基于Web的生物信息挖掘系統(tǒng)的研究.pdf

1、20世紀(jì)90年代以來,Internet得到飛速發(fā)展.作為最大的信息集散地,Web上具有海量的信息數(shù)據(jù),成為人們工作與學(xué)習(xí)的平臺之一.如何從數(shù)以億計的Web網(wǎng)頁中發(fā)現(xiàn)需要的知識,成為人們迫切希望解決的問題.與此同時,歷經(jīng)十年的人類基因組計劃產(chǎn)出了海量的生物學(xué)數(shù)據(jù),這些數(shù)據(jù)通常存放在位于不同國家和地區(qū)的Web服務(wù)器上,供科研工作者自由選用.由于生物學(xué)數(shù)據(jù)產(chǎn)出量的激增,使得這些生物學(xué)數(shù)據(jù)庫除了占用大量的存儲空間外,維護更新的代價也越來越高.如

2、何從這些數(shù)據(jù)庫中動態(tài)地獲取數(shù)據(jù),從中挖掘出有用的信息已成為生物信息學(xué)的一個重要研究方向之一.因此,作為從浩瀚的Web信息資源中發(fā)現(xiàn)潛在有價值知識的一種有效技術(shù)--基于Web的數(shù)據(jù)挖掘正受到越來越多的重視.本文首先對基于Web的數(shù)據(jù)挖掘的定義、分類和難點做了簡要的概述,介紹了目前國內(nèi)外在這方面的研究進展,闡明了將基于Web的數(shù)據(jù)挖掘應(yīng)用在生物學(xué)上的意義.隨后介紹了基于Web的數(shù)據(jù)采集和文檔檢索方法,我們針對NCBI上的三個數(shù)據(jù)庫:GenB

3、ank、LocusLink和OMIM設(shè)計了數(shù)據(jù)采集方法,能自動地從這些數(shù)據(jù)庫中采集需要的基因數(shù)據(jù),然后利用改進的方法對采集得到的文檔數(shù)據(jù)進行文檔檢索,找出有用的基因信息.為了方便生物學(xué)家的研究,我們設(shè)計了一個基于Web的生物信息挖掘系統(tǒng):GenExtractor,該系統(tǒng)通過Web對NCBI上的生物學(xué)數(shù)據(jù)庫中的生物序列數(shù)據(jù)和基因表達數(shù)據(jù)進行挖掘,在指定的人染色體區(qū)域內(nèi)搜尋具有特定功能的目標(biāo)基因作為候選基因.該系統(tǒng)可為分子生物學(xué)家尋找致病基