專利名稱：生物分子數(shù)據(jù)的高效共享方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種數(shù)據(jù)的高效共享方法。
背景技術(shù)：
生物多樣性是生物的基本屬性，可以從分子、細(xì)胞、生物個(gè)體等不同的方向進(jìn)行研究。隨著測(cè)序技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，產(chǎn)生了海量的生物分子數(shù)據(jù)。由于生物分子領(lǐng)域的復(fù)雜性，使得該領(lǐng)域的研究呈現(xiàn)出周期長(zhǎng)、研究結(jié)果復(fù)雜、研究難度大、數(shù)據(jù)量大等特點(diǎn)。 目前，世界上成千上萬的研究者對(duì)生物分子進(jìn)行過研究，為了保存研究得到的結(jié)果數(shù)據(jù)，以及有利于世界各地的研究者相互借鑒研究成果和長(zhǎng)期持續(xù)性的研究，就需要對(duì)結(jié)果數(shù)據(jù)進(jìn)行組織操作，即功能描述、調(diào)整順序、修補(bǔ)剪切、存儲(chǔ)等操作。由于不同的研究者采用的計(jì)算機(jī)系統(tǒng)千差萬別，對(duì)不同功能軟件的熟知程度業(yè)不同，用于加工生物分子數(shù)據(jù)的軟件數(shù)據(jù)結(jié)構(gòu)也千差萬別，因此產(chǎn)生了大量存儲(chǔ)于不同計(jì)算機(jī)系統(tǒng)的不同類型和格式的生物分子數(shù)據(jù)，為共享生物分子數(shù)據(jù)帶來了巨大的麻煩。例如科學(xué)家1在A研究中通過某種手段，得到了某生物物種1號(hào)染色體的研究結(jié)果--1號(hào)染色體的生長(zhǎng)基因數(shù)據(jù)，該研究結(jié)果按照NCBI (美國(guó)國(guó)立生物信息數(shù)據(jù)中心)推薦的GenBank數(shù)據(jù)描述格式或數(shù)據(jù)結(jié)構(gòu)描述后，以文件的形式提交到NCBI數(shù)據(jù)庫發(fā)布?？茖W(xué)家2在B研究中通過某種手段，得到了該生物物種2，3號(hào)染色體的研究結(jié)果一2，3號(hào)染色體的生長(zhǎng)基因數(shù)據(jù)，該研究結(jié)果按照EMBL(歐洲生物信息數(shù)據(jù)中心)推薦的EMBL數(shù)據(jù)描述格式進(jìn)行描述后，以文件的形式提交到EMBL數(shù)據(jù)庫發(fā)布。科學(xué)家3在C研究中，希望使用科學(xué)家1和科學(xué)家2的研究成果進(jìn)行后續(xù)研究。但是科學(xué)家1和科學(xué)家2的研究結(jié)果被提交到了兩種不同的計(jì)算機(jī)系統(tǒng)中的數(shù)據(jù)結(jié)構(gòu)不同的數(shù)據(jù)庫中，由于上述數(shù)據(jù)庫的數(shù)據(jù)描述格式，即數(shù)據(jù)結(jié)構(gòu)存在差異，科學(xué)家3需要花費(fèi)大量的時(shí)間解析上述科學(xué)家1和科學(xué)家2存儲(chǔ)在NCBI數(shù)據(jù)庫和EMBL數(shù)據(jù)庫中的數(shù)據(jù)文件，無法直接參考利用上述來源于不同數(shù)據(jù)庫的相關(guān)數(shù)據(jù)文件進(jìn)行后續(xù)的分析研究。即使科學(xué)家針對(duì)采用不同數(shù)據(jù)結(jié)構(gòu)的生物分子數(shù)據(jù)文件編制不同的數(shù)據(jù)解析程序自動(dòng)完成文件中數(shù)據(jù)的解析，由于解析程序的相對(duì)獨(dú)立性，也難以從整體上提高數(shù)據(jù)解析速度且實(shí)現(xiàn)方案麻煩， 同時(shí)數(shù)據(jù)共享效率仍然沒有提高，這給科學(xué)家3的研究帶來了困難。可見，現(xiàn)有的用于組織分子生物數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)復(fù)雜多樣，要使用采用這些數(shù)據(jù)結(jié)構(gòu)組織起來的數(shù)據(jù)，就要了解具體的數(shù)據(jù)結(jié)構(gòu)，顯然，要了解大量復(fù)雜的數(shù)據(jù)結(jié)構(gòu)才能解析和使用其組織的數(shù)據(jù)，會(huì)極大限制生物分子數(shù)據(jù)的數(shù)據(jù)處理速度和降低數(shù)據(jù)共享效率。

發(fā)明內(nèi)容
