Acquisition et formalisation de connaissances à partir de textes
Responsable : Claire Nédellec
L'équipe Bibliome développe des méthodes de traitement du langage naturel (NLP) et d'apprentissage automatique (ML) pour extraire des informations de textes dans le domaine de la biologie.
Nous travaillons sur des tâches spécifiques d'extraction d'information (IE) telles que la reconnaissance d'entités, la normalisation d'entités (entity linking) et l'extraction de relations. Nous nous concentrons sur les méthodes qui combinent l'information linguistique, l'apprentissage automatique et la connaissance du domaine (ontologies et taxonomies) et qui sont capables de traiter un petit nombre d'exemples d'apprentissage.
Nous appliquons nos méthodes à un large éventail d'applications en Sciences de la Vie - de la diversité microbienne à la biologie végétale et à la surveillance épidémiologique.
Une part importante de notre activité consiste également à promouvoir le développement et l'évaluation de systèmes IE en organisant des challenges.
Projets
Projets en cours
EcoControl : Community Ecology and Digital Tools to Increase the Natural Regulation of Insect Pests in Agriculture PEPR Agroécologie et Numérique (2025-2029)
FairOmics : FAIRification of multiOmics data to link databases and create knowledge graphs for fermented foods. DTN H2020 - HORIZON-MSCA-2022-DN-01-01
Omnicrobe : développement d’une base de données d'informations sur les habitats et les phénotypes microbiens à partir de textes. En cours.
HoloOligo Structure diversity, functionality and modulation of milk oligosaccharides in monogastric livestock species: towards optimal development of rabbit and pig holobionts. Project-ANR-21-CE20-0045 - Biologie des animaux, des organismes photosynthétiques et des microorganismes (2022-2025)
TIERS - ESV. Traitement de l’Information et Expertise des Risques Sanitaires pour l’Epidémiosurveillance en Santé Végétal. IB2021 Departments INRAE MathNum and SPE. (2021-2023)
TyDI Terminology Design Interface. DiBiSO, université Paris-Saclay, INIST-CNRS, BIA-INRAE et MaIAGE-INRAE. (2021-2025).
Beyond - ANR Programme Prioritaire de Recherche Cultiver et protéger autrement. Building epidemiological surveillance and prophylaxis with observations both near and distant Projet IA-20-PCPA-0002 (2021-2026)
D2KAB Data to Knowledge in Agriculture and Biodiversity. ANR AAPG 2018-CE23-0017. (2019-2024)
Projets récents
ENovFood Linking a phenotypic and a network food microbe databases: an application to food microbial ecology and food innovation. Metaprogramme MEM INRA. 2018-2020.
OntoBedding. Amélioration de plongements lexicaux par des ontologies pour leur adaptation aux domaines de spécialité, avec le LIMSI. Projet financé par le DIM RFSI. 2019
Visa TM (Towards an advanced infrastructure in text-mining) CoSO project, (2017-2019)
OpenMinTeD (Open Mining Infrastructure for Text and Data) Infrastructure H2020 project (2015-2018)
D-ONT, Exploitation optimisée des bases de données phénotypiques - Des ontologies pour le partage d’information, ACI Phase 2016-2018.
IMSV, Institut de modélisation des systèmes vivants, Lidex de l'Université Paris-Saclay (2014-2016)
SeeDev, Regulations in the development of Arabidopsis thaliana seed (Challenge Lidex CDS) (2015)
OntoBiotope: Metaprogramme INRA MEM (Metagenomics of microbial ecosystems). (2012-2013).
Triphase: Semantic information system for publications in animal physiology and agricultural systems. PHASE department (2013-2014).
Quaero: Automatic multimedia content processing. Oséo. (2008-2013).
FSOV SAM Blé: Selection of wheat by genetic markers. Fond de soutien à l'obtention végétale (2010-2013).
Animation
Réseau2Neurones INRAE Workgroup
Workgroup Labex DigiCosme D2K (from Data to Knowledge)
BioNLP-Open Shared Task 2019: annotated corpora and online evaluation services
BioNLP-Shared Task (2011, 2013, 2016): annotated corpora and on-line evaluation services
Membres
Directrice de recherche Responsable de l'équipe |
Ingénieur de recherche Responsable de la "Suite Alvis" |
Chargée de recherche |
Chargé de recherche |
 Doctorante |  Doctorante |  Post-doctorante |
Anciens membres
| Mariya Borovikova | Doctorante |
| Myriam Dulor | Stage |
| Anfu Tang | Doctorant |
| Elisa Lubrini | Stage |
| Clara Sauvion | R&D |
| Mouhamadou Ba | Postdoc, projet OpenMinTeD |
| Estelle Chaix | Postdoc, projet OpenMinTeD |
| Philippe Bessières | Directeur de recherche |
| Dialekti Valsamou | Doctorante, IDEX IDI |
Software
AlvisNLP is a corpus processing engine. AlvisNLP is highly parametrable, supports a wide range of file formats, and provides a wide range of natural language processing, machine learning, and corpus analysis tools. AlvisNLP is an ideal tool for information extraction and information retrieval experiments, as well for deploying text-mining services. Funding: Alvis (EU project), Quaero (French project). Cite: Nédellec et al., 2009; Ba & Bossy, 2016.
