生物信息学序列库和文献库的.docVIP

生物信息学序列库与文献库的 融合模式浅析1 1本文受中国科学院国家科学图书馆研究生科研项目资助 2杨文 1984年生 硕士研究生 HYPERLINK mailto:邮箱yangw@ 邮箱yangw@。 杨文2 韩涛 孙志茹 （国家科学图书馆，北京100080） 【摘 要】生物信息学发展到后基因组时代，生物学家对信息获取日益提升的需求必然要求科学数据库与科学文献库实现异构数据源的整合，最终达到跨多种异构库知识发现的目的。在分析生物信息学领域已有数据库、整合平台的基础上，归结了目前生物学数据库融合的两种模式：交叉引用模式和集成模式，并总结了目前系统的不足及数据库融合面临的困难，为进一步研究序列库与文献库的融合打下基础。 【关键词】生物信息学 科学数据库 融合 【分类号】G350 Fusion Model Exploration of Sequence Databases and Literature Databases in Bioinformatics Yang Wen Han Tao Sun Zhiru （National Science Library, Beijing 100080） [Abstract] Bioinformatics has developed to post-genomics era.Biologists need an integrated,synchronized and coherent interface to solve particular scientific problems. The fusion of sequence databases and literature databases is very important for knowledge discovery. By analyzing the existing systems,we conclude 2 various fusion model:cross-reference model and integration model,also make a conclusion of the insufficiency of these systems for further research. [Keywords] Bioinformatics Scientific database fusion 生物信息学是随着20世纪80年代末人类基因组计划而发展起来的。它是现代信息科学、计算机科学、生命科学、数学、物理学、化学、统计学等众多学科相互渗透形成的一门边缘学科。人类基因组产生了大量数据，并且随着测序技术的提高，各种数据呈指数增长，这些数据一部分是科学数据，如基因序列、蛋白质序列、蛋白质三维结构、基因图谱等，另外还有很大一部分是文献数据。生物信息学的目的就是利用这些数据来破译遗传密码，揭示生命活动过程的本质。建立生物信息学数据库对于信息的收集、整理、检索及分析起了举足轻重的作用，生命科学研究的深入需要全方位资源的整合，在知识发现、文本挖掘技术发展的今天， 异构数据源之间的整合已提上日程。 1 生物信息学数据库的发展 随着技术的进步与研究需求的变化，生物信息学数据库的发展呈现出以下趋势。 1.1 生物信息学科学数据库 目前生物信息学数据库专业机构主要有：美国NCBI、欧洲EBI、日本CBI、瑞士SIB、美欧日国际核酸序列数据库合作EMBL/DDBJ/GenBank。有调查显示，至2005年，生物信息学数据库总数已达719[1]。早期为满足研究需要而产生的数据库主要由以上组织开发建立，以保存测序结果为目的，主要分为以下几类：核酸序列数据库、蛋白质序列数据库、结构数据库、基因组数据库、特种物种（如果蝇、酵母）基因组库等。为满足检索需求，随之开发了专门的序列查询及分析软件，如BLAST、FASTA等。 1.2 生物信息学数据库整合系统 整合大量异构的生物信息资源，提供方便、高效的获取高质量信息的手段，以及从这些离散的但又互相关联的数据库中分析并挖掘出有用的信息是进行现代生物学研究的前提和关键，也是生物信息学研究非常急迫的问题。为此，许多著名的生物信息中心都开发了他们自己的解决方案，如：英国的SRS，美国NCBI的Entrez，耶鲁大学的E.coli遗传信息数据库体系Genera，日本的基因组数据库网络体系GenomeNet，加拿大的人类基因组联邦数据库GDB，瑞士蛋白质知识库ExPAsy等。其中最为著名的，使用比较广泛的是SRS和Entrez两大系统[2]。 这些系统采取的方法都是建立分散在不同的异构数据库中数据之间的简单链接，可以实现文献与科学数据的同一界面检索。虽然这些数据库本身没有有机地整合在一起，不能实现智