必看｜關於生物信息資料庫的那些事兒，原來是這樣的

生物學已經積累了相當豐富多樣和複雜的數據。這些數據可以被分類，但相當難於綜合以及用公式進行描述。隨著生物學知識大量增加，要完成對數據的處理只能使用計算機。

國際上已建立起許多公共生物分子資料庫，包括基區組圖譜資料庫、核酸序列資料庫、蛋白質序列資料庫、生物大分子結構資料庫等。

這些資料庫由專門的機構建立和維護，他們負責收集組織、管理和發布生物分子數據，並提供數據檢索和分析工具，向生物學研究人員提供大量有用的信息，最大限度地滿足他們研究和應用的需要，為他們的研究服務。

但是資料庫充斥著生物信息的每個角落，要弄清楚這個主題，首先要解釋一下，在不同場合下「資料庫」的不同含義，主要包含4個方面：

01

資料庫管理系統

DBMSs

資料庫管理系統（Database management systems , DBMSs)是管理數據的軟體系統，比如Oracle、MySQL、PostgreSQL、Sybase、DB2、MS SQL等等，其是資料庫的容器，是管理資料庫綜合軟體系統。

02

資料庫模式

DATABASE SCHEMA

資料庫模式指特定資料庫的設計，也就是其內容的組織方式，就關係型資料庫來說，就是其表、表中的列，以及表之間關係的設計。

其可以在不同的資料庫管理系統中實現，可以重複使用，構建不同的資料庫應用。

03

基於資料庫的網站

DATABASE WEB SITE

常被我稱為資料庫信息系統，其後臺以資料庫作為支撐，所有信息都存儲在資料庫中，通過網頁提供訪問接口，實現對信息的查詢管理，構成一個容易交互的信息系統。生物信息領域內常見的如：sFlyBase (http://flybase.org) ParameciumDB(http://paramecium.cgm.cnrs-gif.fr)等。

常說的生物信息資料庫資源，也通常指的是該類別的資料庫。

04

資料庫

DATABASE

在計算機中，其實任何以某種規則組織在一起的數據集，都可以稱為資料庫，比如經Formatdb格式化的fasta文件，就是Blast程序中所指的資料庫。

不過許多情況下都使用一個資料庫管理系統來組織數據，選擇一個資料庫管理系統，比如MySQL，設計好表、欄位建立資料庫模式，再將相關的數據存放進來，就是一個標準的資料庫。

生物信息學中資料庫模式

對於一個資料庫，資料庫管理系統是現成的，關鍵是學習如何使用，而對於業務本身，最為關鍵的就是資料庫模式的設計，然後才是按照這種方式來組織數據，訪問數據。

資料庫模式的設計關係到資料庫的可擴展性，可維護性，設計的不會有時會非常影響資料庫性能。所以其要符合相關的範式標準。

生物信息學領域，許多問題存在共性，比如基因組資料庫，我們如何來考慮諸多的數據，包括數據的各種屬性，數據之間的關聯設計出符合關係資料庫範式的模式來，是個很有挑戰的事情，即便你是資料庫專家，是生物信息方面的專家。

不過這樣的問題，已經有人給我們解決了，並且經過了很多的實踐，模式得到檢驗，也開發出了很多操作這些資料庫的工具，比如將不同格式的數據導入到資料庫中。

綜合的資料庫模式

1CHADO

GMOD旗下，訪問地址http://www.gmod.org/wiki/Chado，使用Postgres 資料庫管理系統。主要包括的模塊：

Ø Audit – for database audits 審計

Ø Companalysis – for data from computational analysis 數據分析

Ø Contact – for people, groups, and organizations 聯繫人、組、機構

Ø Controlled Vocabulary (cv) – for controlled vocabularies and ontologies 受控詞彙與基因本體

Ø Expression – for summaries of RNA and protein expresssion 基因表達

Ø General – for identifiers 基因功能鑑定

Ø Genetic – for genetic data and genotypes 基因型

Ø Library – for descriptions of molecular libraries 基因文庫

Ø Mage – for microarray data 晶片數據

Ø Map – for maps without sequence 圖譜

Ø Organism – for taxonomic data 物種分類數據

Ø Phenotype – for phenotypic data 表型數據

Ø Phylogeny – for organisms and phylogenetic trees 系統發育樹

Ø Publication (pub) – for publications and references 文獻

Ø Sequence – for sequences and sequence features 序列及其shujkctions 組織樣本資源

2BIOSQL

主頁 http://biosql.org/wiki/Main_Page ，支持MySQL, PostgreSQL, Oracle, HSQLDB等。

BioSQL is a generic relational model covering sequences, features, sequence and feature annotation, a reference taxonomy, and ontologies (or controlled vocabularies).

包含的模塊：

Ø Sequence 序列

Ø Sequence annotation 序列注釋

Ø Phylogeny 系統發育

Ø Publications 文獻

3ENSEMBL

詳細說明參見：http://www.ensembl.org/info/docs/api/funcgen/funcgen_schema.html

領域內的資料庫模式

Ø GFF資料庫，主要用於GBrowse

-Bio::DB::GFF

-Bio::DB::SeqFeature

Ø GO Gene Ontology 基因本體論資料庫，適合對於基因進行GO分類與統計；

Ø Taxonomy NCBI的物種分類資料庫，可以通過下載的DMP文件，反推得到；

Ø PFAM

Ø Gene NCBI基因資料庫

Ø KEGG

Ø SRS

Ø OBDA http://obda.open-bio.org

Ø Pearson Lab databases (seqdb, egads):ftp://ftp.virginia.edu/fastardb/

啟帆醫學BioSCI, 醫路漫漫，啟帆相伴，和小助理一起在科研的海洋裡乘風破浪，在論文的叢林裡百步穿楊，我可以，你也可以！