基于循证医学和生物信息学的有氧运动干预2型糖尿病的疗效评价与潜在作用机制研究

这是一篇关于有氧运动,2型糖尿病,疗效,潜在作用机制,循证医学,生物信息学的论文, 主要内容为目的:通过文献计量学和可视化分析的方法梳理有氧运动干预T2DM的研究现状、研究热点及前沿动态;系统评价有氧运动干预T2DM的临床疗效;采用文本挖掘和生物信息学方法筛选有氧运动干预T2DM有效作用靶点、信号通路和构建mi RNA-m RNA调控网络,预测有氧运动干预T2DM的潜在作用机制。方法:1.检索近20年来有氧运动干预T2DM的相关文献,将文献导入VOSviewer1.6.19和Cite Space V软件,对文献年发文量、作者、国家/地区、机构、学科领域、文献共被引和关键词等进行文献计量和可视化分析。2.检索国内外数据库,搜集有氧运动干预T2DM的RCTs,对符合纳入标准的临床研究进行质量评价和提取数据资料后,采用Rev Man 5.3和Stata 17.0进行统计分析,评价有氧运动干预T2DM的临床疗效。3.检索国内外数据库,搜集包含有氧运动干预T2DM靶点的相关文献,筛选有氧运动干预T2DM的相关作用靶点并与Gene Cards数据库和Dis Ge NET数据库取交集得到人源性有效作用靶点。然后,将人源性有效作用靶点上传到STRING数据库构建PPI网络并筛选核心作用靶点,使用DAVID数据库进行GO和KEGG功能富集分析。最后,预测上述核心作用靶点的上游mi RNA并构建mi RNA-m RNA调控网络,探讨有氧运动干预T2DM的潜在作用机制。结果:1.文献计量学共纳入中文文献833篇,英文文献4039篇。国内外有氧运动干预T2DM年发文量均呈上升趋势,但国内年发文量均不足国外发文量的五分之一。从发文作者来看,国内以刘霞、孙朋、肖国强和陈祥和为代表的团队发文量较高,国外以Khunti,Kamlesh、Riddell,Michael C、Blair,Steven N和Sigal,Ronald J为代表的团队发文量较高。发文机构主要以大学为主,比如国外的哥本哈根大学和悉尼大学、国内的扬州大学和上海体育学院,除此之外还有一些医院和研究机构等。从发文国家/地区来看,美国的文章数量最多,远高于其他国家,中国和日本是为数不多但极具生产力的亚洲国家。国内外高频关键词主要包括:2型糖尿病、有氧运动、八段锦、胰岛素抵抗、氧化应激、抑郁、高血压等。国内外突现关键词主要包括:生活质量、糖脂代谢、自噬和炎症等。2.Meta分析最终纳入103篇文献,包括44篇英文文献和59篇中文文献。Meta分析结果显示,有氧运动可降低T2DM患者FBG(MD=-1.01,95%CI-1.18～-0.85,P<0.05)、2h PG(MD=-1.50,95%CI-1.91～-1.08,P<0.05)、Hb A1c(MD=-0.68,95%CI-0.82～-0.54,P<0.05)、TC(MD=-0.56,95%CI-0.68～-0.44,P<0.05)、TG(MD=-0.36,95%CI-0.44～-0.29,P<0.05)、LDL(MD=-0.37 95%CI-0.44～-0.29,P<0.05)、SBP(MD=-6.18,95%CI-7.76～-4.59,P<0.05)、DBP(MD=-3.18,95%CI-4.17～-2.19,P<0.05)、INS(SMD=-0.85,95%CI-1.06～-0.63,P<0.05)、HOMA-IR(MD=-1.07,95%CI-1.42～-0.73,P<0.05)、BMI(MD=-1.32,95%CI-1.67～-0.96,P<0.05)和WC(MD=-2.28,95%CI-4.31～-0.25,P<0.05),提高HDL(MD=0.12,95%CI 0.09～0.14,P<0.05)、SF-36PCS(MD=5.67,95%CI 3.81～7.52,P<0.05)和SF-36 MCS(MD=10.00,95%CI8.48～11.52,P<0.05),且差异具有统计学意义。