在生物医学领域，萃取生物学关系的方法主要集中在几种有限的关系类型上，而不是多实体间的关系，如基因、疾病、药物、复合物、代谢物、酶和解剖学词汇等。这些方法挖掘得到的关系缺少实体的注释信息。本文提出了一个新的基于关系模式从医学文献中萃取多实体间关系的方法。　　 本文用自动模式扩展方法，从180，000个摘要中萃取了172个普遍的关系模式，每个模式都包含两个生物学实体，注释信息以及一个关系动词。当应用这些关系模式萃取生物学关系时，可以得到92.5％的正确率，81.8％的覆盖率和86.8％的F-score。鉴于这样良好的结果，本文萃取了包含基因、疾病、药物、酶，代谢物、复合物和解剖学词汇之间的生物学关系，并构建了医学关系数据库(MRDB)进行存储。最后，本文综合分析了所挖掘得到的基因-疾病-药物之间生物学关系，发现与特定疾病相关的基因在基因-基因网络中更倾向于紧密连接。与特定基因相关疾病或药物在疾病-疾病网和药物-药物网络中也有同样的趋势。　　 综上所述，每个普遍的模式都能匹配多种类型实体间的关系。注释的信息能够使挖掘得到的实体更加可读和完整。因此，本文提出的方法比已有的实体关系挖掘方法更加适合表示多类型实体间的关系。通过分析多实体混合网络，本文发现与某实体相连的其它实体更加倾向于紧密连接。因此，混合生物网络中实体间的连通性可以作为实体关联预测的新测度。