本發(fā)明要解決的問題在于，提供一種能夠高效共享生物分子數(shù)據(jù)的生物分子數(shù)據(jù)的高效共享方法。本發(fā)明提供的生物分子數(shù)據(jù)的高效共享方法實(shí)施例，包括選擇每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段；
組合所述字段，直到每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段都被選擇；按照所述字段表達(dá)信息的邏輯排列組合所述字段，形成新的字段集合；用所述集合中的字段生成生物分子數(shù)據(jù)文件的新數(shù)據(jù)結(jié)構(gòu)。使用擁有所述新數(shù)據(jù)結(jié)構(gòu)的新生物分子數(shù)據(jù)文件承載讀取到的生物分子數(shù)據(jù)文件中的數(shù)據(jù)。按照本發(fā)明實(shí)施例提供的方法，無論現(xiàn)有的生物分子數(shù)據(jù)文件采用的數(shù)據(jù)結(jié)構(gòu)有多么不同以及數(shù)量有多少，由于構(gòu)成新數(shù)據(jù)結(jié)構(gòu)的字段集合以現(xiàn)有的生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)為基礎(chǔ)，都可以將不同生物分子數(shù)據(jù)文件的內(nèi)容自動(dòng)統(tǒng)一到新的文件中，由于新文件的數(shù)據(jù)結(jié)構(gòu)具有預(yù)先設(shè)定的特性，這樣就能預(yù)先編制基于新數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)處理程序，對(duì)每一種生物分子數(shù)據(jù)文件進(jìn)行解析，因此可以加快生物分子數(shù)據(jù)文件的解析速度，解析數(shù)據(jù)時(shí)也無需再考慮現(xiàn)有的生物分子數(shù)據(jù)文件采用的數(shù)據(jù)結(jié)構(gòu)，通過統(tǒng)一來源不同、數(shù)據(jù)結(jié)構(gòu)不同的生物分子數(shù)據(jù)文件，將雜亂無章的生物數(shù)據(jù)轉(zhuǎn)換為易于操作的通用數(shù)據(jù)結(jié)構(gòu)，有利于背景不同，水平不同的生物分子研究者都能從已有的生物分子數(shù)據(jù)文件中，獲取自己所需的信息，從而進(jìn)一步提高了生物分子數(shù)據(jù)的數(shù)據(jù)處理速度和數(shù)據(jù)共享效率。


下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明。圖1是本發(fā)明所述方法的第一實(shí)施例的步驟流程圖；圖2是本發(fā)明所述方法的第一實(shí)施例的步驟流程圖。
具體實(shí)施例方式在計(jì)算機(jī)領(lǐng)域，通常根據(jù)被組織數(shù)據(jù)的特性，構(gòu)建用于組織所述數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu) (也可稱為數(shù)據(jù)模型或數(shù)據(jù)格式)，當(dāng)使用該數(shù)據(jù)結(jié)構(gòu)組織數(shù)據(jù)完畢后，就會(huì)以文件的形式將這些數(shù)據(jù)存儲(chǔ)起來。在共享由不同數(shù)據(jù)結(jié)構(gòu)組織的生物分子數(shù)據(jù)時(shí)，為了消除承載生物分子數(shù)據(jù)的文件所采用數(shù)據(jù)結(jié)構(gòu)的大數(shù)量和復(fù)雜性，本實(shí)施例以其它各種已知生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)為基礎(chǔ)，根據(jù)客觀上存在的生物分子數(shù)據(jù)的特點(diǎn)，構(gòu)建新的有利于共享生物分子數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)，即用于組織生物分子數(shù)據(jù)的新計(jì)算機(jī)模型，從而將各種來源不同的生物分子數(shù)據(jù)組織起來存儲(chǔ)為生物分子數(shù)據(jù)文件，供研究者共享使用。按照?qǐng)D1所述的第一實(shí)施例的流程，可以看出該實(shí)施例主要包括四個(gè)主要的步馬聚ο首先在步驟1，選擇每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段。這里所述的生物數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)已被預(yù)先研究清楚，因此可以從生物分子學(xué)的角度確定其中有意義的字段。