基于元数据的蛋白质组数据资源整合关键技术研究与应用平台开发 ——元数据库及元数据查询工具研究与开发

论文摘要

随着人类基因组计划的实施,生命科学研究已进入后基因组时代,人们基于指数形式增长的核酸、蛋白质序列和结构等数据,开发了数百种不同类型的数据库。这些分布、自治、异构的数据库给研究者对它们的整合应用造成了很大的困难,因此,研究一种通用的分布异构数据源集成方法具有重要意义。本课题以疾病蛋白质组学多实验室合作研究为应用背景,针对多数据源数据集成的共性问题,对蛋白质组学数据资源共享与整合的关键技术进行了研究,提出了通过元数据与本体相结合的方式来解决各数据源之间的结构异构与语义异构问题,从而形成一个逻辑上一致的虚拟中心数据库。基于上述思想,我们提出了一个基于元数据的蛋白质组学数据资源整合的总体方案并设计了一个实现该方案的数据共享与整合平台。基于该方案,我们首先制定了一个适用于多数据源数据集成的公共元数据标准来对各数据源的元数据进行一致化描述,并依照该标准建立了一个存储各数据源元数据的元数据库,与此同时,我们提供了丰富、完善的存储过程以支持对元数据库的访问、管理和维护,并对这些存储过程进行了不同粒度的分类封装以方便用户使用,最后,我们阐述了如何通过本体对元数据的标注将二者进行有机结合以解决各生物数据源之间普遍存在的结构异构和语义异构问题。针对不同用户的不同需求我们设计了几种基于元数据和本体的查询并为用户开发了一个可视化原型工具MetaPro1.0,该工具能够使用户在图形界面的支持下完成元数据的提取与导入、对元仓库的管理与维护以及基于元数据和本体的查询等功能,是平台的一个重要组成部分。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 相关理论研究
• 1.2.1 数据仓库
• 1.2.2 联邦数据库
• 1.3 课题研究内容
• 1.4 论文组织结构
• 第二章 基于元数据的蛋白质组学数据资源整合方案
• 2.1 蛋白质组学数据资源整合的技术难点
• 2.2 基于元数据的数据集成
• 2.2.1 元数据简介
• 2.2.2 元数据集成方案
• 2.2.3 基于元数据的数据集成
• 2.3 基于本体的数据资源的语义描述、一致化映射
• 2.4 基于元数据的蛋白质组学数据资源整合平台
• 第三章 平台元数据库的设计与实现
• 3.1 适用于多数据源数据集成的公共元数据标准
• 3.2 基于CWM 的元数据库
• 3.2.1 数据类型映射
• 3.2.2 类映射
• 3.2.3 关联映射
• 3.2.4 引用映射
• 3.3 元数据库存储实例
• 第四章 元数据库访问接口设计与实现
• 4.1 元数据库存储过程分类
• 4.2 元数据仓库访问接口总体设计
• 4.3 元仓库中存储过程在JAVA 中的分类封装与实现
• 4.3.1 设计原则
• 4.3.2 分类封装接口设计
• 4.3.3 分类封装接口实现
• 4.4 高层访问接口的实现
• 4.4.1 对象级接口的实现
• 4.4.2 JMI 接口的实现
• 第五章 基于元数据和本体的查询
• 5.1 本体对元数据的标注
• 5.2 针对不同用户的查询需求分析
• 5.3 基于元数据的查询
• 5.3.1 对各个数据源元数据的查询
• 5.3.2 对各个数据源数据的查询
• 5.4 基于本体的查询
• 5.5 METAPRO1.0 的设计与实现
• 第六章 工作总结与前景展望
• 6.1 工作总结
• 6.2 前景展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果
• 附录A 公共元数据标准涉及的CWM 包