随着生物医学科技信息数量的快速增长和生命科学研究的交叉发展，生物医学文献知识发现（Knowledge Discovery in Biomedical Literature，KDiBL）已成为生物医学信息学的一个重要研究领域。论文围绕“多能干细胞”（induced Pluripotent Stem Cells，iPSC）这一干细胞研究前沿知识发现的具体需求，基于干细胞领域知识图谱数据，从细粒度、富语义的生物医药信息知识表示、面向主题的知识挖掘及全景式知识可视化展示三个方面出发，以“主-谓-宾”（Subject-Predication-Object，SPO）三元组形式对iPSC领域科技文献中蕴含的知识元进行了深度与组织，挖掘出iPSC影响要素、疾病类型、人体病灶组织和实验对象等多种类型的知识主题，并以语义网络的形式全景式地展示了iPSC领域的知识脉络，包括涉及的重要研究方法、实验技术、细胞器推背图原文官、基因及治疗疾病等。
相关研究工作得到国家社科基金重点项目“面向领域知识发现的学科信息学理论与应用研究”、中科院“十三五”信息化专项“面向干细胞领域知识发现的科研信息化应用”的支持，研究在“the 14th International Conference on Machine Learning and Data Mining”（MLDM 2018）作了大会报告。