由于研究?jī)?nèi)容、深度、生物多樣性等的差異，不同生物分子數(shù)據(jù)文件數(shù)據(jù)結(jié)構(gòu)的復(fù)雜度、結(jié)構(gòu)也有較大的差異。例如具體數(shù)據(jù)結(jié)構(gòu)的字段數(shù)量、字段表達(dá)數(shù)據(jù)的含義都不相同，所述有意義的字段，就是從生物分子研究的共性出發(fā)，選擇出有信息價(jià)值的字段， 這樣才能在后續(xù)的步驟中，組織出來有利于持續(xù)研究、有共享價(jià)值的生物分子數(shù)據(jù)。無價(jià)值的字段，例如標(biāo)示個(gè)人研究進(jìn)程的字段會(huì)因人而異，對(duì)于后續(xù)的研究來說，就沒有意義，此外還有數(shù)據(jù)存儲(chǔ)進(jìn)入文件的順序編號(hào)字段等。需要說明，本實(shí)施例適用于采用二維表式的
4數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)，也適用于采用文本結(jié)構(gòu)，即.TXT結(jié)構(gòu)的文件。對(duì)于.TXT文件，如果某一行字符沒有標(biāo)識(shí)生物分子數(shù)據(jù)的關(guān)鍵字，就是無意義的行，即無意義的字段，其中，關(guān)鍵字即為字段名。對(duì)于步驟1確定的每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段，在步驟 2組織起來，即將這些字段按照選擇的順序組合成字段組，直到每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段都被選擇。在步驟3按照所述字段表達(dá)信息的邏輯排列組合所述字段組中的字段，形成新字段集合。本實(shí)施例在構(gòu)建新的數(shù)據(jù)結(jié)構(gòu)時(shí)，按照生物分子數(shù)據(jù)的特點(diǎn)，對(duì)新的字段集合中的字段進(jìn)行重新排列和組合。所述排列組合的依據(jù)，在于生物分子數(shù)據(jù)自身客觀上存在的邏輯關(guān)聯(lián)，也就是說，如果字段表達(dá)的生物分子數(shù)據(jù)之間具有關(guān)聯(lián)性，就認(rèn)為這些字段具有邏輯關(guān)系，即這些字段表達(dá)的生物分子數(shù)據(jù)客觀上存在邏輯關(guān)聯(lián)。這些邏輯關(guān)聯(lián)使排列組合后字段的數(shù)據(jù)順序具有下述關(guān)系，順序排列在先的字段是在后字段的基礎(chǔ)，這樣有利于用有限的數(shù)據(jù)表達(dá)更多的信息，從而能夠取得使用較少數(shù)據(jù)提供較多信息的技術(shù)效果，進(jìn)而獲得較多的信息量而較少的存儲(chǔ)空間占用的技術(shù)效果，這方面的例子在以后的文字中舉例說明。所述組合式指對(duì)表達(dá)不同，但字段內(nèi)容本質(zhì)相同的字段合并，具體的合并按照數(shù)據(jù)的意義完成，實(shí)際中有多種具體的實(shí)現(xiàn)方式，例如先獲得第一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段，形成字段組；對(duì)于獲得的第二種以及以后的每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段，將與字段組中的字段不相同的字段補(bǔ)充進(jìn)入字段組。本發(fā)明實(shí)施例提供的這種較少數(shù)據(jù)量表達(dá)較多信息的方案，以及新的數(shù)據(jù)結(jié)構(gòu)能夠涵蓋現(xiàn)有的生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)，在共享該生物數(shù)據(jù)文件的數(shù)據(jù)時(shí)，可以不用考慮被共享的生物數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)，因此采用本發(fā)明實(shí)施例能夠達(dá)到高效共享生物分子數(shù)據(jù)的技術(shù)效果，解決了研究者遇到存儲(chǔ)于不同計(jì)算機(jī)系統(tǒng)、采用不同數(shù)據(jù)結(jié)構(gòu)的生物分子數(shù)據(jù)文件無法方便操作和分析研究的問題。