R包安利 ② pubmed.mineR—又一个PubMed利器

不知道大家看完昨天的推送，有没有完成我们的作业呢？

R包安利 ① easyPubMed—PubMed利器

使用R语言查询单细胞转录组这个关键词在2010-2019年的文章数量！

如果没有，或者还没来得及动手，那么今天这个R包也可以尝试一下：

1.1 关于 `pubmed.mineR`

Rani, Jyoti, Ab Rauf Shah, and Srinivasan Ramachandran. "pubmed. mineR: An R package with text-mining algorithms to analyse PubMed abstracts." Journal of biosciences 40.4 (2015): 671-682.

最新版: 1.0.15 , 2019-05-06

从 Title 和 Description 看，“Text Mining of PubMed Abstracts (text and XML) ”，这是一个致力于从 Pubmed Abstarct 文件挖掘文本/数据的包，包里一大堆函数/数据：

ls("package:pubmed.mineR")
# [1] "alias_fn"                       "altnamesfun"                   
# [3] "BWI"                            "cleanabs"                      
# [5] "cluster_words"                  "co_occurrence_fn"              
# [7] "combineabs"                     "common_words_new"              
# [9] "contextSearch"                  "cos_sim_calc"                  
# [11] "cos_sim_calc_boot"              "currentabs_fn"                 
# [13] "Find_conclusion"                "find_intro_conc_html"          
# [15] "gene_atomization"               "genes_BWI"                     
# [17] "GeneToEntrez"                   "Genewise"                      
# [19] "get_gene_sentences"             "get_MedlinePlus"               
# [21] "get_NMids"                      "get_original_term"             
# [23] "get_original_term2"             "get_PMCIDS"                    
# [25] "get_PMCtable"                   "get_Sequences"                 
# [27] "getabs"                         "getabsT"                       
# [29] "Give_Sentences"                 "Give_Sentences_PMC"            
# [31] "head_abbrev"                    "HGNC2UniprotID"                
# [33] "HGNCdata"                       "input_for_find_intro_conc_html"
# [35] "local_uniprotfun"               "names_fn"                      
# [37] "official_fn"                    "pmids_to_abstracts"            
# [39] "previousabs_fn"                 "prevsymbol_fn"                 
# [41] "printabs"                       "pubtator_function"             
# [43] "pubtator_result_list_to_table"  "readabs"                       
# [45] "readabsnew"                     "ready"                         
# [47] "removeabs"                      "searchabsL"                    
# [49] "searchabsT"                     "sendabs"                       
# [51] "SentenceToken"                  "space_quasher"                 
# [53] "subabs"                         "subsetabs"                     
# [55] "tdm_for_lsa"                    "uniprotfun"                    
# [57] "whichcluster"                   "word_associations"             
# [59] "word_atomizations"              "wordscluster"                  
# [61] "wordsclusterview"               "xmlgene_atomizations"          
# [63] "xmlreadabs"                     "xmlword_atomizations"          
# [65] "Yearwise"   

2.1 数据准备

在 PubMed 搜索想要的内容，创建 Abstract 文件。

3.1 Text Mining 技能点亮

3.1.1 读取从 PubMed 下载的 Abstract 文件

利用函数 readabs() 读取。

得到的 pubmed_abstracts 是一种 S4 object, Journal , Abstract , PMID 分别是一个 slot.

library(pubmed.mineR)
pubmed_abstracts <- readabs("pubmed_result.txt")
class(pubmed_abstracts)
# [1] "Abstracts"
# attr(,"package")
# [1] "pubmed.mineR"
printabs(pubmed_abstracts)  ## 显示开头和结尾部分

3.1.2 从 `pubmed_abstracts` 提取 PMID

pmid <- pubmed_abstracts@PMID
pmid
# [1] 31158748 31158746 31158660 31157709 31157548 31157505
class(pmid)
# [1] "numeric"

3.1.3 获取注释信息

函数 pubtator_function() 只需输入 PMID（数字或上一步得到的 pmid）, 就可以给出相应的信息，如 'Gene’, ’Chemical’, ’Disease’ 等。

pubtator_output <- pubtator_function(pmid)

也可以直接输入PMID.

pubtator_ot6 <- pubtator_function(31157505)

然鹅有时……

pubtator_ot1 <- pubtator_function(31158748)
pubtator_ot1
# [1] " No Data "

也有歪果友人发生这样的问题，但直接输入 3.1.2 得到的 pmid 是没问题的

想获取其中一项：

pubtator_output$Genes
#  [1] "nuclear factor kappa B>81736" "NF-kB>81736"                 
#  [3] "cyclooxygenase-2>29527"       "COX-2>29527"                 
#  [5] "p53>301300"                   "CTr>116506"                  
#  [7] "NF- kB>81736"                 "P53>301300"                  
#  [9] "p16>1029"                     "p53>7157"                    
# [11] "p53>22060"                    "p16>13088"                   
# [13] "mPTP>19273"                  
pubtator_output$Genes[1]
# [1] "nuclear factor kappa B>81736"