网状Meta分析结果显示,有氧运动在改善T2DM患者血糖、血脂、血压、胰岛素抵抗和肥胖方面分别以网球(SUCRA=97.7)、足球(SUCRA=90.7)、八段锦(SUCRA=89.1)、易筋经(SUCRA=87.6)和太极柔力球(SUCRA=82.4)为最佳干预措施的概率最高。3.通过文本挖掘共得到240个靶点,与Dis Ge NET数据库和Gene Cards数据库取交集后得到191个人源性有效作用靶点。利用cyto Hubba插件自带的Betweenness、Closeness、Degree、EPC和MCC算法分别取得分前20的靶点,将五种算法得分前20的靶点取交集得到10个核心靶点,分别是AKT1、IL1B、IL6、TNF、VEGFA、IGF1、CASP3、TP53、PPARG、STAT3。有氧运动干预T2DM的作用靶点共富集到1094个GO条目和160条信号通路(P<0.05),这些BP主要涉及基因表达的正向调控、老化、凋亡过程的负调控、基因表达的负调控、RNA聚合酶II启动子转录的正向调控、炎症反应、细胞对脂多糖的反应、葡萄糖稳态、凋亡过程的正向调控、细胞对缺氧的反应、细胞对肿瘤坏死因子的反应、蛋白质磷酸化的正向调控和一氧化氮生物合成过程的正向调控等,信号通路主要有脂质与动脉粥样硬化、糖尿病并发症中的AGE-RAGE信号通路、胰岛素抵抗、脂肪细胞因子信号通路、HIF-1信号通路、TNF信号通路、AMPK信号通路、Fox O信号通路、II型糖尿病和胰岛素信号通路等。结论:1.有氧运动干预T2DM的研究层次逐渐深入,逐渐获得更多的认可和关注。研究热点主要包括有氧运动干预T2DM的运动方式、有氧运动干预T2DM的可能机制和T2DM相关并发症的研究,预测T2DM患者生活质量和干预机制相关研究可能成为未来一段时间内的研究热点。2.有氧运动可有效改善T2DM患者的血糖、血脂、血压、胰岛素水平、胰岛素抵抗程度、肥胖和生活质量。在改善T2DM患者血糖、血脂、血压、胰岛素抵抗和肥胖方面各具优劣,分别以网球、足球、八段锦、易筋经和太极柔力球更具优势。3.有氧运动干预T2DM具有多靶点、多通路的特点,其主要通过调控糖脂代谢、细胞凋亡、炎症反应、氧化应激等途径达到治疗目的。

知识结构揭示模型构建与实证研究

这是一篇关于知识结构,揭示模型,知识图谱,知识发现,2型糖尿病的论文, 主要内容为目的:从医学信息学的视角出发,以整合系统化的知识结构研究范式、构建体系化的知识结构揭示模型、形成规范化的知识结构揭示流程为目的,通过构建知识结构揭示模型,探究模型各模块协同机理和整体运行流程。同时,进行2型糖尿病的实证研究,论证揭示模型的科学性、合理性和可操作性,为疾病的预防、诊断、控制、治疗提供决策支持,丰富临床医学证据。方法:首先,通过文献调研法系统详实地对知识结构国内外研究现状进行综述,并对知识结构相关的理论、方法和技术进行评定和阐述;其次,创新性地对知识结构进行了分级,分为低层级、中层级和高层级知识结构,使之对知识结构的研究更有针对性和层次性;同时,归纳提取出“三计学”(文献计量学、科学计量学和信息计量学)对知识结构揭示的两种研究范式:从学科外在特征入手的“表象法”和从学科内容特征入手的“内涵法”。最终构建了知识结构揭示模型——“233-1模型”,梳理出揭示模型的通用的运行流程:数据采集、数据处理和知识结构解读三大步骤。最后,基于知识结构揭示模型和运行流程,以2型糖尿病为知识结构的揭示主体,展现该疾病的动态演化全貌和知识发现过程。基于知识图谱,利用社会网络分析、时间-关键词共现分析、时间切片、主题分类、词频统计等方法进行2型糖尿病动态演化研究;对于2型糖尿病高层级知识结构研究中的知识发现,基于知识图谱,社会网络分析、主题词共现分析,从主题独立性和主题关联性两方面进行。对于主题独立性研究,提出主题相对独立度算法,发现糖尿病肾病和糖尿病视网膜病变的差异性和特异性;对于主题关联性研究,提出主题关联强度算法,挖掘糖尿病肾病和糖尿病视网膜病变的相似性和相关性。