順便說，本實(shí)施例特別適用于組織數(shù)據(jù)量較大的生物數(shù)據(jù)文件的數(shù)據(jù)，如果文件中順序排列在先的數(shù)據(jù)需要排列在后的數(shù)據(jù)的解釋，為了共享數(shù)據(jù)的高效率，要么花費(fèi)大量的時(shí)間調(diào)整或查詢需要的數(shù)據(jù)，要么依賴數(shù)據(jù)的冗余解決該時(shí)間花費(fèi)大的問題，而采用本實(shí)施例恰好能夠解決該問題。本步驟的最大意義在于利用了數(shù)據(jù)本身的邏輯特性，提高組織數(shù)據(jù)的效率，即用較少的數(shù)據(jù)表達(dá)較多信息的問題，和提高共享數(shù)據(jù)的效率。接著在步驟4用新字段集合生成生物分子數(shù)據(jù)文件的新數(shù)據(jù)結(jié)構(gòu)，即生成能夠用于共享現(xiàn)有的生物分子數(shù)據(jù)文件中數(shù)據(jù)的文件。最后在步驟5使用擁有所述新數(shù)據(jù)結(jié)構(gòu)的新生物分子數(shù)據(jù)文件承載讀取到的生物分子數(shù)據(jù)文件中的數(shù)據(jù)。本實(shí)施例中，步驟5按照下述子步驟實(shí)現(xiàn)首先讀入需要共享的生物分子數(shù)據(jù)文件到計(jì)算機(jī)內(nèi)存中，接著判斷該生物分子數(shù)據(jù)文件采用的數(shù)據(jù)結(jié)構(gòu)能否被正確識(shí)別，如果不能，反饋無法識(shí)別信息，結(jié)束操作，否則使用新生物分子數(shù)據(jù)文件數(shù)據(jù)結(jié)構(gòu)與讀入到計(jì)算機(jī)內(nèi)存中的生物分子數(shù)據(jù)文件數(shù)據(jù)結(jié)構(gòu)的字段對(duì)應(yīng)關(guān)系，將該文件中數(shù)據(jù)結(jié)構(gòu)字段的數(shù)據(jù)對(duì)應(yīng)填充到新生物分子數(shù)據(jù)文件數(shù)據(jù)結(jié)構(gòu)相應(yīng)字段對(duì)應(yīng)的數(shù)據(jù)空間。判斷生物分子數(shù)據(jù)文件采用的數(shù)據(jù)結(jié)構(gòu)能否被正確識(shí)別，可以通過文件的擴(kuò)展名或文件內(nèi)容中的特殊標(biāo)識(shí)完成，此不贅述。
下面以.TXT生物分子數(shù)據(jù)文件的共享為例說明圖1所示實(shí)施例。.TXT文件的內(nèi)容通常為下述形式第一行文字?jǐn)?shù)據(jù)；第二行文字?jǐn)?shù)據(jù)；第三行文字?jǐn)?shù)據(jù)；......·第N行文字?jǐn)?shù)據(jù)。其中，第一行文字?jǐn)?shù)據(jù)為該生物分子數(shù)據(jù)文件的首行，用于描述該生物分子數(shù)據(jù)文件第二行到第N行文字?jǐn)?shù)據(jù)的結(jié)構(gòu)和含義。第二行文字?jǐn)?shù)據(jù)到第N行文字?jǐn)?shù)據(jù)用于描述該生物分子文件的具體生物分子信息。例如，采用GenBank數(shù)據(jù)結(jié)構(gòu)的生物分子文件的實(shí)例數(shù)據(jù)在計(jì)算機(jī)中以.TXT文件的形式保存，其首行文字?jǐn)?shù)據(jù)為L(zhǎng)OCUS LISOD 756 bp DNA linear BCT 30-JUN-1993 ；第二行之后數(shù)據(jù)為DEFINITION Listeria ivanovii sod gene for superoxide dismutase ；KEYWORDS sod gene ；superoxi de dismutase ；ACCESSION X64011 S78972 ；其中，首行文字?jǐn)?shù)據(jù)的含義為
權(quán)利要求
1.一種生物分子數(shù)據(jù)的高效共享方法，其特征在于選擇每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段；組合所述字段，直到每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段都被選擇；按照所述字段表達(dá)信息的邏輯排列組合所述字段，形成新的字段集合；用所述集合中的字段生成生物分子數(shù)據(jù)文件的新數(shù)據(jù)結(jié)構(gòu)；使用擁有所述新數(shù)據(jù)結(jié)構(gòu)的新生物分子數(shù)據(jù)文件承載讀取到的生物分子數(shù)據(jù)文件中的數(shù)據(jù)。
