Структурирование данных о биоактивных веществах растительного происхождения с применением технологий ИИ
- 1 Московский физико-технический институт (национальный исследовательский университет) (Москва, Россия)
- 2 Московский физико-технический институт (национальный исследовательский университет) (Москва, Россия); Финансовый университет при Правительстве РФ (Москва, Россия)
Аннотация
Постановка проблемы. Данные и информация о растениях, их биоактивных соединениях и биологических эффектах представлены в огромном количестве публикаций, что затрудняет «ручной» анализ и последующую систематизацию этих данных.
Цель. Разработать систему, которая автоматически извлекает из научных публикаций данные о растениях, биоактивных соединениях и биологических эффектах и формирует структурированную базу взаимодействий для дальнейшего анализа.
Результаты. Предложена методика к автоматическому извлечению данных из аннотаций научных статей с помощью большой языковой модели. Разработан прототип системы, который позволяет искать публикации в PubMed, обрабатывать их с помощью GPT-4o и накапливать результаты в базе данных. Отмечено, что для получения структурированных данных модель работает в режиме structured output с фиксированной JSON-схемой и нулевой температурой, а это делает результаты стабильными. Показано, что диалоговый модуль автоматически формирует запросы к PubMed по вопросу пользователя. На текущем этапе в базе накоплено 247 записей о взаимодействиях.
Практическая значимость. Разработанный прототип позволяет объединить в одном приложении поиск литературы, извлечение структурированных данных, их хранение, фильтрацию, экспорт и диалоговый поиск по накопленной базе знаний.
- Поступила
- 14.09.2026
- Одобрена
- 22.09.2026
- Принята
- 01.10.2026
Для цитирования
Белокопытов И.А., Кочкаров А.А. Структурирование данных о биоактивных веществах растительного происхождения с применением технологий ИИ // Динамика сложных систем - XXI век. 2026. Т. 20. № 5. С. 112−118. DOI: https://doi.org/10.18127/j19997493-202605-15
Список источников
- Sorokina M., Steinbeck C. Review on natural products databases: where to find data in 2020. Journal of Cheminformatics. 2020. V. 12. P. 20.
- Sorokina M., Merseburger P., Rajan K., Yirik M.A., Steinbeck C. COCONUT online: Collection of Open Natural Products database. Journal of Cheminformatics. 2021. V. 13. P. 2.
- Jin Q., Leaman R., Lu Z. PubMed and beyond: biomedical literature search in the age of artificial intelligence. eBioMedicine. 2024. V. 100. P. 104988. DOI: 10.1016/j.ebiom.2024.104988.
- Zhao S., Su C., Lu Z., Wang F. Recent advances in biomedical literature mining. Briefings in Bioinformatics. 2021. V. 22. № 3. P. bbaa057. DOI: 10.1093/bib/bbaa057.
- Doneva S.E., Qin S., Sick B., Ellendorff T., Goldman J.-P., Schneider G., Ineichen B.V. Large language models to process, analyze, and synthesize biomedical texts: a scoping review. Discover Artificial Intelligence. 2024. V. 4. P. 107. DOI: 10.1007/s44163-024-00197-2
- Meng X. et al. The application of large language models in medicine: A scoping review. iScience. 2024. V. 27. P. 109713. DOI: 10.1016/j.isci.2024.109713.
- Haltaufderheide J., Ranisch R. The ethics of ChatGPT in medicine and healthcare: a systematic review on Large Language Models (LLMs). npj Digital Medicine. 2024. V. 7. P. 183. DOI: 10.1038/s41746-024-01157-x
- Wei C.-H., Kao H.-Y., Lu Z. PubTator: a web-based text mining tool for assisting biocuration. Nucleic Acids Research. 2013. V. 41. № W1. P. W518–W522. DOI: 10.1093/nar/gkt441
- Wei C.-H. et al. PubTator 3.0: an AI-powered literature resource for unlocking biomedical knowledge. Nucleic Acids Research. 2024. V. 52. № W1. P. W540–W546. DOI: 10.1093/nar/gkae235