结果:⑴构建出以“三计学”模块为基础、社会网络分析模块为支撑、知识结构模块为牵引、知识图谱模块为输出、四大模块交叉融合的知识结构揭示模型——“233-1模型”;⑵探究出揭示模型的运行流程,包括数据采集、数据处理和知识结构解读三大步骤,并对不同层级知识结构进行针对性的说明;⑶揭示出2型糖尿病2002年至2017年15年时间窗内的热度演化全貌,抽取出三个发展时期:平稳期、激增期和递减期,并从两个维度对三个时期内的主要热点进行深入解读;⑷抽取出2型糖尿病4种主题演化类型:持续型、扩张型、消散型和跳跃型,并辅助药物研究进展、治疗手段、作用靶点、发病机制等相关主题文献对各主题演化类型进行深入解读和验证;⑸探索了2型糖尿病知识发现模式:基于主题相对独立度算法和主题关联强度算法,以糖尿病肾病和糖尿病性视网膜病变为例,挖掘出两种微血管病变的差异性和相似性。结论:⑴实证研究依照“233-1模型”和模型运行流程的原理和思路,证明其科学、合理、有效。揭示模型和运行流程完善了知识结构揭示过程,将隐含、抽象的知识结构具象化,形成较为严谨的方法规范和理论范式,为实证研究提供理论支撑,也为从事相关研究的人员提供方法学参考和依据;⑵宏观热度演化从宏观层面上探究某一学科的演化趋势,可以直观、系统地把握某学科领域的历史轨迹和发展路径。基于时间切片和词频统计的微观热度演化则可以深入挖掘各个时期内主要研究热点、次要研究热点和整体的热点演变趋势;⑶通过对主题演化趋势进行分类、可视化呈现和详细解读,可以清晰透彻地揭示出全时间序列2型糖尿病的主题演化状态和演化路径。在先验情况下,通过本研究所采用的热度演化和主题演化方法,可以提前跟踪医学某领域的研究趋势、行业动态、发展脉络等,对于改善治疗方法、追踪国际先进思想和技术、对接行业标准等都有一定促进作用;⑷主题相对独立度算法和主题关联强度算法对于知识发现中的主题独立性性研究和主题关联性研究,具备有效性和可行性。主题独立性研究可以发现两种相似疾病各自的特异性、术式和治疗方案的适应症、治疗手段的专业性指导、药物的适应症等,主题关联性研究可以挖掘疾病的共同治病机制、共同的危险因素,同时能发现潜在的治疗手段。

知识结构揭示模型构建与实证研究

这是一篇关于知识结构,揭示模型,知识图谱,知识发现,2型糖尿病的论文, 主要内容为目的:从医学信息学的视角出发,以整合系统化的知识结构研究范式、构建体系化的知识结构揭示模型、形成规范化的知识结构揭示流程为目的,通过构建知识结构揭示模型,探究模型各模块协同机理和整体运行流程。同时,进行2型糖尿病的实证研究,论证揭示模型的科学性、合理性和可操作性,为疾病的预防、诊断、控制、治疗提供决策支持,丰富临床医学证据。方法:首先,通过文献调研法系统详实地对知识结构国内外研究现状进行综述,并对知识结构相关的理论、方法和技术进行评定和阐述;其次,创新性地对知识结构进行了分级,分为低层级、中层级和高层级知识结构,使之对知识结构的研究更有针对性和层次性;同时,归纳提取出“三计学”(文献计量学、科学计量学和信息计量学)对知识结构揭示的两种研究范式:从学科外在特征入手的“表象法”和从学科内容特征入手的“内涵法”。最终构建了知识结构揭示模型——“233-1模型”,梳理出揭示模型的通用的运行流程:数据采集、数据处理和知识结构解读三大步骤。最后,基于知识结构揭示模型和运行流程,以2型糖尿病为知识结构的揭示主体,展现该疾病的动态演化全貌和知识发现过程。基于知识图谱,利用社会网络分析、时间-关键词共现分析、时间切片、主题分类、词频统计等方法进行2型糖尿病动态演化研究;对于2型糖尿病高层级知识结构研究中的知识发现,基于知识图谱,社会网络分析、主题词共现分析,从主题独立性和主题关联性两方面进行。对于主题独立性研究,提出主题相对独立度算法,发现糖尿病肾病和糖尿病视网膜病变的差异性和特异性;对于主题关联性研究,提出主题关联强度算法,挖掘糖尿病肾病和糖尿病视网膜病变的相似性和相关性。