В статье представлен SNAIL — гибридная система распознавания именованных сущностей (NER) для автоматического выявления названий биоинформатического ПО и баз данных (SW/DB) в биомедицинских текстах. Система сочетает лексический анализ (орфографические паттерны и контекстные сигналы) с семантическим моделированием на основе трансформерных языковых моделей, таких как SciBERT, и использует стратегию маскирования токенов для улучшения представлений, ориентированных на сущности. Обучающий корпус был создан автоматически с помощью гибридного конвейера, объединяющего извлечение по цитатам и дистилляцию с использованием больших языковых моделей. Оценка на двух независимых бенчмарках и реальных научных статьях показала, что SNAIL значительно превосходит существующие подходы, включая специализированные методы (bioNerDS2) и универсальные LLM (ChatGPT, Gemini, Grok, Claude). Применение SNAIL к крупномасштабному анализу литературы выявило различия в предпочтениях инструментов на уровне журналов в разных подполях биоинформатики. Результаты демонстрируют, что SNAIL обеспечивает точное и масштабируемое решение для идентификации биоинформатических ресурсов в научных текстах и позволяет проводить систематический мета-анализ использования инструментов и исследовательских трендов.