一个基于软件设计模式生物信息存储模式.docVIP

一个基于软件设计模式生物信息存储模式 　　摘 要:为了消除各生物信息学数据库之间的模式异构问题,根据生物信息的存储现状,提出了一种存储模式。该模式从物种、类别、基本信息、功能和测序方法五个方面对数据中的信息进行抽象。运用了软件设计模式的思想,通过“派生”“组装”等面向对象的方法生成与模式对应的XML schema文件。抽象出的存储模式不但能使数据之间的关系更加紧密,而且可以形成交叉索引的完整生物信息体系。 　　关键词:生物信息抽象; 生物数据存储模式; 设计模式; 可扩展标记语言 　　中图分类号:Q811.4文献标志码:A 　　文章编号:1001-3695(2010)07-2598-04 　　doi:10.3969/j.issn.1001-3695.2010.07.055 　　 　　Storage pattern of bio-information based on software design patterns 　　 　　YANG Jin-cai, ZHAO Sen, LIU Xiao-jiao, HU Jin-zhu 　　 　　(Dept. of Computer Science, Huazhong Normal University, Wuhan 430079, China) 　　 　　Abstract:For eliminating the pattern heterogeneous between bio-information databases, this paper proposed a storage pattern according to the current storage status of biological data, which abstracted data information from five aspects, including species, category, basic information, function, and sequencing method. Generated the corresponding XML schema files by using concepts of design patterns and some object-oriented means like “deriving” and “assembling”. This storage pattern can not only make the relationships between biological data more close, also can form a complete biological information system with cross-index. 　　Key words:bio-information abstraction; biological data storage pattern; design patterns; XML 　　 　　目前,越来越多的生物基因(组)已测序完成,生物信息学数据呈指数增长。当前主流的生物信息数据库包括核酸序列数据库(GenBank、EMBL、DDBJ等)、蛋白质序列数据库(PIR、PROSITE等)、三维分子结构数据库(PDB、SCOP等)[1]。由于这些数据库中数据的存储模式千差万别,使得生物信息学数据中存在严重的模式异构现象。模式异构是指同样的生物信息在不同的数据库中采用不同的属性集与不同的结构。因为目前国际上还没有形成生物数据存储模式的统一标准,对于模式异构问题尚无很好的解决方法[2]。关于生物信息学数据的整合也存在大量的讨论和研究,文献[3,4]中阐述了生物信息学数据整合的困难所在。但绝大多数研究都是在现有数据存储模式的基础上加以整合,争取较大限度地对其进行数据挖掘,虽然在一定程度上解决了数据的语法和语义异构,但所得结果并不能完全满足大多数领域学者的要求。本文提出了一种基于软件设计模式思想的生物信息学数据的存储模式SCIFS,其代表从五方面抽象生物信息学数据中所含信息(species,category,information,function and sequencing),能最大程度地解决数据存储的模式异构问题,随之从根本上避免了非同源数据间的语法及语义异构问题。本文使用XML(extensible markup language,可扩展标记语言)描述SCIFS的具体实现。 　　1 生物信息学数据与XML 　　1.1 XML在生物信息学中的应用 　　XML是一种半结构化的数据模型,以一种开放的自我描述方式定义数据结构在描述数据内容的同时能突出对结构的描述