我正在尝试解决以下问题 – 给定一个包含大量生物信息的文本文件，找出其中一个被{上/下}调控的基因。现在，我有许多这样的文件（60,000个），并对其中一些（1,000个）进行了注释，标明了哪个基因被{上/下}调控。
条件 –
- 文件中的许多句子提到了基因名称，其中一些句子还包含邻近的文本，这些文本可以帮助判断这是否确实是正在调控的基因。
- 有些文件中没有基因被调控。但这些文件仍然提到了基因名称。
鉴于此，我想问（我完全没有机器学习背景），我应该使用哪种序列学习算法/工具来处理我的注释（训练）数据（可能需要将文本转换为向量！），并构建一个好的模型，然后我可以用这个模型来测试更多的文件？
示例数据 –
标题：评估预热冲击hsp70(-/-)和(+/+)细胞的耐热性
生物体：Mus musculus
实验类型：通过阵列进行的表达谱分析
摘要：从初步实验中得知，缺乏HSP70的MEF细胞在43摄氏度的轻度预热冲击后，对45.5摄氏度的严重热冲击表现出中等的耐热性，即使在没有hsp70蛋白的情况下。我们希望确定这些细胞中哪些基因被激活以解释这种耐热性。AQP也被报道为重要因素。
关键词：热应激，热休克反应，敲除，细胞培养，hsp70
总体设计：分析了两条细胞系 – hsp70敲除和hsp70恢复细胞。分析了来自(-/-)敲除细胞的6个微阵列（3个预处理与3个未加热对照）。对于(+/+)恢复细胞，使用了4个微阵列（2个预处理和2个未加热对照）。细胞在96孔板中以每孔3000个的密度铺设，用气体渗透密封膜覆盖，并在20小时时间点以43摄氏度热冲击30分钟。热处理后3小时收获RNA
在这里，我的主要基因是hsp70，它是下调的（可以从hsp(-/-)或HSP70缺失中推断出来）。还有许多其他基因名称，如AQP。可能还有另一个文件中没有任何基因被修改。事实上，更多的文件没有实际的基因调控，但所有文件都包含基因名称的提及。
任何建议都将非常受欢迎！！
回答：
如果你没有机器学习背景，我建议购买像这个、这个或这个这样的产品。这些产品的开发已经持续了几十年，团队预算达数百万美元。
你试图做的事情并不简单。例如，很多论文通过首先引用另一篇论文的原始陈述，然后否定它来包含否定性陈述。在你的例子中，你将如何处理以下情况：
AQP也被Doe等人报道为重要因素。然而，这项研究表明情况可能并非如此。
此外，如果你正在研究大量的生物医学研究论文，或者任何研究论文的语料库。你会发现大量的论文建议某些事情，例如基因被上调或未被上调，然后有一篇发表在Cell杂志上的论文指出之前的所有研究都是错误的。
更糟糕的是，基因/蛋白质名称并不稳定。除了少数著名的如P53之外，还有一大群普通的基因，最初被认为是一个基因，但后来发现它们是两个不同的东西。当这种情况发生时，社区有两种处理方式。一种是两个基因都获得新名称（通常在末尾加上一些标识符），另一种是如果分裂不均匀，则较大的类别保留原始名称，第二个获得新名称。为了加剧这个问题，分裂发生后，并不是所有研究人员都能立即收到通知，因此仍然有一系列使用旧名称的出版物。
这些只是两个简单的问题，还有数百个这样的问题。
如果你这样做是为了个人提升。这里有一些建议：
-
在生物医学论文上构建语言模型。现有的语言模型通常是基于新闻线源或社交媒体数据构建的。这三个语料库都声称使用英语语言编写。但实际上，这些是三种不同的语言，各有自己的语法和词汇
-
研究嵌入和word2vec等技术。
-
查看Kaggle竞赛，这是一个相当流行的话题。
-
订阅KDD和BIBM杂志，或者在附近的图书馆找到它们。关于这个主题有数百篇论文。
