Investigación de medidas de similitud semántica a través de la Ontología Genealógica: la relación entre la secuencia y la anotación

MOTIVACIÓN: Muchos recursos de datos en bioinformática no solo contienen datos en forma de secuencias, sino también como anotaciones. En la mayoría de los casos, la anotación se escribe en un lenguaje natural científico: esto es adecuado para los humanos, pero no particularmente útil para el procesamiento por máquinas. Las ontologías ofrecen un mecanismo mediante el cual el conocimiento puede representarse en una forma capaz de dicho procesamiento. En este documento, investigamos el uso de la anotación ontológica para medir las similitudes en el contenido del conocimiento o 'similitud semántica' entre entradas en un recurso de datos. Esto permite a un bioinformático realizar una medida de similitud sobre la anotación de manera análoga a aquellas realizadas sobre secuencias. Una medida de similitud semántica para el componente de conocimiento de los recursos de bioinformática debería proporcionar a un biólogo una nueva herramienta en su repertorio de análisis. RESULTADOS: Presentamos los resultados de experimentos que investigan la validez del uso de la similitud semántica mediante comparación con la similitud de secuencia. Mostramos una extensión simple que permite una búsqueda semántica del conocimiento contenido en bases de datos de secuencias. DISPONIBILIDAD: Software disponible en http://www.russet.org.uk.