基因数据仓库及其应用研究-计算机软件与理论专业论文.docxVIP

复旦大学硕士论文摘要 复旦大学硕士论文 摘要 目前世界上的生物信息数据库种类繁多，数据量大，为生物学家提供了丰富 的研究资料。但一方面由于这些不同数据源固有的特点，使得数据共享、数据交 流变得极其困难，而生物学家要同时访问多个数据源时也非常不方便；另一方面， 急速增长的生物分子数据为提炼和归纳新的生物学知识提供了有利条件，但在现 有生物信息学数据库基础上，要揭示生物分子数据内涵，进行综合的数据分析几 乎不可能。 本文的目标是研究生物信息数据仓库技术，并在此基础上建立～个统一的基 因数据仓库平台，主要的工作包括： 1．在分析当前生物数据库特点的基础上提出了使用生物信息数据仓库技术 来集成生物信息数据库的模型。讨论了生物信息数据仓库的特点、系统结构、主 题选取、数据组织等诸多问题。这不是对数据仓库技术的简单应用，而是结合生 物数据和生物研究的特点，提出了和一般数据仓库技术不一样的生物信息数据仓 库的构建原则和思路。 2．研究了生物信息数据仓库中源数据的抽取转换和知识的动态获取问题。 分析了源数据的常用格式，设计了相应的源数据抽取转换算法，并实现该算法为 一个数据抽取一转换模块；讨论了生物信息数据仓库中的动态知识获取问题，给 出了一个较好的分配、集成策略，并动态地从本地或者外部数据源获取知识。。 3．考虑到生物学家的普遍需求，本文利用上述生物信息数据仓库技术和两 个工具模块。构建了一个基于疾病的基因数据仓库BioWorld，BioWorld从多个不 同的生物信息数据库中集成了包括基因、蛋白质、DNA、疾病、文献在内的数 据，并提供了丰富的WEB检索功能。 4．本文还对mRNA--级结构和停止子约束下的蛋白质相似性搜索的复杂性 进行了分析，证明了该问题NP完备性，并设计了一个时间复杂度低，最优近似 比比较好的近似算法。在这个近似算法的基础上，开发了一个蛋白质相似性搜索 工具MRSO．Tool，对BioWorld进行了发展。 本文所做的工作可以为生物信息数据集成提供一种方法和一些工具，为生物 学家和生物信息工作者提供统一的研究平台，促进信息共享，推动基因分析技术 更快地发展。将数据仓库技术的思路应用于生物信息数据库，充分利用数据仓库 复旦大学硕士论文适合数据挖掘以及决策分析的优点，将不同数据库中彼此联系的信息整合在一 复旦大学硕士论文 适合数据挖掘以及决策分析的优点，将不同数据库中彼此联系的信息整合在一 起，从而方便了对生物数据的数据挖掘，从纷繁的海量数据中提炼出有用的信息。 【关键词】：生物信息数据仓库； 动态知识获取； 基因；相似性搜索。 II 复旦大学硕士论文Abstract 复旦大学硕士论文 Abstract With the rapid development of bioinformatics，large volumes of biology databases have been available，providing rich resource for biologists．However，it i very difficult to share information due to the characteristics of these data sources．It iS also inconvenient for biologists to query multiple databases simultaneously．On the other hand， the increasing data in biology enable the possibility to extract and induce new knowledge about biology from these data．However it iS impossible to analyze data the basis of existing database technology． The objective of thi S thesi is to construct a uniform gene data warehouse．Our contribution can be summarized as： 1)．After having ana]yzed the characteristics of current bio—databases，this thesis proposed an approach of combining the technology of data warehousing wi th the characteristiCS of bioinformatiCS to manage biO-data．The