蔡松成，牛 耘

(南京航空航天大学 计算机科学与技术学院，江苏 南京 211106)

0 引 言

随着人们对文本中分子途径和分子交互关系等信息需求的不断增加，蛋白质交互作用关系(protein-protein interaction，PPI)的自动抽取在分子生物学领域变得越来越重要。PPI是指细胞内两个蛋白质之间的交互作用，这种交互作用环环相扣，深刻影响着整个细胞生理作用的调节。起初生物医学领域的专家手工地从医学文献中收集这些信息录入统一格式的数据库中，如HPRD[1]、IntAc[2]、MINT[3]和BIND[4]等。然而随着生物医学文献的急剧增加，新的蛋白质之间的关系也在产生。手工录入蛋白质之间的交互信息显然远不能满足实际需要，因此自动地从医学文献中抽取PPI已经成为一项重要的研究内容。

在此背景下，基于自然语言处理的PPI自动识别技术正在快速发展并已取得了很大的进展。目前PPI识别是采用有监督的机器学习方法，以单句为依据来识别句子之间的交互关系，需要大量人工标注的数据，代价高昂，所以将远监督的思想运用到PPI识别上，解决了训练数据不足的问题。但是由于远监督思想的缺陷，引入了大量噪音，影响现阶段PPI识别的精度。针对这个问题，采用一种基于最大期望算法的多实例多标记学习(multi-instance multi-label，MIML)方法来进行蛋白质交互关系的识别，有效消除了签名档中噪音对交互关系识别的影响。

1 相关工作

目前，用于从生物医学文献中抽取PPI的技术主要包括：基于同现的方法[5]、基于规则的方法和基于机器学习[6-8]的方法。……