生物通路对于研究疾病致病性有重要意义,它对于识别药物靶点和改善疾病临床的治疗效果有着指导意义。高通量测序技术的不断完善,使得生物通路数据被大量积累,因此如何从繁杂冗余的数据中有效提取生物通路信息是当下迫切需要解决的难题。当前存在不少生物通路知识库提供给研究人员通路可视化和生物通路检索功能,还有个别的生物通路知识库能够根据各种用户需求提供差异化的通路排序结果,且检索结果能够按照用户习惯动态更新,但是它们检索性能方面还有提升的空间。且它们的可视化展示界面过于单一,图片文字的搭配不够直接,用户很难能够直接提取到有用信息,同时用户还不能够有效的和可视化界面进行交互,而且界面并未提供相应节点的标注等功能。本课题基于以上因素,致力于对生物通路智能检索算法进行研究,寻找到一种高效的检索算法,并将其运用到生物通路智能检索系统的实现中去。本课题参考LETOR设计并实现了由自然语言域、生物通路拓扑域和用户历史行为域组成的生物通路特征空间。优化了正交空间梯度下降算法,研究了使用基于在线学习排序算法以及反事实学习排序算法的优点优化的反事实在线学习排序算法。本实验对比了正交空间梯度下降算法和反事实在线学习排序算法等的在线性能和离线性能,验证了正交空间梯度下降算法综合性能的优越性。使用的数据集为通过模拟用户检索时输入的检索语句以及通过特定规则生成的标签和模拟用户点击结果而生成的仿真数据集。本课题最终采用正交空间梯度下降算法作为生物通路智能检索系统的检索算法。同时实现了生物通路的检索和可视化展示界面,还提供给用户各生物节点的具体信息,生物通路中节点标注、展示不同生物通路布局和统计生物通路信息等功能。大大增加了用户和生物通路检索系统的交互性,增强了用户的体验。