データベースの設計

[Taro L. Saito]

バイオデータベースサーバー構築演習受講者の皆様

次回までの課題は「データベースのスキーマ（テーブル構造）を設計する」です。

作成したいゲノムブラウザとその用途に合わせて、

・テーブル構造と各列（カラム）のデータ型
・どの列にインデックス（B+-tree) を作成するか
・どのような検索をするか （select 文、left join、範囲検索など）
・データベースの大きさは？（エントリ数、テーブルの数）

などを吟味し、メーリングリストに投稿してください。
質問にも随時答えていきます。

演習日は、2008年12月18日（木）10:00~ (1hほど）となります。
しばらく間が空いてしまうので、実際にデータベースをSQLite, H2などで構築してみるとよいでしょう。

次回は、
・各自のDB設計の性能評価
・UTGBをインストール
・DBを検索した結果を表示するWeb APIの作成

を行う予定です。

[Nakazato T.]

なかざと です。

とりあえずですがメールします。

ゲノムの上にマイクロアレイのデータを乗せてそこにいろいろ情報を
乗せていくという感じで。


table 1： マイクロアレイの各プローブの情報
column 1：primary key
column 2：probe ID … VARCHAR（チップベンダーによってID体系が違うので可変長）
column 3：ベンダー … VARCHAR（選択式だから、別テーブルの方がよい?）
column 4：対応するGene ID


table 2：遺伝子情報
column 1：primary key
column 2：GeneID … VARCHAR
column 3：遺伝子名 … VARCHAR

table 3：実験
column 1：primary key
column n：各発現量 … FLOAT

実験名とかはどうなるんだ?


とりあえず、メモ程度で送ります。
時間ができたらアップデートします。



2008/11/20 12:11 Taro L. Saito <l...@cb.k.u-tokyo.ac.jp>:

[Hiromasa ONO]

おの＠DBCLS です。

自分の持っているマイクロアレイデータとそれに関連するpublicなデータをゲノム上に並列にならべて、その発現量を比較するというコンセプトです。

table1: マイクロアレイのプローブ情報
column1: primary key
column2: probe ID (VARCHAR)
column3: probe IDに対応するrefseq ID もしくはensembl transcript ID (VARCHAR)

table2: 遺伝子情報
column1: primary key
column2: refseq ID もしくはensembl transcript ID (VARCHAR)
column3: gene symbol (VARCHAR)
column4: description (VARCHAR)

table3: 自分の実験データ
column1: primary key
column2: probe ID (VARCHAR)
column3: コントロール区と実験区のlog ratio (FLOAT)
column4: p-value (FLOAT)

tabel4: publicな実験データ
column1: primary key
column2: probe ID (VARCHAR)
column3: コントロール区と実験区のlog ratio (FLOAT)
column4: p-value (FLOAT)

データベースのエントリ数は、使用するマイクロアレイ(Affy HG U133 plus2)のID数である 54,675 の予定です。
検索は、自分の実験のlog ratio で昇順・降順など基本的なところをいまのところ想定しています。

[Taro L. Saito]

これに加えて、probeをゲノム上のどの位置に設計したか、などの情報が必要そうですね。
table1 -- (GeneID) --> table2 --> (GeneID, ゲノム配列の種類（生物種、染色体など）, start,
end)

On Dec 15, 4:38 pm, "Nakazato T." <chalkl...@gmail.com> wrote:
> なかざと です。
>
> とりあえずですがメールします。
>
> ゲノムの上にマイクロアレイのデータを乗せてそこにいろいろ情報を
> 乗せていくという感じで。
>
> table 1： マイクロアレイの各プローブの情報
> column 1：primary key

> column 2：probe ID ... VARCHAR（チップベンダーによってID体系が違うので可変長）
> column 3：ベンダー ... VARCHAR（選択式だから、別テーブルの方がよい?）

> column 4：対応するGene ID
>
> table 2：遺伝子情報
> column 1：primary key

> column 2：GeneID ... VARCHAR
> column 3：遺伝子名 ... VARCHAR

>
> table 3：実験
> column 1：primary key

> column n：各発現量 ... FLOAT

[Taro L. Saito]

log ratioの値を並び替えて行う検索が多いなら、indexを作ると良さそうです。

[ryu]

制限酵素の切断部位

よく使われる、重要な制限酵素の情報テーブル。
テーブル１：認知部位4塩基の情報　　例え：AA||TT
テーブル２：認知部位５塩基の情報 CCA||GG CCC||GG
テーブル３：認知部位6塩基の情報 CCG||CGG
テーブル４：認知部位7塩基の情報 CCTN||AGC

このような情報あれば、現在solexaで発見したSNPより、すぐ遺伝子関連情報を解読可能になれる、大変便利だと思う。