Resumen

En la última década, el volumen de datos "ómicos" generados por las diferentes tecnologías de alto rendimiento ha crecido exponencialmente. La gestión, el almacenamiento y el análisis de estos grandes volúmenes de datos han supuesto un gran reto para los investigadores, especialmente cuando se avanza hacia el objetivo de generar hipótesis comprobables basadas en datos, que ha sido la promesa de las técnicas experimentales de alto rendimiento. Se han desarrollado diferentes enfoques bioinformáticos para agilizar los análisis posteriores proporcionando información independiente para interpretar y realizar inferencias biológicas. La minería de textos (también conocida como minería de literatura) es uno de los enfoques más utilizados para la generación automatizada de conocimiento biológico a partir del enorme número de artículos publicados. En este artículo de revisión, se analizan los avances recientes en los enfoques que integran los resultados de los datos ómicos y la información generada a partir de enfoques de minería de textos para descubrir información biomédica novedosa.

• Materias:Ácido ribonucleico (ARN) Biosíntesis Genética vegetal Genómica Biología computacional
• Subjects:Ribonucleic acid (RNA) Biosynthesis Plant genetics Genomics Computational biology
• Palabras claves:Diferentes enfoques bioinformáticos, información biomédica novedosa, enfoques de minería de textos, enfoques, Minería de textos, generación automatizada, big data, inferencia biológica, conocimiento biológico, análisis descendentes
• Keywords:Different bioinformatics approaches, novel biomedical information, text mining approaches, approaches, Text mining, automated generation, big data, biological inference, biological knowledge, downstream analyzes