3.1.5 函数`SentenceToken()` 获取信息

SentenceToken() 可以从 3.1.1 得到的 pubmed_abstracts 中提取语句。

abstractstc <- pubmed_abstracts@Abstract
SentenceToken(abstractstc[1])
# [1] "ahead of print]  The synthesis and anticancer activity of 2-styrylquinoline derivatives." 
# ……

3.1.6 将获得的信息输出为 .txt 文件

这时要用到这个函数：sendabs()

sendabs(pubmed_abstracts,"mypba.txt")

4.1 一些可视化玩法

4.1.1 统计词频

函数 word_atomizations 可以将整个文本拆分成单词，除去空格、标点符号、常用单词，统计剩下的单词出现的频率。

p53_words <- word_atomizations(pubmed_abstracts)
p53_words[1:10,]  ## 只下载了6篇文章的abstract, 样本有点少惹
#          words Freq
# 139     cancer   13
# 385        p53   11
# 146       cell   10
# 147      cells   10
# 221 expression    9
# 83    activity    8
# 111  apoptosis    8
# 382        p16    8
# 226         fd    7
# 304      level    7

4.1.2 统计"基因频"

函数 gene_atomization() 基于包内自带的 HGNC 数据库，可以从文本提取 Gene Symbol 和其出现的频率。

p53_gene <- gene_atomization(pubmed_abstracts)
p53_gene
#      Gene_symbol    Genes                           Freq
# [1,] "TP53"      "tumor protein p53"                "2" 
# [2,] "ADC"       "arginine decarboxylase"           "1" 
# [3,] "NQO1"      "NAD(P)H dehydrogenase, quinone 1" "1" 

4.1.3 两个新技能

以 ”关键词“ 和 "年份" 两个参数，得到 PubMed 中相关文章的数量，并可视化。

参考代码来自这里和这里

library(RISmed)
library(dplyr)
library(ggplot2)
library(tidytext)
library(wordcloud)
result <- EUtilsSummary("(p53) AND cancer", 
                         type = "esearch", 
                         db = "pubmed",
                         datetype = "pdat",
                         retmax = 10000,
                         mindate = 1970, 
                         maxdate = 2019)
fetch <- EUtilsGet(result, type = "efetch", db = "pubmed") 
abstracts <- data.frame(title = fetch@ArticleTitle,
                        abstract = fetch@AbstractText, 
                        journal = fetch@Title,
                        DOI = fetch@PMID, 
                        year = fetch@YearPubmed) 
abstracts <- abstracts %>% mutate(abstract = as.character(abstract))
abstracts %>%
  group_by(year) %>%
  count() %>%
  filter(year > 1969) %>%
  ggplot(aes(year, n)) +
  geom_point() +
  geom_line() +
  labs(title = "Pubmed articles with search terms (p53) AND cancer \n1970-2019", hjust = 0.5,
       y = "Articles")

## 然而不知道为什么画出来的图只有2016-2019...(+_+)?

绘制词云图：

cloud <- abstracts %>%
  unnest_tokens(word, abstract) %>%
  anti_join(stop_words) %>%
  count(word, sort = TRUE)
cloud %>%
  with(wordcloud(word, n, min.freq = 15, max.words = 500, colors = brewer.pal(8, "Dark2")), scale = c(8,.3), per.rot = 0.4)

得到了一张又方又丑的图。(:з)∠)_

References

  • Zipf's Law: Pubmed.mineR: text mining from the biomedical literature with the R programming language https://zipfslaw.org/2015/10/19/pubmed-miner/

  • pubmed.mineR: Breaking the ice - Beginners tutorial http://ramuigib.blogspot.com/2018/07/breaking-ice-beginners-tutorial.html

  • PHARMACOVIGILANCE ANALYTICS: Mining PubMed for Drug Induced Acute Kidney Injury http://www.pharmacovigilanceanalytics.com/methods/text-mining/mining-pubmed-for-drug-induced-acute-kidney-injury/

  • rstudio-pubs-static: Pubmed2: searching Pubmed for articles on public health and data science https://rstudio-pubs-static.s3.amazonaws.com/235239_f75d5005bc0f4015bd97fb4be182144a.html#

A

B

作者

假装

挖金矿的狮毛

排版

小洁

忘了怎么分身

全国巡讲约你

一天，苏格拉底上课时，从短袍中掏出一个苹果：“大家集中精力，嗅闻空气中的气味。”

然后，他回到讲台，举着苹果问：“哪位同学闻到了苹果的味道？”

几位同学回答：“我闻到了，淡淡的苹果香味！”

其他同学你望望我，我看看你，都不作声。

苏格拉底再次举着苹果从学生丛中走过，“请务必集中精力，仔细嗅闻空气中的味道。”

回到讲台，他问：“大家闻到苹果的味道了吗？”

学生们异口同声回答：“闻到了！”

苏格拉底说：“非常遗憾，这是一个假苹果。”

赞 (0)

相关推荐