To develop the new drug and design strategies for diseases, it is required to understand the mechanism of herbal medicine. For this, it is important to construct networks of integrative relations among diseases, herbs, compounds and genes. Among these relations, it is necessary to understand the quantity information of compounds in herbs for high-resolution analysis about herbs have different effects to distinct phenotype. Most of this knowledge is available from the biomedical literature. In this study, we develop a machine-learning based text-mining model to extract herb-compound relations with quantity information from the biomedical literature.
질병을 치료하는 새로운 신약을 개발하고, 그에 대한 전략을 수립하기 위해서는 약재의 메커니즘을 이해하는 것이 필요하다. 이를 위해 질병, 약재, 구성성분, 그리고 유전자 사이의 관계 이해와 이를 바탕으로 한 각 요소간의 네트워크를 구축하는 것이 중요하다. 특히 이러한 관계 정보 중에서도 특정 질병에 대해 서로 다른 효능을 지닌 약재들의 정확한 비교나 고해상도의 분석을 위해서는 약재를 구성하는 성분들의 정량 정보를 파악하는 것이 필수적이다. 이러한 정보들은 다양한 연구를 통해서 생의학 문헌으로부터 보고되고 있다.
본 학위 논문에서는 생의학 문헌으로부터 정량 정보를 포함한 약재와 구성성분 사이의 관계정보를 추출하기 위한 기계학습기반 텍스트마이닝에 대해서 다루고자 한다.
