生物醫(yī)學(xué)文獻(xiàn)的知識(shí)發(fā)現(xiàn)與數(shù)據(jù)整合

，

科學(xué)數(shù)據(jù)與文獻(xiàn)是科技創(chuàng)新鏈條中緊密相關(guān)、使用緊密結(jié)合的重要內(nèi)容，實(shí)現(xiàn)兩者的互操作對(duì)于科學(xué)研究具有重要的意義[1]。人類(lèi)科學(xué)研究又一次面臨范式的轉(zhuǎn)變，e-Science環(huán)境已現(xiàn)端倪，數(shù)據(jù)密集型科學(xué)研究第四范式呼之欲出[2]。

2009 年微軟研究院出版的《第四范式：數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)》(The Fourth Paradigm：Data-intensive Scientific Discovery)[3]提出了“基于數(shù)據(jù)密集型計(jì)算的科學(xué)研究第四范式”。吉姆·格雷(Jim Gray) 在關(guān)于科學(xué)研究第四范式的著名演講中也討論了即將到來(lái)的學(xué)術(shù)交流革命，認(rèn)為互聯(lián)網(wǎng)能把所有科學(xué)數(shù)據(jù)與文獻(xiàn)聯(lián)系在一起，創(chuàng)建一個(gè)數(shù)據(jù)和文獻(xiàn)能夠交互操作的世界，以提高科學(xué)的“信息速率”，促進(jìn)研究人員的科學(xué)生產(chǎn)力。

生物醫(yī)學(xué)文獻(xiàn)數(shù)量大，增長(zhǎng)快，為生命科學(xué)研究者提供了大量的信息與知識(shí)。2005年OA期刊上發(fā)表的生物醫(yī)學(xué)類(lèi)文獻(xiàn)近4萬(wàn)篇，2011年增長(zhǎng)到12萬(wàn)篇，占科學(xué)領(lǐng)域OA期刊文獻(xiàn)的35.5%，比科學(xué)材料、化學(xué)、物理、地理環(huán)境等其他領(lǐng)域都要多[4]。

美國(guó)國(guó)家醫(yī)學(xué)圖書(shū)館于2000年創(chuàng)建PMC(PubMed Center)用于收錄和存檔生物醫(yī)學(xué)類(lèi)文獻(xiàn)，截至2014年10月，已收錄320萬(wàn)篇全文文獻(xiàn)，數(shù)據(jù)來(lái)源包括1 585個(gè)完全參與期刊(full participation journals)、297個(gè)NIH資助論文發(fā)表期刊 (NIH Portfolio Journal)和2 768個(gè)選擇性存繳期刊(selective deposit journals)。大量生物醫(yī)學(xué)文獻(xiàn)以非結(jié)構(gòu)化的文本形式存在，文獻(xiàn)挖掘技術(shù)能夠從海量的生物醫(yī)學(xué)文獻(xiàn)中發(fā)現(xiàn)有趣的知識(shí)和模式[5]，為文獻(xiàn)與科學(xué)數(shù)據(jù)的整合奠定了基礎(chǔ)。

目前，人類(lèi)已進(jìn)入大數(shù)據(jù)時(shí)代。國(guó)際數(shù)據(jù)公司的研究結(jié)果表明，2011 年全球產(chǎn)生的數(shù)據(jù)量就高達(dá) 1.82 ZB。生命科學(xué)領(lǐng)域的數(shù)據(jù)從20世紀(jì)后期開(kāi)始飛速增長(zhǎng)，基因測(cè)序技術(shù)、蛋白質(zhì)測(cè)序技術(shù)的突破進(jìn)一步促進(jìn)了數(shù)據(jù)的積累，再加上藥物設(shè)計(jì)、藥物篩選、臨床試驗(yàn)等本來(lái)就是產(chǎn)生海量數(shù)據(jù)的源頭，與人類(lèi)健康密切相關(guān)的生命科學(xué)領(lǐng)域的數(shù)據(jù)已經(jīng)達(dá)到了驚人的地步。

在傳統(tǒng)的學(xué)術(shù)交流體系中，科研人員和出版商等都將科研文獻(xiàn)作為最重要的科研成果，但文獻(xiàn)自身并不能完全滿(mǎn)足科學(xué)研究深入和創(chuàng)新的需求?？茖W(xué)數(shù)據(jù)與文獻(xiàn)的關(guān)聯(lián)與整合可以更好地實(shí)現(xiàn)知識(shí)的搜索與探索，使科研人員全面了解相關(guān)科研工作，對(duì)實(shí)現(xiàn)科學(xué)數(shù)據(jù)共享和科學(xué)發(fā)現(xiàn)具有重要的意義。

1 生物醫(yī)學(xué)文獻(xiàn)挖掘

文獻(xiàn)挖掘是指從文獻(xiàn)中提取、整合并發(fā)現(xiàn)有用信息和知識(shí)的過(guò)程。文獻(xiàn)挖掘能夠快速處理大量文獻(xiàn)并得到特定領(lǐng)域的知識(shí)，涉及到數(shù)據(jù)挖掘、文本挖掘和自然語(yǔ)言處理等多個(gè)研究領(lǐng)域。生物醫(yī)學(xué)文獻(xiàn)挖掘就是從海量文本中定位出相關(guān)片段。

生物醫(yī)學(xué)文獻(xiàn)挖掘廣泛應(yīng)用的核心技術(shù)包括信息檢索(Information Retrieval，IR)、命名實(shí)體識(shí)別(Named Entity Recognition，NER)、信息提取(Information Extraction，IE)、文本挖掘(Text Mining，TX)和數(shù)據(jù)集成整合(Data Integration，DI)[6]。上述技術(shù)的成熟為生物醫(yī)學(xué)文獻(xiàn)和科學(xué)數(shù)據(jù)的進(jìn)一步整合奠定了基礎(chǔ)。

信息檢索是指根據(jù)用戶(hù)提交的查詢(xún)需求，在信息庫(kù)中快速有效地檢索到有用的信息并反饋給用戶(hù)。最著名的文獻(xiàn)信息檢索系統(tǒng)是PubMed，該系統(tǒng)使用了布爾模型和向量模型兩種檢索模型，這兩種模型的交叉使用能夠解決生命科學(xué)領(lǐng)域中同物異名和異物同名的查詢(xún)功能。

命名實(shí)體識(shí)別是指從文本中識(shí)別出指定的生物實(shí)體，如蛋白質(zhì)和基因的名稱(chēng)等，常用的識(shí)別方法包括基于字典的方法、基于啟發(fā)式規(guī)則的方法和基于機(jī)器學(xué)習(xí)的方法[7]。其中，基于機(jī)器學(xué)習(xí)的方法是研究重點(diǎn)；基于字典的方法受名稱(chēng)覆蓋率和名稱(chēng)變體的限制，通常作為學(xué)習(xí)字典被整合到機(jī)器學(xué)習(xí)方法中；基于規(guī)則的方法需要耗費(fèi)大量人力建立識(shí)別規(guī)則庫(kù)且領(lǐng)域依賴(lài)性強(qiáng)，通常被整合到機(jī)器學(xué)習(xí)方法的后期處理過(guò)程中。

信息提取不僅要找到特定的文本，還要根據(jù)用戶(hù)的需求從文獻(xiàn)資料中提取生命科學(xué)研究對(duì)象間的相互關(guān)系。目前主要有基于統(tǒng)計(jì)和基于自然語(yǔ)言處理兩種方法，其技術(shù)難點(diǎn)在于文本的語(yǔ)義理解和相互關(guān)系的確立。

文本挖掘更強(qiáng)調(diào)了文獻(xiàn)中信息的自動(dòng)提取，自主發(fā)現(xiàn)潛在的、有價(jià)值的信息，目前的研究主要集中在基于邏輯推理方法獲取間接關(guān)系和結(jié)合時(shí)間序列的文本挖掘上。

數(shù)據(jù)集成整合是將不斷增長(zhǎng)的生物醫(yī)學(xué)文獻(xiàn)資源同生命領(lǐng)域科學(xué)數(shù)據(jù)有效地集成整合，彌補(bǔ)文獻(xiàn)資源的不足，也滿(mǎn)足日益增長(zhǎng)的生命科學(xué)領(lǐng)域知識(shí)的需求。

以上五項(xiàng)技術(shù)的功能層次有所不同，前面問(wèn)題的解決構(gòu)成了后面部分研究和發(fā)展的基礎(chǔ)。就目前研究的現(xiàn)狀而言，從信息檢索到數(shù)據(jù)集成整合，方法研究的成熟度依次遞減，而知識(shí)發(fā)現(xiàn)的潛力卻依次遞增。生命科學(xué)領(lǐng)域的文本挖掘和數(shù)據(jù)集成整合則依賴(lài)于對(duì)本領(lǐng)域知識(shí)的理解和應(yīng)用，更依賴(lài)于從科學(xué)文獻(xiàn)中挖掘出的未知生命科學(xué)知識(shí)的新理論和新方法[8]。

2 生物醫(yī)學(xué)文獻(xiàn)與科學(xué)數(shù)據(jù)的整合方式

文獻(xiàn)與科學(xué)數(shù)據(jù)的整合有多種形式，目前專(zhuān)有名詞注釋、文章自動(dòng)摘要、參考文獻(xiàn)深度關(guān)聯(lián)以及交互式關(guān)聯(lián)等方面的技術(shù)已經(jīng)比較成熟，極大地促進(jìn)了生物醫(yī)學(xué)文獻(xiàn)和科學(xué)數(shù)據(jù)的整合。

生物醫(yī)學(xué)文獻(xiàn)與科學(xué)數(shù)據(jù)的整合方式如圖1所示。

圖1 生物醫(yī)學(xué)文獻(xiàn)與科學(xué)數(shù)據(jù)的整合方式

2.1 專(zhuān)有名詞注釋

生物醫(yī)學(xué)文獻(xiàn)挖掘的基本任務(wù)之一就是生物醫(yī)學(xué)領(lǐng)域?qū)Ｓ忻~的識(shí)別和注釋, 通過(guò)從生物醫(yī)學(xué)文本集合中識(shí)別指定類(lèi)型的名稱(chēng), 如蛋白質(zhì)、基因、核糖核酸、脫氧核糖核酸等。實(shí)體識(shí)別是進(jìn)一步抽取關(guān)系和其他潛在信息的關(guān)鍵步驟[9]。

為了增強(qiáng)文獻(xiàn)的可閱讀性，2007年英國(guó)皇家化學(xué)學(xué)會(huì)(RSC)研發(fā)出一個(gè)基于HTML格式的文獻(xiàn)增強(qiáng)工具Prospect。讀者在閱讀文獻(xiàn)時(shí)，Prospect工具會(huì)以側(cè)邊欄的形式提供蛋白成分、生物名詞、化學(xué)本體名詞等生物醫(yī)學(xué)領(lǐng)域?qū)Ｓ忻~的相關(guān)注釋[10]。與此類(lèi)似的是，the ChemSpider Journal of Chemistry將同樣具有專(zhuān)業(yè)領(lǐng)域名詞注釋功能的軟件命名為ChemMantis System[11]。軟件在ChemSpider數(shù)據(jù)庫(kù)中完成搜索，對(duì)文獻(xiàn)中化學(xué)名詞進(jìn)行解釋?zhuān)缓笫褂妹~-結(jié)構(gòu)轉(zhuǎn)換算法和字典查詢(xún)，提供名詞相對(duì)應(yīng)的化學(xué)結(jié)構(gòu)，同時(shí)給出維基百科對(duì)該名詞解釋的相關(guān)鏈接。

專(zhuān)業(yè)名詞注釋的另一種表現(xiàn)形式是文獻(xiàn)中高頻詞匯、專(zhuān)業(yè)詞匯的高亮注釋。BioLit就是一個(gè)能夠?qū)崿F(xiàn)詞匯高亮注釋的開(kāi)源文獻(xiàn)-數(shù)據(jù)整合系統(tǒng)[12]，系統(tǒng)的底層數(shù)據(jù)來(lái)源于PDB數(shù)據(jù)庫(kù)。系統(tǒng)的工作方式是先在文獻(xiàn)的全文范圍內(nèi)尋找高頻詞匯，并將這些詞匯轉(zhuǎn)換成機(jī)器可讀的XML格式文件，然后在基于頁(yè)面的閱讀器的輔助下，在原始文獻(xiàn)中標(biāo)注出這些詞匯，以可讀的形式為讀者提供幫助。

愛(ài)思維爾出版社在專(zhuān)有名詞注釋方面的研究更具有前瞻性。2008年，愛(ài)爾思維出版社針對(duì)生命科學(xué)研究舉辦了一場(chǎng)“知識(shí)增強(qiáng)”的挑戰(zhàn)賽，開(kāi)發(fā)了語(yǔ)義增強(qiáng)和文獻(xiàn)文本挖掘的工具Reflect。這個(gè)工具能夠幫用戶(hù)實(shí)現(xiàn)在閱讀文獻(xiàn)過(guò)程中，隨著鼠標(biāo)的滑動(dòng)，在基因或蛋白質(zhì)的名稱(chēng)旁以浮動(dòng)對(duì)話(huà)框的形式顯示其相對(duì)應(yīng)的分子序列，便于生命科學(xué)家了解文中特定的基因、蛋白質(zhì)分子結(jié)構(gòu)。Reflect工具的學(xué)習(xí)字典包含了373類(lèi)生物的430萬(wàn)種小分子結(jié)構(gòu)和150萬(wàn)個(gè)蛋白質(zhì)序列，通過(guò)鼠標(biāo)點(diǎn)擊文獻(xiàn)中高亮表示的領(lǐng)域?qū)Ｓ忻~，工具就會(huì)從學(xué)習(xí)字典中找到關(guān)聯(lián)數(shù)據(jù)，提供相應(yīng)的名詞解釋和可視化圖形展示(如化學(xué)物質(zhì)的分子式、蛋白質(zhì)結(jié)構(gòu)等)。目前，該工具需要以瀏覽器插件的形式安裝到用戶(hù)的計(jì)算機(jī)中。為了便于使用，該工具也正在向Web服務(wù)編程訪問(wèn)的方式發(fā)展。

2.2 文章自動(dòng)摘要

摘要是以提供文章關(guān)鍵信息的形式來(lái)展示原始文章的主要內(nèi)容，可以幫助讀者初步了解文獻(xiàn)的重點(diǎn)內(nèi)容，快速掌握信息，準(zhǔn)確找到所需資料。生物醫(yī)學(xué)文獻(xiàn)數(shù)量快速增長(zhǎng)，如果只靠人工編制摘要，其速度遠(yuǎn)遠(yuǎn)跟不上發(fā)展要求。如何合理、快速地發(fā)現(xiàn)文章信息受到關(guān)注，關(guān)于文章自動(dòng)摘要的研究應(yīng)運(yùn)而生。1958年IBM 公司的Luhn首次進(jìn)行了自動(dòng)文摘的實(shí)驗(yàn),宣告了該項(xiàng)技術(shù)的誕生；1993年12月在德國(guó)Wadern召開(kāi)了歷史上第一次以自動(dòng)文摘為主題的國(guó)際研討會(huì)；1995年，Information Processing & Management出版了一期題為Summarizing Text的專(zhuān)刊，編者在序言中指出“這一期專(zhuān)刊的出版標(biāo)志著自動(dòng)文摘的時(shí)代已經(jīng)到來(lái)”[13]。自動(dòng)文摘技術(shù)受到計(jì)算機(jī)科學(xué)、人工智能、情報(bào)科學(xué)和語(yǔ)言學(xué)等多個(gè)學(xué)科的共同推動(dòng)，取得了很大的進(jìn)步。

FEBS Letters曾進(jìn)行過(guò)一系列文獻(xiàn)挖掘研究，其中最關(guān)鍵的一項(xiàng)技術(shù)就是結(jié)構(gòu)化文獻(xiàn)摘要。最終形成的文獻(xiàn)摘要以XML編碼格式書(shū)寫(xiě)，便于現(xiàn)有的文本挖掘工具直接處理。但在便于機(jī)器處理的同時(shí)，對(duì)于人來(lái)講，摘要的可讀性就會(huì)有所降低。這項(xiàng)技術(shù)是以存儲(chǔ)在MINT和UniProtKB中的數(shù)據(jù)為底層數(shù)據(jù)的，所以文獻(xiàn)摘要也會(huì)提供這兩個(gè)數(shù)據(jù)庫(kù)中的交互式鏈接。

David Shotton等人的研究結(jié)果提供了一個(gè)文本摘要編輯器，如圖2所示，編輯器能夠提供文章摘要、高頻詞語(yǔ)的標(biāo)簽云、標(biāo)簽樹(shù)、本體詞庫(kù)、引用報(bào)告等內(nèi)容[14]。

圖2 文章自動(dòng)摘要信息

2.3 參考文獻(xiàn)深度關(guān)聯(lián)

科學(xué)文獻(xiàn)是科學(xué)知識(shí)的重要承載物，研究人員通過(guò)發(fā)表科學(xué)文獻(xiàn)使自己的研究成果為人所知。對(duì)于整個(gè)科學(xué)的發(fā)展而言，每一篇發(fā)表的科學(xué)文獻(xiàn)都具有相應(yīng)的價(jià)值?？茖W(xué)文獻(xiàn)作為知識(shí)節(jié)點(diǎn)，構(gòu)成了特定研究主題的知識(shí)網(wǎng)絡(luò)。為了支撐文章的論點(diǎn)，作者通常會(huì)從知識(shí)網(wǎng)絡(luò)中選擇同領(lǐng)域研究人員的調(diào)研數(shù)據(jù)、實(shí)驗(yàn)結(jié)果作為參考，來(lái)增強(qiáng)論文的說(shuō)服力。傳統(tǒng)的參考文獻(xiàn)引用，通常是被作為一個(gè)完整的實(shí)體使用，而沒(méi)有對(duì)參考文獻(xiàn)中具體內(nèi)容的引用。如果讀者需要閱讀相關(guān)的文本，必須離開(kāi)當(dāng)前閱讀的文章，下載并瀏覽參考文獻(xiàn)，這樣的引用操作會(huì)大大降低文獻(xiàn)的閱讀效率和使用效率。

David Shotton等人開(kāi)發(fā)了一個(gè)支持文獻(xiàn)深度關(guān)聯(lián)的工具Citations in Context[14]，實(shí)現(xiàn)了參考文獻(xiàn)的深度關(guān)聯(lián)。當(dāng)讀者將鼠標(biāo)指針懸停在參考文獻(xiàn)上時(shí)，工具會(huì)自動(dòng)彈出一個(gè)提示框，提供被引參考文獻(xiàn)的關(guān)鍵支撐文本信息，如實(shí)驗(yàn)方法、結(jié)果討論等。該工具的使用能夠幫助讀者在不通讀全文的前提下，準(zhǔn)確地尋找到文獻(xiàn)中最直接的論點(diǎn)和論據(jù)。

2.4 交互式數(shù)據(jù)關(guān)聯(lián)

公開(kāi)發(fā)表文章除了展示研究人員的科學(xué)成果外，還為讀者提供了可利用、可操作的數(shù)據(jù)。生物醫(yī)學(xué)文獻(xiàn)中包含了多種類(lèi)型的數(shù)據(jù)(文本、圖片、表格、完成清理的數(shù)據(jù))，甚至可以實(shí)現(xiàn)文章使用的原始數(shù)據(jù)和文章相關(guān)內(nèi)容的交互式動(dòng)態(tài)展示。

Attwood等人就研發(fā)了一個(gè)功能集成的PDF閱讀系統(tǒng)——Utopia系統(tǒng)[15]，實(shí)現(xiàn)了文獻(xiàn)與科學(xué)數(shù)據(jù)的語(yǔ)義關(guān)聯(lián)。系統(tǒng)可為靜態(tài)文本提供命名實(shí)體注釋、參考文獻(xiàn)鏈接和可視化數(shù)據(jù)展示等功能，交互式數(shù)據(jù)操作功能是該系統(tǒng)的一大亮點(diǎn)。文獻(xiàn)中的表格和圖形通常是大量數(shù)據(jù)的縮影，如表格能夠表示某一個(gè)蛋白質(zhì)的結(jié)構(gòu)或者生物分子的某一特定功能。Utopia 系統(tǒng)則可將這些靜態(tài)的表格、數(shù)字和圖片以動(dòng)態(tài)交互的形式展現(xiàn)給讀者，使得讀者通過(guò)雙擊即可對(duì)表格的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)更新、數(shù)據(jù)修改等操作。該系統(tǒng)還為讀者提供了文獻(xiàn)相關(guān)數(shù)據(jù)的獲取方式和鏈接地址，使讀者能夠更便捷地獲取底層數(shù)據(jù)。Utopia 系統(tǒng)除了可以實(shí)現(xiàn)文獻(xiàn)中數(shù)據(jù)的交互關(guān)聯(lián)外，還能夠?qū)Φ鞍捉Y(jié)構(gòu)、基因結(jié)構(gòu)進(jìn)行交互式的3D展示。鼠標(biāo)點(diǎn)擊文獻(xiàn)中的二維圖片，圖片區(qū)域變成活動(dòng)對(duì)話(huà)框，二維圖片也轉(zhuǎn)換成三維圖形，讀者只需拖動(dòng)鼠標(biāo)就可從不同角度觀看三維圖形，從立體可觀的三維結(jié)構(gòu)圖中獲取更多的信息。

隨著大數(shù)據(jù)時(shí)代的來(lái)臨，人們?cè)絹?lái)越認(rèn)識(shí)到數(shù)據(jù)的重要性。在大量公開(kāi)發(fā)表生物醫(yī)學(xué)文獻(xiàn)的背后，是大量數(shù)據(jù)的積累，而讀者只有權(quán)限獲得嵌入文章中的表格和圖片，無(wú)法獲取文章使用的原始數(shù)據(jù)。隨著生物醫(yī)學(xué)領(lǐng)域本體的出現(xiàn)，這一問(wèn)題也被隨之解決。生物醫(yī)學(xué)領(lǐng)域本體整合了多種類(lèi)型的數(shù)據(jù)，方便了讀者的查找和使用。目前，比較成熟的生物醫(yī)學(xué)本體有RNA本體庫(kù)、蛋白質(zhì)序列本體庫(kù)、細(xì)胞本體庫(kù)、基因本體庫(kù)、系統(tǒng)生物學(xué)本體庫(kù)等[16]。

通過(guò)以上的調(diào)研發(fā)現(xiàn)，目前國(guó)際上已有很多機(jī)構(gòu)開(kāi)始致力于文獻(xiàn)與科學(xué)數(shù)據(jù)的整合研究，并已經(jīng)有了顯著成效，詳見(jiàn)表1。目前，大部分從事該領(lǐng)域的研究機(jī)構(gòu)都能實(shí)現(xiàn)文獻(xiàn)的專(zhuān)有名詞注釋?zhuān)＝虼髮W(xué)、加利福尼亞大學(xué)、曼徹斯特大學(xué)等機(jī)構(gòu)已經(jīng)實(shí)現(xiàn)了文章自動(dòng)摘要、參考文獻(xiàn)深度關(guān)聯(lián)等更深層次的關(guān)聯(lián)。

表1 生物醫(yī)學(xué)文獻(xiàn)與科學(xué)數(shù)據(jù)的整合方式

注：表格中的“√”表示該項(xiàng)研究具有相關(guān)的功能。

3 結(jié)語(yǔ)

生物醫(yī)學(xué)文獻(xiàn)與科學(xué)數(shù)據(jù)的整合已成為當(dāng)今文獻(xiàn)挖掘利用與知識(shí)發(fā)現(xiàn)的熱點(diǎn)問(wèn)題，這方面的研究具有廣闊的應(yīng)用前景和重要的現(xiàn)實(shí)意義。Reflect，Utopia等整合工具大量涌現(xiàn)，使科學(xué)文獻(xiàn)與科學(xué)數(shù)據(jù)不再是孤立的研究范疇，而是一個(gè)相輔相成的整體。二者的有機(jī)融合在提升了靜態(tài)文獻(xiàn)使用價(jià)值的同時(shí)，也為科學(xué)家提供了文章與科學(xué)數(shù)據(jù)間的無(wú)縫連接，獲取隱藏在生文章背后的生物實(shí)驗(yàn)原始數(shù)據(jù)也變得更加便捷。

改變傳統(tǒng)的閱讀模式，增加讀者的閱讀體驗(yàn)，創(chuàng)建一個(gè)數(shù)據(jù)和文獻(xiàn)能夠交互操作的開(kāi)放式環(huán)境，有助于開(kāi)展大數(shù)據(jù)環(huán)境下的科研互動(dòng)，提高生物醫(yī)學(xué)文獻(xiàn)與數(shù)據(jù)整合的實(shí)效性。

具有文獻(xiàn)挖掘功能的閱讀器通常是基于PDF靜態(tài)文本閱讀或基于Web閱讀中的一種。移動(dòng)客戶(hù)端上的文獻(xiàn)閱讀使得文獻(xiàn)與數(shù)據(jù)的整合更具實(shí)時(shí)性，讀者不需要計(jì)算機(jī)就可閱讀文獻(xiàn)，并對(duì)相關(guān)聯(lián)的科學(xué)數(shù)據(jù)進(jìn)行互操作。

移動(dòng)閱讀還能實(shí)現(xiàn)諸多功能，如文獻(xiàn)閱讀中的個(gè)性化標(biāo)注；將文獻(xiàn)審核人員對(duì)文獻(xiàn)的旁注共享給其他的領(lǐng)域?qū)＜液推诳庉嬋藛T，便于相關(guān)人員進(jìn)一步編輯和校對(duì)文章，將文獻(xiàn)閱讀過(guò)程中的個(gè)性化標(biāo)注共享給文獻(xiàn)的后續(xù)讀者。而且在個(gè)性化評(píng)注的基礎(chǔ)上，實(shí)現(xiàn)文獻(xiàn)評(píng)注的連續(xù)性共享，將成為科學(xué)文獻(xiàn)閱讀以及科學(xué)文獻(xiàn)與科學(xué)數(shù)據(jù)整合領(lǐng)域的一個(gè)重要發(fā)展方向。

隨著技術(shù)的發(fā)展和提升，文獻(xiàn)挖掘和科學(xué)數(shù)據(jù)的整合將會(huì)有力地推動(dòng)生物醫(yī)學(xué)領(lǐng)域的發(fā)展和進(jìn)步，實(shí)現(xiàn)文獻(xiàn)和數(shù)據(jù)的整合使用，架起生物醫(yī)學(xué)文獻(xiàn)(文獻(xiàn)庫(kù))與生命科學(xué)實(shí)驗(yàn)數(shù)據(jù)(科學(xué)數(shù)據(jù)庫(kù))之間的橋梁。