PubMed数据库作为最流行的文献检索数据库。本身提供了很多供用户使用的检索功能，关键词筛选机制。今天给大家介绍一个在R中进行PubMed数据库挖掘的工具包RISmed。其实这个包主要是利用了NCBI提供的API进行功能的封装，操作的简化。更多的详细参数参数可以参见：https://www.ncbi.nlm.nih.gov/books/NBK25499/。另外一个包则是主要进行对pubmed数据库中检索的结果进行进一步的标准化和拆分，主要涉及有摘要英文文本分词、词频统计的功能，摘要内文本基因名的频率统计的功能。首先我们先看下包的安装：

我们直接通过实例来进行对包中的功能进行演示：

1. 关键词的检索功能。需要用到函数EUtilsSummary()，其中query参数指的是需要检索的关键词，关键词的规则和在PubMed中的一致；db指的是在MCBI中 的数据库，当然不限于PubMed；retmax用于设置最大获取量，默认的最大值1000，所以需要根据结果进行设置；mindate和maxdate分别设定检索的开始时间和结束时间。接下来直接看下实例：

2. 获取上面结果的详细信息。需要用到函数EUtilsGet()。其可以获取文章的所有相关信息，包括PMID（PMID），标题（ArticleTitle），摘要（AbstractText），接收时间（YearAccepted），杂志（Title），文章类型（PublicationType），DOI（DOI），国家（Country），单位（Affiliation）等。我们直接看下实例：

至此，通过RISmed包通过关键词获得了我们想要的数据结果.接下来就是对文本的挖掘。在这里需要用到包pumed.mineR。首先需要搞清楚如何将上面的结果和此包进行对接。在这里用到了S4的一个R的类，这个类主要是两个包之间进行数据传递的纽带。在pumed.mineR中，有一个Abstracts的类，其中包含了Journal，Abstract和PMID三个数据。我们需要将其和前面的数据进行对接并对类进行实例化。直接看实例：

接下来就是对文本数据进行分析，首先进行摘要的分词处理及可视化：

然后是相关的基因的频率展示：

至此我们对PubMed数据库中的122451篇文献的摘要进行了分词和基因频率的展示。

欢迎大家学习交流！