结果:⑴构建出以“三计学”模块为基础、社会网络分析模块为支撑、知识结构模块为牵引、知识图谱模块为输出、四大模块交叉融合的知识结构揭示模型——“233-1模型”;⑵探究出揭示模型的运行流程,包括数据采集、数据处理和知识结构解读三大步骤,并对不同层级知识结构进行针对性的说明;⑶揭示出2型糖尿病2002年至2017年15年时间窗内的热度演化全貌,抽取出三个发展时期:平稳期、激增期和递减期,并从两个维度对三个时期内的主要热点进行深入解读;⑷抽取出2型糖尿病4种主题演化类型:持续型、扩张型、消散型和跳跃型,并辅助药物研究进展、治疗手段、作用靶点、发病机制等相关主题文献对各主题演化类型进行深入解读和验证;⑸探索了2型糖尿病知识发现模式:基于主题相对独立度算法和主题关联强度算法,以糖尿病肾病和糖尿病性视网膜病变为例,挖掘出两种微血管病变的差异性和相似性。结论:⑴实证研究依照“233-1模型”和模型运行流程的原理和思路,证明其科学、合理、有效。揭示模型和运行流程完善了知识结构揭示过程,将隐含、抽象的知识结构具象化,形成较为严谨的方法规范和理论范式,为实证研究提供理论支撑,也为从事相关研究的人员提供方法学参考和依据;⑵宏观热度演化从宏观层面上探究某一学科的演化趋势,可以直观、系统地把握某学科领域的历史轨迹和发展路径。基于时间切片和词频统计的微观热度演化则可以深入挖掘各个时期内主要研究热点、次要研究热点和整体的热点演变趋势;⑶通过对主题演化趋势进行分类、可视化呈现和详细解读,可以清晰透彻地揭示出全时间序列2型糖尿病的主题演化状态和演化路径。在先验情况下,通过本研究所采用的热度演化和主题演化方法,可以提前跟踪医学某领域的研究趋势、行业动态、发展脉络等,对于改善治疗方法、追踪国际先进思想和技术、对接行业标准等都有一定促进作用;⑷主题相对独立度算法和主题关联强度算法对于知识发现中的主题独立性性研究和主题关联性研究,具备有效性和可行性。主题独立性研究可以发现两种相似疾病各自的特异性、术式和治疗方案的适应症、治疗手段的专业性指导、药物的适应症等,主题关联性研究可以挖掘疾病的共同治病机制、共同的危险因素,同时能发现潜在的治疗手段。

2型糖尿病患者的全脑静息态功能连接模式及机器学习研究

这是一篇关于2型糖尿病,轻度认知功能障碍,功能磁共振成像,基于连接体的预测模型,支持向量机的论文, 主要内容为研究背景:基于功能磁共振(functional magnetic resonance imaging,fMRI)获得的全脑功能连接(functional connectivity,FC)模式,或者说大尺度FC模式,代表了大脑各对节点之间巨大的功能交互信息,如同脑指纹,具有高度的独特性、可靠性及稳健性,可用于个体特征和认知功能的识别。目前已经使用FC成功预测个体的行为和认知表型,包括精神疾病、注意能力、创造力、智力能力及治疗结果等。在2型糖尿病(type2 diabetes mellitus,T2DM)、轻度认知障碍(mild cognitive impairment,MCI)及阿尔茨海默病患者中报告了异常的FC模式,一些FC模式可以被认为是评估或识别T2DM相关认知障碍的潜在生物标志物。然而,很少有研究关注大脑脑区之间的交互作用,聚焦全脑尺度,将全脑静息态FC模式与机器学习技术联合用于T2DM的评估。本研究将全脑静息态FC模式结合两种机器学习技术,包括新近开发的基于连接体的预测模型(connectome-based predictive modeling,CPM)和常用的支持向量机(support vector machine,SVM)模型运用于T2DM患者,探究全脑静息态FC模式是否有作为识别特征的潜力来预测T2DM患者的认知功能。研究目的:验证全脑静息态FC模式作为脑指纹的独特性在T2DM中的应用以及研究全脑静息态FC模式在预测T2DM相关认知障碍方面的准确性和可靠性,寻找潜在的预测T2DM相关认知障碍的神经影像生物学标志物。研究方法:收集来自唐都医院放射科42名T2DM患者(其中包括16名伴有轻度认知障碍的T2DM(T2DM-C)及26名不伴有认知障碍的T2DM(T2DM-NC))和24名健康参与者(Health Control,HC)的静息态fMRI图像以及临床统计学资料,包括年龄、性别、教育程度、血糖水平及认知抑郁焦虑量表评分等。