2.如權(quán)利要求1所述的方法，其特征在于按照下述步驟使用所述新數(shù)據(jù)結(jié)構(gòu)承載讀取到的生物分子數(shù)據(jù)文件中的數(shù)據(jù)讀入生物分子數(shù)據(jù)文件到計(jì)算機(jī)內(nèi)存中；判斷該生物分子數(shù)據(jù)文件采用的數(shù)據(jù)結(jié)構(gòu)能否被正確識(shí)別，如果不能，反饋無法識(shí)別信息，結(jié)束操作，否則，使用新生物分子數(shù)據(jù)文件數(shù)據(jù)結(jié)構(gòu)與讀入到計(jì)算機(jī)內(nèi)存中的生物分子數(shù)據(jù)文件數(shù)據(jù)結(jié)構(gòu)的字段對(duì)應(yīng)關(guān)系，將該文件中數(shù)據(jù)結(jié)構(gòu)字段的數(shù)據(jù)對(duì)應(yīng)填充到新生物分子數(shù)據(jù)文件數(shù)據(jù)結(jié)構(gòu)相應(yīng)字段對(duì)應(yīng)的數(shù)據(jù)空間。
3.如權(quán)利要求2所述的方法，其特征在于所述生物分子數(shù)據(jù)文件為文本結(jié)構(gòu)文件或數(shù)據(jù)庫結(jié)構(gòu)的文件。
4.如權(quán)利要求3所述的方法，其特征在于如果所述生物分子文件為文本結(jié)構(gòu)文件文件，逐行掃描讀入到計(jì)算機(jī)內(nèi)存中的生物分子數(shù)據(jù)文件，采用正則表達(dá)式識(shí)別該文件數(shù)據(jù)結(jié)構(gòu)字段的數(shù)據(jù)。
5.如權(quán)利要求1所述的方法，其特征在于按照字段之間的邏輯關(guān)聯(lián)排列組合所述字段，使順序排列在先的字段是在后字段的基礎(chǔ)。
6.如權(quán)利要求2所述的方法，其特征在于將能夠被正確識(shí)別的生物分子數(shù)據(jù)文件采用的數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)到模型數(shù)據(jù)庫中，以及使用所述模型數(shù)據(jù)庫中的數(shù)據(jù)判斷生物分子數(shù)據(jù)文件采用的數(shù)據(jù)結(jié)構(gòu)能否被正確識(shí)別。
7.如權(quán)利要求6所述的方法，其特征在于存儲(chǔ)新數(shù)據(jù)結(jié)構(gòu)，如果一個(gè)能夠被正確識(shí)別的生物分子數(shù)據(jù)文件的采用的數(shù)據(jù)結(jié)構(gòu)被存儲(chǔ)到模型數(shù)據(jù)庫，用該生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段補(bǔ)充新數(shù)據(jù)結(jié)構(gòu)。
8.如權(quán)利要求1所述的方法，其特征在于按照下述步驟組合所述字段形成字段組獲得第一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段，形成字段組；對(duì)于獲得的第二種以及以后的每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段， 將與字段組中的字段不相同的字段補(bǔ)充進(jìn)入字段組。
全文摘要
本發(fā)明公開了一種生物分子數(shù)據(jù)的高效共享方法，包括，選擇每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段；組合所述字段，直到每一種生物分子數(shù)據(jù)文件的數(shù)據(jù)結(jié)構(gòu)中有意義的字段都被選擇；按照所述字段表達(dá)信息的邏輯排列組合所述字段，形成新的字段集合；用所述集合中的字段生成生物分子數(shù)據(jù)文件的新數(shù)據(jù)結(jié)構(gòu)；使用擁有所述新數(shù)據(jù)結(jié)構(gòu)的新生物分子數(shù)據(jù)文件承載讀取到的生物分子數(shù)據(jù)文件中的數(shù)據(jù)。使用本發(fā)明解析數(shù)據(jù)時(shí)無需再考慮現(xiàn)有的生物分子數(shù)據(jù)文件采用的數(shù)據(jù)結(jié)構(gòu)，有利于背景不同，水平不同的生物分子研究者都能從已有的生物分子數(shù)據(jù)文件中，獲取自己所需的信息，從而進(jìn)一步提高生物分子數(shù)據(jù)的數(shù)據(jù)處理速度和數(shù)據(jù)共享效率。
文檔編號(hào)G06F17/30GK102411572SQ201010288419
公開日2012年4月11日 申請(qǐng)日期2010年9月21日 優(yōu)先權(quán)日2010年9月21日
發(fā)明者孔令印, 宋立宇, 王敏, 王翊, 陳平, 魯方 申請(qǐng)人:重慶諾京生物信息技術(shù)有限公司