裘嵘 ,刘春宇,吴敏
(1. 中南大学 信息科学与工程学院,湖南 长沙,410083;2. 先进控制与智能自动化湖南省工程实验室,湖南 长沙,410083;3. 伊利诺伊大学 芝加哥分校人类遗传学研究所,美国 芝加哥,60607)
全基因组关联研究(genome-wide association studies,GWAS)是在全基因组范围内对常见遗传变异进行多基因整体关联研究分析[1-2]。目前已报道的常见基因变异仅能解释部分常见遗传病,而当前的基因型分析(genotyping)技术无法检测到的罕见遗传变异或表观遗传变异极有可能位于 GWAS未覆盖基因组区域。为此,很有必要对该区域进行研究。GWAS的特点是:(1)数据库数量多,异构复杂,分布广;(2)数据量极大;(3)转化算法复杂;(4)数据更新量大,无自动机制,接口可能变化。大部分生物数据以文本文件的形式存在[3-6],目前已有大量针对生物数据库的数据集成的研究[7],国内韩建文等[8-10]也对GWAS现状进行了分析和综述,但还未见针对整个GWAS未覆盖基因组区域的研究。为了有效整合GWAS中众多生物信息学数据库中的数据资源,便于对整个GWAS未覆盖基因组区域进行研究,有必要对整个GWAS数据进行数据集成。GWAS未覆盖基因组区域的数据集成研究的总体思路为:原始数据源中的数据经过语意映射对应到全局语意上,形成缓存局部数据库;用户查询时,用户接口将针对全局视图的查询通过查询重组转化为对缓存局部数据库的查询,从而保持了数据在不同系统上的完整性和一致性;同时,向用户隐藏不同数据源的差异,给用户提供1个统一和透明的数据访问接口。……