这些被试的受试者的认知功能评估采用蒙特利尔认知评估(Montreal Cognitive Assessment,MoCA)以及简易精神状态检查量表(Mini-Mental State Examination,MMSE)来界定。使用两种脑图谱模板,包括基于功能模块规划的Power-264脑图谱模板及基于解剖结构规划的解剖学自动标记(Automated Anatomical Labeling,AAL-116)脑图谱模板来标记全脑,将全脑分为264个或116个感兴趣区,即264个或116个大脑节点我们使用Pearson相关分析来计算全脑范围内任何两个脑区的平均时间序列,利用Fisher’s r-to-z变换将相关系数r转换为z值。对于每个参与者,会得到一个n×n(Power-264脑图谱模板:n=264;AAL脑模板:n=116)的脑功能连接对称矩阵,然后使用两种机器学习算法,一种是新近开发的CPM算法,用来识别T2DM患者的MoCA评分,另外一种是常用的SVM算法,用来实现三个组的两两分类,从机器学习角度来探索与T2DM相关认知障碍的脑功能连接性网络标志物。研究结果:1.T2DM-NC、T2DM-C和HC人群的临床和人口统计学特征。三组当中,男性人数显著多于女性。其他数据如收缩压、舒张压、年龄、性别分布、体重指数(body mass index,BMI)、自评焦虑量表(self-rating anxiety scale,SAS)、自评抑郁量表(selfrating depression scale,SDS)、总胆固醇、甘油三酯、尿微量白蛋白及糖尿病病程在三组间均无显著性差异。与T2DM-C人群相比,T2DM-NC人群和HC组受教育程度(P值分别为P=0.040,P=0.015)、MMSE得分(P值分别为P<0.001,P=0.002)、MoCA得分(P值分别为P<0.001,P=0.001)较高。T2DM-NC人群和HC人群在受教育程度、MMSE评分和MoCA评分方面无显著差异。与HC人群相比,T2DMC人群及T2DM-NC人群的糖化血红蛋白(Glycosylated hemoglobin A1c,Hb A1c)(P<0.001)、高密度脂蛋白胆固醇(high-density lipoprotein cholesterol,HDL-C)(P值分别为P=0.005,P=0.006)、空腹血糖(fasting blood glucose test,FBG)(P值分别为P=0.001,P<0.001)、腰臀比(waist-to-hip ratio,WHR)(P值分别为P=0.017,P=0.002)均高于HC人群。T2DM-C人群和T2DM-NC人群组间Hb A1c、HDL-C、FBG、WHR水平无显著差异。2.CPM预测MoCA评分结果:基于fMRI数据,我们发现基于正网络强度的CPM可以显著预测T2DM人群的MoCA得分(预测和观察到的MoCA得分之间的Pearson相关性,r=0.32,P=0.0078[AAL-116脑模板];r=0.42,P=0.0038[Power-264脑模板])。然而,在负网络模型中,预测并不显著,无统计学意义。我们将这些预测MoCA得分最具有判别力的静息态FC投影到相应的子网络中,发现对于264脑模板来说,主要分布在默认模式网络(default modern network,DMN)、视觉网络(Visual network,VN)、躯体感觉运动——手(Sensory/somatomotor Hand,SSH)及躯体感觉运动——嘴(Sensory/somatomotor Mouth,SSM);而对于116脑模板来说,预测效果最佳的静息态FC主要分布在边缘系统、DMN、VN、基底节(basal ganglion,BG)、感觉运动网络(sensory-motor network,SMN)及小脑网络。3.SVM两两分类结果:我们使用留一交叉验证选择了375个功能连接。