军刀

Saber（生物医学实体和关系的序列注释器）是一种基于深度学习的生物医学领域 信息提取工具。

安装• 快速入门• 文档

安装

要安装 Sabre，您需要python>=3.5. 如果尚未安装，python>=3.5可以通过以下方式安装

• 官方安装程序
• 自制, 在 MacOS ( brew install python3)
• Miniconda3 / Anaconda3

（可选）激活您的虚拟环境（请参阅下面的帮助）

$ conda activate saber
# Notice your command prompt has changed to indicate that the environment is active
(saber) $

然后安装 Sabre

(saber) $ pip install saber

要获取 Sabre 的最新开发版本，请直接从该存储库安装它pip

(saber) $ pip install https://github.com/BaderLab/saber.git

或者通过克隆存储库然后使用pip来安装包

(saber) $ git clone https://github.com/BaderLab/saber.git
(saber) $ cd saber
(saber) $ pip install .

现在，您需要安装所需的Spacy模型和keras-contrib存储库（即使您安装了pip install saber.

# keras-contrib
(saber) $ pip install git+https://www.github.com/keras-team/keras-contrib.git
# NeuralCoref medium model built on top of Spacy, this might take a few minutes to download!
(saber) $ pip install https://github.com/huggingface/neuralcoref-models/releases/download/en_coref_md-3.0.0/en_coref_md-3.0.0.tar.gz

（可选）创建和激活虚拟环境

使用pip时一般建议在虚拟环境中安装包，以避免修改系统状态。创建一个名为的虚拟环境saber

使用 virtualenv 或 venv

使用虚拟环境

$ virtualenv --python=python3 /path/to/new/venv/saber

使用venv

$ python3 -m venv /path/to/new/venv/saber

接下来需要激活环境

$ source /path/to/new/venv/saber/bin/activate
# Notice your command prompt has changed to indicate that the environment is active
(saber) $

使用康达

如果你使用Conda，你可以创建一个以saber运行命名的环境

$ conda create -n saber python=3.6

然后激活环境

$ conda activate saber
# Again, your command prompt should change to indicate that the environment is active
(saber) $

快速开始

如果您的目标是使用 Sabre 来注释生物医学文本，那么您可以使用网络服务或预训练模型。如果您只是想检查 Sabre，而不在本地安装任何东西，请尝试使用Google Colaboratory notebook。

谷歌实验室

查看 Sabre 的最快方法是使用 Google Colaboratory notebook ( )。为了能够运行单元格，请选择“在 Playground 中打开”，或者，将副本保存到您自己的 Google Drive 帐户（文件 > 在 Drive 中保存副本）。

网络服务

要将 Sabre 用作本地Web 服务，请运行

(saber) $ python -m saber.cli.app

或者，如果您愿意，可以从Docker Hub拉取并运行 Sabre 映像

# Pull Saber image from Docker Hub
$ docker pull pathwaycommons/saber
# Run docker (use `-dt` instead of `-it` to run container in background)
$ docker run -it --rm -p 5000:5000 --name saber pathwaycommons/saber

目前有两个端点，/annotate/text和/annotate/pmid。两者都期望POST带有 JSON 有效负载的请求，例如，

{
  "text": "The phosphorylation of Hdm2 by MK2 promotes the ubiquitination of p53."
}

或者

{
  "pmid": 11835401
}

例如，在本地运行 Web 服务并使用cURL

$ curl -X POST 'http://localhost:5000/annotate/text' \
--data '{"text": "The phosphorylation of Hdm2 by MK2 promotes the ubiquitination of p53."}'

Sabre Web 服务 API 的文档可在此处找到。

预训练模型

首先，导入Saber类。这是Saber的界面

from saber.saber import Saber

要加载预训练模型，首先创建一个Saber对象

saber = Saber()

然后加载我们选择的模型

saber.load('PRGE')

您可以在Web 服务 API 文档或此存储库中的saber/pretrained_models文件夹中查看所有预训练模型，或者通过运行以下代码行

from saber.constants import ENTITIES; print(list(ENTITIES.keys()))

要使用模型注释文本，只需调用Saber.annotate()方法

saber.annotate("The phosphorylation of Hdm2 by MK2 promotes the ubiquitination of p53.")

有关更多详细信息，请参阅文档。

文档

Sabre API 的文档可以在这里找到。Web 服务 API在此处有自己的文档。最后，我们提供了一个jupyter notebook，介绍了 Sabre 的主要使用方法。有关设置JupyterLab的帮助，请参阅此处。