通过文本挖掘来梳理三十年来冠状病毒研究概

在本文中，我将分享一些使用文本挖掘的方法来获得的有关新型冠状病毒的初步探索研究。文本挖掘的目的是将非结构化文本数据转换为可提供有价值见解的信息。有些方法算法扫描了数千个摘要，并将常用的术语、单词放在二维地图上进行可视化处理，其中两个术语之间的距离表示这些术语之间的关联程度。如果术语经常在相同的摘要一起出现，则它们之间的距离将变小，最终可以看到术语簇。这种技术是理解某一领域内话语的一种有效方法，因为词语的聚集表示出了该领域内的讨论或研究主题。这样，可以从数据中发现新出现的研究主题。如果没有这种计算方法，就很难从近代研究的大量信息中梳理出结构。构建冠状病毒研究的术语图从年1月1日至年12月31日，以冠状病毒作为搜索词从Lens.org下载的11,篇文章组成元数据，并首先用在VOSViewer中生成词网络图。然后使用OpenRefine和Gephi进一步完善数据和网络。之后，进行多次迭代，直到最终网络确定下来。在图1的术语图中，已经生成了五个不同的簇。我认为对于这一早期探索而言，这一模块化水平是合理的。网络的结构也很有趣，它通过在两侧之间有一个桥接集群，以显示相反的集群.节点（彩色圆圈）的大小可以根据各种参数进行设置。在图1中的可视化图像中，图像强调了最常用的术语，其中较大的节点表示该单词的出现率较高。为避免造成视觉负担，标签仅显示语料库中最常用的术语。图1：年至年冠状病毒研究文章的标题和摘要的术语共现图。在对重复的术语进行核对并尝试了不同的模块化和截断后，确定了个节点和个边用于最终可视化。节点的大小设置为术语出现的次数，由此节点越大，术语出现越频繁。出现最少20次，即至少20篇文章的单词才能出现在分析中。使用二分计数是基于摘要中是否存在术语，而不是摘要中出现的事件的总数。我们还可以查询网络中是否存在除频率参数确定之外特别重要的术语。引用计数通常用于衡量研究工作的重要性。因此，可以推断，来自较高引用次数的文章的单词也是来源于本领域其他研究人员认为重要的文章。图2：将基于术语出现（A）的术语图与平均归一化引用（B）进行比较。在图2中，可以将基于出现的术语图（左，A）与基于引用的术语图（右，B）之间的差异进行比较。请注意，许多出现频率较高的单词（A）在引文图（B）中查看时的大小显着减小，并且以前在出现映射（A）中不常见的新术语在引文图中（B）的位置越来越突出，如节点大小的变化所示。在描述以下主题时，我们将更深入地研究这些不同的术语图视图的使用，并揭示每个集群中的洞见。冠状动脉研究主题为了确定主题，我检查了每个集群中流行的术语，并进行了其他一些研究以扩展其中的一些术语，以说明如何使用此方法来产生洞察力。以我的经验，标记主题并不是一门精确的科学，这需要对该领域的一些知识做出的标记才有意义。尽管冠状病毒研究领域专家的意见将更有助于准确标注，我的临床管传染病和疫苗研究也有助于我进行标注。第1类：冠状病毒的分子和细胞生物学在这个群集中最常见的术语中可以找到一个有趣的术语MHV,那么，MHV是什么？在发现SARS冠状病毒之前，许多关于冠状病毒的研究都是使用小鼠肝炎病毒（MHV）进行的，这是一种鼠冠状病毒，根据其嗜性，它可以感染呼吸道，胃肠道或神经系统。由于它具有引起脱髓鞘的能力，因此已经将嗜神经MHV菌株用于培育多发性硬化的小鼠模型。因此，MHV模型是我们今天对冠状病毒感染生物学的更多了解的基础。鉴于最近发现SARS-COV-2病毒可引起失眠（嗅觉减退），因此值得回顾一些有关MHV及其对中枢神经系统影响的早期文献。将视图更改为平均归一化引用次数（图3B），导致新的术语（例如蛋白酶L和合胞体形成）脱颖而出，表明这些术语出现在高引用的文章中。深入研究表明，组织蛋白酶L成为重要分子，因为它是SARS病毒使用的宿主酶，可利用其刺突蛋白激活其融合入宿主细胞中。业已证明组织蛋白酶L的抑制剂可防止SARS冠状病毒的进入，尽管据我所知，目前尚不考虑在COVID-19的治疗中考虑这种治疗策略。合胞体的形成揭示了冠状病毒的特殊特征，例如导致SARS和MERS介导与其相邻的感染和未感染细胞之间的细胞间融合的冠状病毒，这种策略使病毒能够直接在细胞之间传播并避免中和抗体。第二类：冠状病毒爆发的公共卫生和临床研究与类1不同，这里有一种将词语包含在临床和公共卫生研究中的趋势。诸如传播，实验室，监测和流行病学之类的词语暗示了调查冠状病毒爆发的公共卫生方法。肺炎，发烧，症状和疾病等其他术语也建议采用临床方法。到目前为止，许多人已经熟悉术语mers，它代表中东呼吸道综合症，这是人类最近的冠状病毒。图4：根据术语出现（A）或平均归一化引用（B）可视化聚类2中排名最高的术语。为了找出该群集中最重要的术语，使用了标准化的引用视图。由于蝙蝠冠状病毒与SARS和MERS冠状病毒相似且具有很高的后续临床重要性，因此现在在该簇中显着出现。它与蝙蝠物种和天然水库一词密切相关，它们共同指向了解野外蝙蝠冠状病毒生态学的研究。另一个重要名词肾衰竭促使进一步的查询。在SARS患者中，急性肾功能衰竭被认为是非常不利的结果，尽管在6.7％文章中相对少见。值得