TyDI is a collaborative tool for the validation and structuring of terms originating from either an existing terminology or from a term extractor program (like BioYatea or TermSuite). TyDI supports collaborative term validation, term relations (synonymy, hyponymy, see-also). TyDI exports projects into standard formats (CSV, SKOS). Funding: Quaero (French project) and INRAE-CNRS-Univ Paris-Saclay. consortium Cite: Golik et al., 2010.
re-bert is a BERT-based relation extraction architecture. re-bert supports cross-sentence relation extraction and ensemble voting.
CNorm is a shallow neural network method, which outperforms other evaluated methods in multi-class and few-shot entity normalization tasks in biomedical and life science domains such Bacteria Biotope 4. Funding: OpenMinTeD (EU-INFRA). Cite: Ferré et al., 2020.
AlvisAE is a manual annotation Web application. AlvisAE supports the annotation of named entities, relations, and normalization with free properties or with an ontology. AlvisAE also features functions to manage annotation campaigns (attribution of documents, adjudication of double annotation). Funding: Quaero (French project). Cite: Papazian, et al., 2012.
AlvisIR is framework for building and deploying semantic search engines. AlvisIR semantic search engines index document terms as well as annotations extracted from the text. The user can search for terms, named entities, relations and concepts from named entity normalization. See for example search on microorganisms. Funding: Alvis (EU project), Quaero (French project). Cite: Bossy et al., 2008.
BioYaTeA is an extension of the YaTeA term extractor that deals with prepositional attachments and adjectival participle. It extracts terms from documents in French and in English. Its distribution includes post-filtering of irrelevant terms. It is publicly available as CPAN module. Part of this work has been funded by the European project Alvis and the French project Quaero. Cite: Golik et al., 2013.
Libraries
obo-utils (Python): read, validate, serialize ontologies in the OBO format.
bionlp-st-py (Python): read, validate, serialize annotations in the BioNLP-ST format.
IEval (Java): specify and deploy services for Information Extraction tasks evaluation. Supports Recall/Precision/F-Score, Slot Error Rate, Jaccard and many other metrics.
evaluate (Python): Information Extraction tasks evaluation library.
JSFragments (CSS/JS): widgets for presenting text-bound annotations.
Bibliome Utils (Java): miscellaneous utility classes and boilerplate.
misc-utils (Python): miscellaneous utility classes and boilerplate.
Online Services
AlvisIR Semantic search engines
Omnicrobe search engine: 3M PubMed article indexed with micro-organisms taxa using the NCBI Taxonomy, and habitats and phenotypes using the OntoBiotope Ontology.
SamBlé indexes a large set of references on genetic markers and phentoypes in bread wheat with Alvis Suite technology and Wheat Trait Ontology. FSOV SamBlé Project and OpenMinTeD
SeeDev indexes a large set of references on molecular mechanism involved in seed development using Alvis Suite technology. Supported by UPSay CDS&IMSV projects and OpenMinTeD.
TriPhas’IR indexes the publications of the PHASE scientific department (2010-2014) with the TriPhase termino-ontology.
AnimalIR indexes Animal Journal articles with the ATOL ontology
Omnicrobe
Omnicrobe is an online database that integrates information on microbe habitats and phenotypes from articles and databases, BRC, and genetic databases.
Compétitions, Ontologies et Corpus
Corpus et compétitions
- BB'16 Corpus is part of the Bacteria Biotope Task in the BioNLP Shared Task 2016. The goal is (1) to identify the bacteria and their habitat that have to be categorized by the concept of the OntoBiotope ontologies and (2) to extract relations between bacteria and their habitat from Pubmed reference. The online evaluation service is available.
References
Louise Deléger, Robert Bossy, Estelle Chaix, Mouhamadou Ba, Arnaud Ferré, Philippe Bessières, Claire Nédellec, Overview of the Bacteria Biotope Task at BioNLP Shared Task. In Proceedings of the BioNLP Shared Task 2016 Workshop, Association for Computational Linguistics, Berlin, Germany 2016. - Corpus SeeDev'16 is part of the SeeDev Task of the BioNLP Shared Task 2016. The goal is to extract complex interaction events involved in the development of Arabidopsis model plant seed. The online evaluation service is available.
