimiento cerrado. En el descubrimiento abierto , solo se proporciona A. El método encuentra B y los utiliza para devolver C potencialmente interesantes al usuario, generando así hipótesis a partir de A. Con el descubrimiento cerrado , se proporcionan A y C al método, que busca los B que puedan vincular ambos, poniendo a prueba una hipótesis sobre A y C. ^{[ 1 ]}

A lo largo de los años se han desarrollado varios sistemas para realizar búsquedas basadas en la literatura, ampliando la idea original de Don Swanson, y la evaluación de la calidad de dichos sistemas es un área activa de investigación. ^{[ 14 ]} Algunos sistemas incluyen versiones web para una mayor facilidad de uso. ^{[ 15 ]} Un enfoque común en muchos sistemas es el uso de términos MeSH para representar artículos científicos. Esto lo utilizan los sistemas Manjal, BITOLA y LitLinker. ^{[ 16 ]}

Un sistema bien conocido dentro del campo se llama Arrowsmith y está diseñado para encontrar conexiones entre dos conjuntos disjuntos de artículos, un enfoque denominado búsqueda de "dos nodos". ^{[ 17 ] [ 18 ]}

Otro sistema conocido, LION LBD, ^{[ 19 ]} utiliza PubTator ^{[ 20 ]} para anotar artículos científicos de PubMed con conceptos como sustancias químicas , genes/proteínas, mutaciones , enfermedades y especies ; así como anotaciones a nivel de oración de características distintivas del cáncer que describen procesos y comportamiento fundamentales del cáncer. ^{[ 21 ]} Utiliza métricas de coocurrencia para clasificar las relaciones entre conceptos y realiza descubrimientos tanto abiertos como cerrados. ^{[ 1 ]}

Si bien los sistemas LBD se basan en métodos estadísticos tradicionales, ^{[ 16 ]} otros sistemas aprovechan métodos sofisticados de aprendizaje automático , como las redes neuronales . ^{[ 1 ]} Algunos sistemas LBD representan la conexión entre conceptos como un grafo de conocimiento y, por lo tanto, emplean técnicas de teoría de grafos . ^{[ 22 ]} La representación basada en grafos también es la base de los sistemas LBD que emplean bases de datos de grafos como Neo4J , lo que permite el descubrimiento a través de lenguajes de consulta de grafos como Cypher . ^{[ 23 ]}

Los sistemas LBD basados ​​en grafos representan las relaciones entre conceptos utilizando diferentes tipos de relaciones, como las de la Red Semántica UMLS . ^{[ 24 ]} Algunos enfoques van más allá e intentan aplicar relaciones contextualizadas, ^{[ 25 ]} un enfoque también utilizado por la Ontología Genética para su Modelado de Actividad Causal (GO-CAM). ^{[ 26 ]}

Lista de sistemas

Estos son los sistemas LBD publicados, ordenados por fecha de publicación: ^{[ 29 ]}

• 1986 - Arrowsmith ^{[ 6 ]}
• 2000 - BITOLA V1 ^{[ 30 ]}
• 2001 - PAPÁ ^{[ 31 ]}
• 2003 - LitLinker ^{[ 32 ]}
• 2004 - ACS ^{[ 33 ]}
• 2004 - Manjal ^{[ 34 ]}
• 2004 - IRIDESCENT ^{[ 35 ]}
• 2005 - BITOLA V2 ^{[ 36 ]}
• 2006 - LitLinker V2 ^{[ 37 ]}
• 2007 - Arrowsmith V2 ^{[ 38 ]}
• 2008 - Año 2.0 ^{[ 28 ]}
• 2008 - CoPub Discovery ^{[ 39 ]}
• 2009 - RajoLink ^{[ 40 ]}
• 2010 - Sem-BT ^{[ 41 ]}
• 2015 - Obvio ^{[ 42 ]}
• 2016 - Chispa ^{[ 43 ]}
• 2017 - Aprovechar la brecha ^{[ 44 ]}
• 2019 - LION LBD ^{[ 19 ]}

La automatización del descubrimiento basado en la literatura depende en gran medida de la minería de texto . ^{[ 56 ]}

El lenguaje en los artículos científicos a menudo incluye ambigüedades, y un paso importante para el análisis coherente de la literatura es la extracción del sentido de cada término en el contexto en que se usa, una tarea llamada desambiguación del sentido de las palabras (WSD). ^{[ 57 ]} Por ejemplo, los términos para genes como CT ( PCYT1A ) y MR ( NR3C2 ) pueden confundirse con los acrónimos de Tomografía Computacional y Resonancia Magnética , lo que requiere sistemas de desambiguación sofisticados. ^{[ 58 ]} Los términos a menudo se concilian con ontologías u otras fuentes de identificadores únicos, como el Sistema Unificado de Lenguaje Médico (UMLS). ^{[ 59 ]} Este proceso de mapear múltiples enunciados diferentes a un solo nombre o identificador se llama normalización. ^{[ 55 ]}

• Sistema Arrowsmith
• Implicatura
• Indexación semántica latente
• Metáfora
• Minería de texto
• Bioconservación
• BioCreative

• Wilson, Patrick (1977). Conocimiento público, ignorancia privada: Hacia una política de bibliotecas e información . Greenwood Publishing Group. pág.  156. ISBN 0-8371-9485-7.