gms | German Medical Science

PubPharm führt verschiedene, für die Pharmazie relevante Datenquellen in einer Rechercheplattform zusammen und ist grundsätzlich aufgrund der unterschiedlichen Quellen und Funktionen nicht nur für die pharmazeutische Forschung, sondern auch für andere Lebenswissenschaften interessant und nützlich.

PubPharm basiert auf der Open-Source-Software VuFind und ermöglicht aktuell eine Recherche in über 50 Millionen Einträgen [1]. Neben 30 Millionen Nachweisen aus der Datenbank Medline (PubMed) befinden sich darunter weitere pharmazierelevante Publikationen sowie Artikel aus Fachzeitschriften angrenzender Disziplinen (u.a. der Chemie, Pharmakologie und Toxikologie), tagesaktuelle Preprints aus u.a. bioRxiv, ChemRxiv und medRxiv, fachspezifische Bücher (z.B. E-Books und Dissertationen) und Konferenzschriften. Zudem weist PubPharm Informationen zu klinischen Studien aus dem Studienregister ClinicalTrials.gov und einen fachspezifischen Ausschnitt an Patenten des europäischen Patentamtes nach. Die standortabhängige Verfügbarkeitsprüfung zeigt Möglichkeiten für einen direkten Volltextzugriff elektronischer Ressourcen auf. Treffer einer Suchanfrage können über verschiedene Filterfunktionen (z.B. nach Erscheinungsjahr, für die Einschränkung auf systematische Reviews oder aktuelle Publikationen zu COVID-19/SARS-CoV-2) eingegrenzt werden.

Eine Struktursuche inklusive Substruktur- und Ähnlichkeitssuche ergänzt die textbasierte Suchoption. Chemische Verbindungen können dabei anhand einer Namenssuche, SMILES/InChI-Code oder durch Einzeichnen in einen integrierten Struktureditor identifiziert werden. Zu jedem Treffer werden Wirkstoffinformationen u.a. aus PubChem (https://pubchem.ncbi.nlm.nih.gov/) und der DrugBank (https://www.drugbank.com/) angezeigt.

Der FID Pharmazie bietet neue Zugriffspfade zur Literatur an, welche über bislang übliche Keyword-basierte Suchen hinausreichen. Mithilfe von künstlicher Intelligenz, genauer mit neuronalen Netzen, werden pharmazeutische Entitäten und ihre Beziehungen untereinander auf Basis der Forschungsliteratur ermittelt. Die Grundlage bilden dabei Metadaten zu ca. 30 Millionen Publikationen. Der Fokus liegt im FID Pharmazie auf Wirkstoffen, Erkrankungen und Genen. Es konnte gezeigt werden, dass in diesem Zusammenhang nicht nur bekannte Beziehungen zwischen Entitäten von den künstlichen neuronalen Netzen gelernt, sondern auch Wirkstoff-Erkrankungs-Beziehungen vorhergesagt werden können [2]. Um komplexe Beziehungen besser interpretieren zu können, erfolgt die Visualisierung in Netzwerkansichten. Aus dieser Forschungstätigkeit am IfIS ist bereits ein Webservice in PubPharm eingegangen: So werden bei der Suche nach einem Wirkstoff oder einer Erkrankung/einem Symptom Vorschlagslisten verwandter, kontextähnlicher Substanzen, Erkrankungen/Symptome und Gene generiert. Die Darstellung der Entitäts-Beziehungen in Netzwerkansichten befindet sich gerade im Beta-Stadium und wird unter Verknüpfung mit weiterführenden Informationen und Suchfunktionalitäten als ein weiterer Service in PubPharm integriert.

Das Poster sehen Sie in Anhang 1 [Anh. 1].

Die Autoren erklären, dass sie keine Interessenkonflikte in Zusammenhang mit diesem Artikel haben.