References
Estelle Chaix, Bertrand Dubreucq, Abdelhak Fatihi, Dialekti Valsamou, Robert Bossy, Mouhamadou Ba, Louise Deléger, Pierre Zweigenbaum, Philippe Bessières, Loïc Lepiniec, Claire Nédellec. Overview of the Regulatory Network of Plant Seed Development (SeeDev) Task at the BioNLP Shared Task. In Proceedings of the BioNLP Shared Task 2016 Workshop, Association for Computational Linguistics, Berlin, Germany 2016. - Corpus BB'13 fait partie de la tâche Bacteria Biotope de la compétition BioNLP Shared Task 2013. L'objectif est (1) d'identifier la bactérie et ses habitats qui doivent être catégorisés par les concepts de l'ontologie OntoBiotope et (2) d'extraire les relations entre la bactérie et ses habitats. Le service d'évaluation est accessible en ligne.
References
- Robert Bossy, Wiktoria Golik, Zorana Ratkovic, Dialekti Valsamou, Philippe Bessières, Claire Nédellec. An Overview of the Gene Regulation Network and the Bacteria Biotope Tasks in BioNLP’13. BMC Bioinformatics, Vol 16 Suppl 10, 2015.
- Bossy R., Golik W., Ratkovic Z., Bessières P., Nédellec C. BioNLP shared Task 2013 – An Overview of the Bacteria Biotope Task. In Proceedings of the BioNLP 2013 Workshop, Association for Computational Linguistics, Sofia, Bulgaria, 2013. - Corpus BB'11 fait partie de la tâche Bacteria Biotope de la compétition BioNLP Shared Task 2011. L'objectif est (1) d'identifier la bactérie et ses habitats qui doivent être catégorisés dans 7 types et (2) d'extraire les relations entre la bactérie et ses habitats.
References
- Robert Bossy, Julien Jourde, Alain-Pierre Manine, Philippe Veber, Erick Alphonse, Maarten van de Guchte, Philippe Bessières, Claire Nédellec. BioNLP Shared Task - The Bacteria Track. BMC Bioinformatics, (Suppl 11):S3, juin 2012.
- Robert Bossy, Julien Jourde, Philippe Bessières, Maarten van de Guchte, Claire Nédellec, « BioNLP shared Tasks 2011 - Bacteria Biotope », BioNLP workshop associé à ACL, Portland, Etats-Unis, 2011. - Corpus GRN fait partie de la tâche Gene Regulation Network in Bacteria task de la compétition BioNLP Shared Task 2013. L'objectif est l'extraction du réseau de régulation complet de la sporulation chez Bacillus subtilis. Le service d'évaluation est accessible en ligne.
References
- Robert Bossy, Wiktoria Golik, Zorana Ratkovic, Dialekti Valsamou, Philippe Bessières, Claire Nédellec. An Overview of the Gene Regulation Network and the Bacteria Biotope Tasks in BioNLP’13. BMC Bioinformatics, Vol 16 Suppl 10, 2015
- Bossy R., Bessières P., Nédellec C. BioNLP Shared Task 2013 – An overview of the Genic Regulation Network Task. In Proceedings of the BioNLP 2013 Workshop, Association for Computational Linguistics, Sofia, Bulgaria, 2013. - Corpus BI fait partie de la tâche Bacteria Interaction de la compétition BioNLP Shared Task 2011. L'objectif est l'extraction d'événements complexes d'interactions biologiques à partir de références Pubmed.
References
- Robert Bossy, Julien Jourde, Alain-Pierre Manine, Philippe Veber, Erick Alphonse, Maarten van de Guchte, Philippe Bessières, Claire Nédellec. BioNLP Shared Task - The Bacteria Track. BMC Bioinformatics, (Suppl 11):S3, juin 2012.
- Julien Jourde, Alain-Pierre Manine, Philippe Veber, Karen Fort, Robert Bossy, Erick Alphonse, Philippe Bessières, "BioNLP Shared Task 2011 - Bacteria Gene Interactions and Renaming", BioNLP workshop joint to ACL, Portland, USA, 2011. - Corpus LLL (Learning Language is Logic): corpus original de la compétition LLL. L'objectif de la compétition LLL est de comparer et d'évaluer les performances de systèmes d'Extraction d'Information pour l'identification d'interactions géniques et des gènes et des protéines qui interagissent. Le service d'évaluation est accessible en ligne. Noter que le corpus LLL diffère du corpus BioInfer LLL. Le corpus LLL Bioinfer propose une tâche d'extraction plus simple sur le même texte, les arguments des relations sont donnés et les relations ne sont pas dirigées.
References
Nédellec C. "Learning Language in Logic - Genic Interaction Extraction Challenge" in Proceedings of the Learning Language in Logic (LLL05) workshop joint to ICML'05. Cussens J. and Nédellec C. (eds). p 31-37, Bonn, August 2005.
Ontologies