許 丹，朱 斐

(蘇州大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 蘇州 215006)

0 引言

PubMed是由美國(guó)國(guó)立生物技術(shù)信息中心(NCBI)開(kāi)發(fā)的用于檢索生物醫(yī)學(xué)文獻(xiàn)的搜索引擎。生物醫(yī)學(xué)因?yàn)楦幼⒅乩碚摲矫娴难芯慷鴱膫鹘y(tǒng)醫(yī)學(xué)中獨(dú)立出來(lái)，它包含生物學(xué)、微生物學(xué)、化學(xué)、生物化學(xué)、生理學(xué)、動(dòng)物學(xué)等眾多領(lǐng)域。正是因?yàn)樯镝t(yī)學(xué)擁有龐大的研究領(lǐng)域，所以找到眾多領(lǐng)域中的熱點(diǎn)話題顯得至關(guān)重要。現(xiàn)在，雖然PubMed能夠方便高效地查找數(shù)據(jù)，但還是不能直接得到熱點(diǎn)話題。

筆者所做的工作是找出2007年到2011年間生物醫(yī)學(xué)領(lǐng)域內(nèi)的關(guān)鍵詞，然后從中提煉出熱點(diǎn)話題。用E-utilities編寫(xiě)程序自動(dòng)搜索涉及每個(gè)關(guān)鍵詞的文獻(xiàn)數(shù)目并根據(jù)這些數(shù)據(jù)畫(huà)出表格進(jìn)行直觀的分析，最終得到生物醫(yī)學(xué)領(lǐng)域內(nèi)的十大熱點(diǎn)話題。一方面，這些熱點(diǎn)話題可以幫助其他研究人員了解生物醫(yī)學(xué)的主要研究方向;另一方面，也可以為普通人提供一個(gè)簡(jiǎn)單的了解生物醫(yī)學(xué)發(fā)展的方法。

1 相關(guān)研究

許多研究人員在進(jìn)行類似的項(xiàng)目研究。Prakash M.Nadkami和 Chirag R.Parikh共同完成了一個(gè)應(yīng)用軟件，該應(yīng)用軟件能夠通過(guò)eUtils創(chuàng)建一個(gè)管道，連接特定領(lǐng)域的生物醫(yī)學(xué)文獻(xiàn)，即使不會(huì)編程的用戶也能方便地使用該應(yīng)用。Weiss J.，Kirsner R.S.和Hu S.在PubMed和SCOPUS數(shù)據(jù)庫(kù)中搜索與皮膚癌有關(guān)的一些關(guān)鍵詞，結(jié)果發(fā)現(xiàn)美籍西班牙裔預(yù)防皮膚癌的主要方法。Thieu T.、Joshi S.、Warren S.和 Korkin D.介紹并比較了兩種新的方法，這兩種方法能判斷一個(gè)PubMed文獻(xiàn)中是否包含所給的特定的詞，其中一種方法是基于語(yǔ)言的，另一種是基于特征的。

2 實(shí)現(xiàn)方法

2.1 找出關(guān)鍵詞

《時(shí)代周刊》有一個(gè)名為“各式各樣的前十名”的欄目，里面有一整年大家討論最多的話題。其中有一個(gè)系列叫做“醫(yī)學(xué)十大突破點(diǎn)”，總結(jié)了從2007年到2011年每年的十大醫(yī)學(xué)突破點(diǎn)。筆者從這些突破點(diǎn)中總結(jié)歸納出關(guān)鍵詞(見(jiàn)表1)，除去重復(fù)的詞，一共是34個(gè)關(guān)鍵詞。

表1 2007到2011每年的關(guān)鍵詞

2.2 編寫(xiě)程序得到文獻(xiàn)數(shù)目

E-utilities是PubMed提供的一系列接口，通過(guò)這些接口編程可以自動(dòng)從該數(shù)據(jù)庫(kù)中得到數(shù)據(jù)。為了得到這些數(shù)據(jù)，程序需要將URL傳到NCBI，然后得到返回結(jié)果。程序可以用多種編程語(yǔ)言實(shí)現(xiàn)，如Perl、Python、Java、C++ 等。選用 C#語(yǔ)言，將得到的關(guān)鍵詞寫(xiě)入文件，然后通過(guò)程序連接到數(shù)據(jù)庫(kù)，依次得到文件中每個(gè)關(guān)鍵詞從2001到2011年的文獻(xiàn)數(shù)。在程序中定義了一個(gè)叫PubMedDownload的命名空間，里面包括一個(gè)名為 Download的類。函數(shù) get-FromPub承擔(dān)了大部分程序功能。

變量定義如下:

主要查找語(yǔ)句是:

esResult.Count即為所需要的文獻(xiàn)數(shù)。記錄所有關(guān)鍵詞的所有數(shù)據(jù)的表格為表2。

表2 2001到2011年各關(guān)鍵詞對(duì)應(yīng)文獻(xiàn)數(shù)及平均值

3 結(jié)論

根據(jù)表2中的數(shù)據(jù)，尤其是每個(gè)關(guān)鍵詞的平均值，可以總結(jié)出十大熱點(diǎn)話題。它們是Surgery、Age、Bacteria、Genome、Food、Inflammation、Neuron、Diabetes、Blood Test和 Stem Cell(見(jiàn)表3)。

