数据集概述
本数据集围绕从FDA批准药物标签的自由文本中提取药物基因相互作用的临床意义展开，通过大语言模型（LLMs）提取适应症、癌症类型及药物基因组学信息，并利用VICC归一化服务关联至标准化概念，补充DGIdb数据库中现有相互作用数据的治疗相关性。
文件详解
- 数据文件：
- openfda-04232024.xlsx：Excel格式，可能包含FDA标签原始数据或处理后的基础数据
- ner_norm_results_20250128.csv：CSV格式，包含实体提取与归一化结果，字段示例：entity_group（实体类型如GENETIC）、score（置信度）、word（实体词如CYP2C19）、brand_name（药品名）、application_number（申请号）、concept_id（归一化概念ID）
- entity-results.xlsx：Excel格式，可能记录实体提取的详细结果
- linked-results-full.xlsx：Excel格式，可能包含关联至DGIdb相互作用记录的完整结果
- 图表文件：
- Entity_Group_Bar_Chart.png：PNG格式，实体类型分布的条形图
- 代码文件：
- 01_ner_tagging.ipynb：Jupyter Notebook格式，实体识别与标注的代码流程
- 02_dgidb_link.ipynb：Jupyter Notebook格式，关联DGIdb数据库的代码流程
- 03_graph.ipynb：Jupyter Notebook格式，图表生成或可视化的代码流程
适用场景
- 药物基因组学研究：分析FDA药物标签中的药物基因相互作用临床意义
- 医疗数据标准化：探索LLMs与VICC服务在临床文本实体归一化中的应用
- 数据库补充优化：为DGIdb等药物基因数据库补充治疗相关性数据
- 变异解读 pipeline 开发：辅助基于突变状态的治疗方案筛选研究
