توسعه سیستم جستجوی معنایی برای تحلیل داده‌های ژنتیکی

سلام در یک دیتا ست متنی (حدود 100 هزار پاراگراف) که از مقالات مختلف استخراج شده است به دنبال یافتن تعدادی کلیدواژه هستم. حوزه کار در زمینه داده های ژنتیک و ژنومیک هست. به عنوان مثال قصد داریم تا بدانیم آیا در مورد واریانت ژنتیکی مورد نظر ما تا به حال Functional study انجام شده است یا خیر. اگر انجام شده است آیا نتایج نشان دهنده این است که این تغییر ژنتیکی منجر به آسیب به محصول ژن مورد بررسی شده است یا نتیجه منفی بوده است. در این راستا از یک پایگاه داده که محل نگهداری و گزارش واریانت های ژنتیکی هست تمامی کامنت ها و یادداشت ها جمع آوری شده است. در زمان ورود داده در این پایگاه کاربران اگر شواهدی داشته باشند با قراردادن بهشی از یک مقاله علمی (حدود یک پاراگراف) در جهت رد یا تایید این موضوع شئاهدی را در قالب این کامنت ها ارائه کرده اند. تعداد سابجکت هایی که باید به دنبال آنها در این پایگاه داده بگردیم حدود 10 مورد هست و نیاز دارم تا در فاز اول این متون بررسی شود. همچنین در ادامه پروژه (قطعی نیست و بسته به شرایط کار) ممکن ست نیاز داشته باشیم تا پایگاه های مقالات open source را با key word های مشخصی جستجو نموده و در متون کراول شده نیز به دنبال شواهد ذکر شده بگردیم همچنین اگر سوابقی از کار مشابه قبلا انجام شده ممنون میشم این موارد رو هم با من به اشتراک بگذارید سپاس