表3 關(guān)鍵詞中提煉的十大熱點(diǎn)話題

不難發(fā)現(xiàn)，它們中的一些是疾病如Diabetes、Surgery和 Inflammation，但大多數(shù)是一些研究領(lǐng)域如Age、Food、Stem Cell和 Blood Test等。為什么這些詞成為熱點(diǎn)話題并且擁有如此巨大的文獻(xiàn)數(shù)目呢?原因也許是很復(fù)雜的。在這里，僅給出筆者的一些看法。首先，這些領(lǐng)域都涉及成千上萬(wàn)的人，擁有龐大的研究對(duì)象群體。其次，這些領(lǐng)域都擁有悠久的研究歷史和廣闊的研究范圍。就拿糖尿病來(lái)說(shuō)，目前全球大約有三億人受到該疾病的困擾與折磨，并且每年大約有四百萬(wàn)人因糖尿病而死去，所以糖尿病是威脅人類健康的重大疾病之一。另一個(gè)關(guān)于研究領(lǐng)域的例子是血液檢測(cè)，它則是與每個(gè)人都息息相關(guān)。綜上所述，這些詞成為研究人員研究的熱門(mén)領(lǐng)域是有一定道理與依據(jù)的。

4 結(jié)束語(yǔ)

找出近年來(lái)生物醫(yī)學(xué)領(lǐng)域中的熱門(mén)話題對(duì)研究者來(lái)說(shuō)是很重要的。知道并了解熱點(diǎn)話題可以在一定程度上幫助研究者確定自己的研究方向，發(fā)現(xiàn)生物醫(yī)學(xué)里的最新的研究發(fā)展趨勢(shì)以及預(yù)測(cè)未來(lái)的研究的發(fā)展方向。

［1］歐榮.PubMed，ISI—Medline，Google Scholar檢索性能對(duì)比測(cè)評(píng)［J］.醫(yī)學(xué)信息學(xué)雜志，2009，30(12):37-40.

［2］何蛟，崔雷，侯躍芳.面向主題詞/副主題詞的PubMed數(shù)據(jù)挖掘軟件［J］.中華醫(yī)學(xué)圖書(shū)情報(bào)雜志，2005，14(1):49-51.

［3］Prakash M Nadkarni，Chirag R Parikh.An eUtils toolset and its use for creating a pipeline to link genomics and proteomics analyses to domain-specific biomedical literature［J］.Journal of Clinical Bioinformatics，2012，2(1):9.

［4］Chaussabel D.Biomedical literature mining:Challenges and solutions in the‘omics’era［J］.Am.J.Pharmaco Genomics，2004，4(6):383-393.

［5］Thieu T，Joshi S，Warren S，et al.Literature mining of host-pathogen interactions:Comparing feature-based supervised learning and language-based approaches［J］.Bioinformatics，2012，28(6):867-875.

［6］Botsis T，Nguyen M D，Woo E J，et al.Text mining for the vaccine adverse event reporting system:Medical text classification using informative feature selection［J］.J.Am.Med.Inform.Assoc.，2011，18(5):631-638.

［7］熊筱晶.R語(yǔ)言在PubMed數(shù)據(jù)庫(kù)文獻(xiàn)檢索方面的應(yīng)用［J］.醫(yī)學(xué)信息:上旬刊，2009，22(1):42-45.

［8］許昌泰.1947-2008年P(guān)ubMed中神經(jīng)遞質(zhì)相關(guān)文獻(xiàn)計(jì)量學(xué)分析［J］.中華醫(yī)學(xué)圖書(shū)情報(bào)雜志，2010，19(8):74-77.

［9］Li Hai-Yan，Cui Lei，Cui Meng.Hot topics in Chinese herbal drugs research documented in PubMed/MEDLINE by authors inside China and outside of China in the past 10 years:Based on co-word cluster analysis［J］.The Journalof Alternative and Complementary Medicine，2009，15(7):779-785.

［10］李友仁，劉松巖，黃敏.PubMed檢索概述［J］.醫(yī)學(xué)信息:上旬刊，2002，15(7):443-446.

［11］陳會(huì)果.數(shù)據(jù)挖掘技術(shù)淺析［J］.科技創(chuàng)業(yè)月刊，2010，23(11):167-168.

［12］史書(shū)俠，楊華.中華眼科雜志2001至2004年載文分析［J］.中華眼科雜志，2005，41(7):652-655.

［13］NCBI.E-utilities編程接口參數(shù)描述文檔［EB/OL］.http://www.ncbi.nlm.nih.gov/entrez/query/static/esoap_help.html，2012-09-13.

［14］Time.時(shí)代周刊主頁(yè)［EB/OL］.http://www.time.com，2012-09-13.