基于工作流的组学数据注释平台的构建-construction of annotation platform for group data based on workflow.docxVIP

第二军医大学硕士学位论文 缩略语表 缩略语 英文名称 中文全称 SOAP Simple Object Access Protocol 简单对象访问协议 REST Representational State Transfer 表述性状态转移 WSDL Web Services Description Language Web 服务描述语言 XML eXtensible Markup Language 扩展标记语言 URI Uniform Resource Identifier 统一资源定位符 Jar Java Archive Java 归档文件 J2EE Java 2 Platform Enterprise Edition Java 2 企业版 SOA Service Oriented Architecture 面向服务架构 GO Gene Ontology 基因本体 GUI Graphical User Interface 图形用户接口 WfMS Workflow Management System 工作流管理系统 - 4 - 独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工 作。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经 发表或撰写过的研究成果。与我一同工作的同志对本课题所做的任何贡 献均已在论文中作了明确的说明并表示谢意。本人承担本声明的法律责 任。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权声明 本人完全了解第二军医大学有关保留、使用学位论文的规定，第二 军医大学有权保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅。本人授权第二军医大学可以将学位论文全 文或部分内容编入《中国学位论文全文数据库》、《中国优秀博硕士学位 论文全文数据库》等数据库进行检索。可以采用影印、缩印或扫描等复 制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书） 学位论文作者签名： 导师签名： 日期： 年 月 日 日期： 年 月 日 基于工 基于工作流的组学数据注释平台的构建 第二军 第二军医大学硕士学位论文 - - PAGE 13 - - - PAGE 10 - (一) 背景 一、 前 言 随着基因组技术的飞速发展，生命科学产生的数据呈指数级增长，逐渐积累的大 量实验数据驱使新的研究这些数据的方法不断涌现。生物信息学作为一门分子生物学 和计算机科学交叉结合产生的新学科，它使用计算机数据库和算法来分析基因和蛋白 质的结构与功能，最终实现对生命现象的解读[1]。在生物信息学领域，为了高效地存 储和管理如此海量的数据资源，大量的生物信息数据库被开发出来，这些数据库为生 命科学研究提供了宝贵的信息资源。 根据其中的核心数据，生物信息数据库可以分为不同的类型，像所有已发表公布 的核苷酸序列、处理过的蛋白质序列；除了这两种基本类型的数据库，还产生了大量 可用的二级数据库，如蛋白质结构，基因或蛋白质具体特征数据库，代谢网络等。另 外，生物信息学社区出现了大量的研究算法、分析程序和工具，这些工具被广泛应用 于序列比对、基因蛋白质结构、蛋白质相互作用、调控元件预测、调控网络、系统生 物学和可视化等多种领域。组学数据注释就是研究如何有效地利用生物信息数据库中 已有的海量信息及算法工具来分析新的生物数据的特征与功能，预测推断其生物学意 义的一种生物信息学分析过程，组学数据注释已经成为目前生物信息学领域一项重要 研究内容[2]。 在面向具体问题的生物信息学分析应用中，一项组学数据注释任务常需要整合多 种数据以及算法工具共同协调完成，解决问题的计算方法需要同时包括信息访问和算 法执行，两者交错在一起[3]。然而，一方面，多数生物信息数据库都是建立在独立的 各种学术或商业机构，其输入输出数据格式都是按照自己的标准（例如，FASTA， Genebank，Xml，ASN.1 等等），使得各数据源间的互操作性差，这种异构性导致数据 库之间的整合工作变得相当困难；另一方面，大量算法工具和软件之间存在较大差异 性、缺乏友好接口和统一标准，导致很多生物学家难以很好地利用这些工具[4]。随着 数据量的急剧增加以及分析过程复杂性的不断提高，再通过手工来创建和管理已经非 常困难，如何高效地整合与管理这些数据和工具，研究构建一种统一的管理平台已经 成为生物信息学一项的重要研究内容，工作流技术是目前解决该类问题的最有效方案 之一。 (二) 国内外研究现状 1、组学数据注释 生物信息学研究工作可以从三个角度来阐述，第一个角度是细胞