潘雪峰

摘 要:在互联网生物信息数据库中,各大研究机构之间生物信息数据是异地、异构和高度自治的,并且信息之间的存放是分散无序的。为了充分使用资源,必须建立关于生物信息数据的整合模型。在此提出一种新的基于XML表达的有序层次分形数据模型,通过对现有数据的结构化,借助BXEEM模型分别使用内部指针引用和外部链接的方法,将数据进行整合,更有利于生物信息数据的集成和融合。

关键词:XML;半结构化;异构数据集成;数据模型;数据集成

中图分类号:Q811.4;TP311 文献标识码:A 文章编号:1004-373X(2009)20-160-03

Data Integration Model of Biological Information Based on XML

PAN Xuefeng

(Wuhan Bioengineering Institute,Wuhan,430415,China)

Abstract:In Internet biological information database,among the major research institutions and bio-informatics data is remote,heterogeneous,high degree of autonomy,and the stored information is scattered between the disorder.In order to full use resource,integration model of biological information data is built.A new XML-based and orderly expression of data-level fractal model of the existing data structure is proposed,through the use of internal models BXEEM pointer references and external links to the method of data integration,it is more conducive to bio-informatics data integration and fusion.

Keywords:XML;semi-structure;heterogeneous data integration;data model;data integration

0 引 言

生物信息学(Bioinformatics)是通过对生物学实验数据的获取、加工、存储、检索与分析,达到揭示数据所蕴含生物学意义的目的[1,2]。

生物信息数据源的主要特点是:国际化生物数据库相互独立而又利用协议统一维护原始数据,而各实验室的数据库就各有特色;数据量庞大且增长速度很快;数据通过Internet进行发布,发布格式复杂多样[3,4]。目前非常必要的课题之一是将各自的、独立的、分散的基因组信息整合到一起,并且可以最大限度地消除冗余数据,保证数据的可靠性和准确性[5]。

本文重点讨论将XML作为中间媒介,建立新的生物信息公共数据模型,使异构生物信息数据的提取与集成更方便。

1 XML的特点

扩展标记语言(eXtensible Markup Language,XML)是一门新兴的面向Internet应用的标记语言,它将数据信息本身的存储和关联与表现形式相分离,且具有强大的可扩展性[6]。生物信息学的发展同样引入了XML技术。XML的特点如下: