PubTator是个能自动识别并标注PubMed摘要和全文里的生物实体的在线工具，主要用在生物医学领域，能帮着整理文献里的生物信息，做文献综述和数据提取，支持大规模文本分析，也能用来开发新的文本挖掘和自然语言处理方法。

PubTator 3.0现在收录了超过16亿个实体标注和3300万条关系标注，覆盖了PMC开放获取部分的约3600万篇PubMed摘要和600万篇全文，每周都会更新。

PubTator主要功能特点

  • 识别标注实体：能自动认出并标注多种生物相关内容，像基因、蛋白质、疾病、化学物质、物种和细胞系等。

  • 数据整合：和PubMed数据库连着，能给PubMed里2900万篇摘要和PMC文本挖掘部分的300万篇全文做标注。

  • 操作方便：网页界面简单好用，用户能自己选文章集合，还能看到每篇文章里标注的概念。

  • 多种输出格式：标注数据能导出成XML、JSON和制表符分隔格式等，方便后续处理分析。

  • 支持开发：提供API接口，能和其他工具连起来，方便开发人员二次开发。

  • 智能搜索：PubTator 3.0用人工智能技术，支持语义和关系搜索，能查六种生物医学实体的标注，还能找出12种常见的实体关系。

PubTator能用来做什么

  • 找文献：帮研究人员在海量的生物医学文献里，快速找到和特定生物概念相关的文献，还能直接定位到具体句子或段落。

  • 发现知识：通过识别文献里的实体和它们之间的关系，给生物医学研究提供有用信息，加快科研发现。

  • 辅助语言模型：和大型语言模型（比如ChatGPT）连起来用，能让模型的回答更准确，减少出错的可能。

PubTator怎么用

  • 在线操作：通过PubTator网站直接查文献。

  • API调用：用API接口能搜关键词、实体和关系，还能导出标注数据。

  • 批量下载：通过FTP站点能批量下载标注好的文章和摘要。

PubTator最开始是美国国立生物技术信息中心（NCBI）开发的，目的是给生物医学研究人员提供一个好用的文本挖掘工具。后来技术不断更新，功能和性能也变得更强大。