Integrating knowledge from data and literature for building transcriptional regulatory networks

Abstract

Research in the Systems Biology field has been steadily increasing and one of the most addressed topics is the modelling and simulation of biological systems, whose aim is to recapitulate, in silico and in vivo, all processes that occur within the cell. Several studies show that biological knowledge is steadily growing and is distributed across several databases, complicating the process of data integration since these databases often adopt different standards including structure, storage, identifiers and ways of exporting information. Furthermore, these databases often concern themselves with a specific organism or a given biological aspect. Due to the large amount of biological data, the process of data integration has been one of the major challenges in the field of bioinformatics as well as discovering information about cellular process models, such as Transcriptional Regulatory Networks (TRNs). They are useful models for understanding the global organization of regulatory networks, its functional properties and their behaviour. This work developed a new approach for building regulatory networks, retrieving the required information from several databases and integrating it into a repository. A new pipeline was designed for extracting regulatory events from scientific papers stored on the PubMed database. Furthermore, these tasks were integrated into @Note, a software system that provides methods from the Biomedical Text Mining field, such as: Information Retrieval (IR) and Information Extraction (IE).

A investigação no domínio da Biologia de Sistemas tem aumentado cada vez mais nos últimos anos e um dos temas mais abordados é a modelagem e a simulação de sistemas biológicos, cujo o objetivo é reproduzir, in silico e in vivo, todos os processos que ocorrem dentro de uma célula. Vários estudos mostram que o conhecimento biológico está em constante crescimento e distribuído por diversas base de dados, o que dificulta o processo de integração de dados uma vez que estas bases de dados muitas vezes adotam padrões diferentes de estrutura, armazenamento, identificadores e também na maneira de exportar essas informações. Além disso, essas bases de dados, muitas vezes estão relacionadas com um organismo específico ou então um determinado aspecto biológico. Devido à grande quantidade de dados biológicos, o processo de integração de dados tem sido um dos principais desafios no domínio da bioinformática, bem como a descoberta de informações sobre modelos de processos celulares, tal como as Redes Reguladoras da Transcrição. Elas são modelos úteis para a compreensão da organização global das redes reguladoras, suas propriedades funcionais e seu comportamento. Neste trabalho foi desenvolvido uma nova abordagem para a construção de redes reguladoras, recuperando as informações necessárias a partir de diferentes bases de dados e integrando-as em um repositório. Uma nova sequência de tarefas foi desenvolvida para a extracção de eventos regulatórios a partir de artigos científicos armazenados na base de dados do PubMed. Além disso, estas tarefas foram integradas no @Note, um sistema de software que fornece métodos na área da Mineração de Textos Biomédicos, tais como: Recuperação da Informação (RI) e a Extracção de Informações (EI).