尽管SVM模型在三组两两类分类中效果不佳,但使用375个排名最高的功能连接,在T2DM-C/T2DM-NC组之间获得了较高的表现(Power-264脑模板:曲线下面积(area under the curve,AUC)=0.70,特异性=0.63,敏感度=0.77,P=0.0160;AAL-116模板:AUC=0.65,特异性=0.69,敏感度=0.65,P=0.0556)。我们将这些区分T2DMC与T2DM-NC最具有判别力的静息态FC投影到相应的子网络中,发现分类效果最好的静息态FC主要分布在DMN、VN、SSH、SSM、额顶任务控制网络(Frontoparietal Task Control,FPTC)及扣带回-岛盖控制网络(Cingulo-opercular Task Control,COTC)(Power-264脑模板);边缘系统、BG、小脑及DMN(AAL-116脑模板)。研究结论:全脑静息态FC模式提供了基于神经成像的丰富且可靠的信息,本研究使用两种机器学习算法CPM及SVM方法来探索T2DM相关认知障碍的全脑静息态FC模式及预测脑网络,包括穿越DMN、VN、SMN、边缘系统、BG、小脑、FPTC以及COTC的连接,这些连接可以预测T2DM患者的MoCA评分,并可能成为T2DM患者整体认知状态的潜在神经影像生物标志物。此外,未来仍需更多的多中心大样本纵向横向相结合的研究来验证全脑静息态FC作为脑指纹的潜力在诊断T2DM相关认知障碍的有效性,为将来实现有效的临床转化提供坚实的理论基础,对传统神经认知评估方法进行补充,促进T2DM患者早期无创且有效的诊断及预防,减轻个人、家庭乃至社会的负担及压力。因此,我们的工作可能为未来研究全脑静息态FC作为T2DM相关认知障碍脑指纹以及识别出预测脑网络的潜在用途奠定了基础,并为CPM在预测T2DM认知障碍方面的有效性提供了证据,展现其在识别认知能力下降风险方面的潜力。

基于学习深度学习的2型糖尿病知识图谱的构建

这是一篇关于2型糖尿病,知识图谱,深度学习,命名实体识别,实体关系抽取的论文, 主要内容为2型糖尿病属于糖尿病的一种最主要分类,在所有糖尿病患病人群中,2型糖尿病患者能占到9成以上的比例。截止到2021年,我国已经有将近1亿4千万糖尿病患者,是全球糖尿病患者数量最多的国家,其中基本上都是2型糖尿病患者,尤其是老年患者居多,且患病人群的年龄也越来越年轻。2型糖尿病还会引发多种并发症,其并发症导致的死亡率和致残率非常高,2021年全球大约有670万人死于糖尿病及其并发症,相当于每5秒就有一个糖尿病人死去。目前2型糖尿病患者的治疗主要依靠自我防治。因此,对2型糖尿病预防治疗知识的宣传教育和合理利用显得尤为重要。本文以瑞金医院提供的糖尿病开源数据集为基础,利用深度学习的方法构建了2型糖尿病的医学知识图谱。本文构建的2型糖尿病知识图谱能够实现从专业的医疗文献或者其它相关的医疗文本中提取2型糖尿病的相关知识,并将提取的知识进行存储,获得包含2型糖尿病防治等相关知识的语义知识库,最终实现对2型糖尿病防治知识的智能分析和利用。本文通过命名实体识别、实体关系抽取和知识存储这三个主要任务来构建2型糖尿病知识图谱。本文首次在2型糖尿病知识图谱的命名实体识别任务中构建基于ELECTRA-CRF模型的命名实体模型,对瑞金医院的糖尿病数据集中的疾病名称、检测方法、治疗方法和药品名称等15类实体进行了自动识别,以实体识别的准确率、召回率和F1值作为模型评价标准,分别与BERT-CRF模型和Bi LSTM-CRF模型进行对比实验,结果显示本文构建的ELECTRA-CRF模型取得了更好的实体识别效果,且ELECTRA-CRF模型能够在更短的时间内取得更好的训练效果。在实体关系抽取任务中,本文构建了基于注意机制的AGGCN模型进行实体关系抽取,并和PA-LSTM模型、C-GCN模型和SDP-LSTM模型进行实验效果的比较,实验结果表明本文构建的AGGCN模型在2型糖尿病数据集中具有更好的实体关系抽取效果。在知识存储任务中,本文利用Neo4j图数据库存储抽取的实体和实体关系,完成2型糖尿病知识图谱的构建。最后,构建好的2型糖尿病知识图谱可进一步为不同场景下的医疗系统提供可靠的数据支持。对2型糖尿病患者的诊断预防、用药指导和康复治疗等都有积极意义。