基于基因本体文件XML文档和数据库记录相互转换的初步的研究.pdfVIP

基于基因本体文件XltlL文档与数据库记录相互转换的初步研究 栾德琴1”，白云峰1’，包文斌2，陈国宏2 (1．江苏省农业科学院农业资源与环境研究所，江苏南京210014；2．扬州大学动物科 学与技术学院，江苏扬州225009) 摘要：本文分析了XML与数据库各自的特点以及基于基因本体文件信息互相转换的必要性，以基因本体 文件如何在这两种格式下进行相互转换为例探讨XML文档与数据库记录的相互转化的具体方法，以期为 生物信息的共享做出一定的贡献。 关键词：XML；数据库系统；转换 0引言 Intemet时代到来后，Web改变了人们习惯的处理方式，也给数据库技术提出了一个必须面对的 重要问题llJ：即如何有效地存储和管理Web上以指数级别增长着的数据(文档)，使它们既能被高效地 操作和维护，又能在Web这个平台上方便地表示和交换。这就使得已在该传统的领域内趋于成熟的数 据库技术，面临着许多新的问题和挑战12】。XML可扩展标记语言(ExtensibleMarkupLanguage)目前正 在成为各种数据特别是文档的首选格式。其具有良好的数据存储格式、可扩展性、高度结构化、便 于网络传输等特性，这些特性使得XML本身非常适用于数据库间的信息交_-gt31。本文分析了XML与 数据库各自的特点以及基于基因本体文件信息互相转换的必要性，并结合一具体实例探讨基因本体 文件如何在这两种格式下进行相互转换的具体方法。 1 数据库技术的特点 诞生于20世纪60年代的数据库技术及其应用系统，在经历了层次数据库、网状数据库到关系数 据库、面向对象数据库的发展后，已成为计算机信息系统中的重要基础和支柱【引。其技术上的优势主 要表现为：技术成熟、应用广泛：数据管理能力强(包括存储、检索、修改等)：数据安全程度高；有 稳定可靠的并发访问机制15】。然而，Intemet时代到来以后，Web改变了人们习惯的处理方式，也给数 据库技术提出了一个必须面对的严重挑战：(1)数据库技术的语义描述能力差，很难实现数据语义的 持久性和传递性，而数据交换和信息共享都是基于语义进行的，这样在异构应用数据交换时，不利 于计算机基于语义自动进行数据的检索与应用；(2)数据库技术的应用是建立在数据库管理系统基础 上的，各数据库管理系统之间的异构性及其所依赖操作系统的异构性，严重限制了信息共享和数据 交换范围；(3)数据库属于高端应用，需要昂贵的价格和好的运行环境。 2 可扩展标记语言(XML)定义以及特点 可扩展标记语言XML(eXtensibleMarkup Generalized temet数据描述与 MarkupLanguage)发展而来的一种新的描述型标记语言，也是用于In 交换的一种新标准16J。XML还具有相当灵活的表现力。XML是面向数据而非面向显示的，其内容与 形式相分离，因而使得数据显示更具灵活性，同时XML文档集中于描述数据的性质与结构，使得相 关的XML数据有哪些信誉好的足球投注网站可以更加简单高效地进行。其次，XML是自我描述语言，其文档清晰可读【7】。 但是，XML仅仅作为一种形式语言，以文本的形式对数据进行表义和描述，远不如现有的成熟 的数据库来得对数据进行操作的方便和功能上的健壮【8J。XML管理数据的不足主要表现在：(1)XML 技术采用的是基于文件的管理机制，文件管理存在着容量大、管理困难的缺点；(2)解析手段有缺陷。 XML具有两种解析机制，SAX方式是基于文件的解析，速度慢，DOM方式是基于内存的方式，资源 消耗极大；(3)目前XML的检索是基于节点的检索，存放大量甚至海量数据的XML文件造成检索速度 极低【9】o 3基于基因本体文件XML文档与数据库记录信息互相转换的必要性 ．259． 基因本体文件大多是以XML格式存储在Web上，虽然使用XML来备份数据库可以灵活的将数据 库中的信息转移到其他的平台和数据库系统中，而且备份数据库占用的空间也非常小lI们。XML还可 以用于在不同的数据库中交换数据，XML使得跨平台的不同数据库之间的数据交换变得更加方便。 但是目前XML的修改是基于节点的，它的修改效率低。大批量的XML格式的基因本体文件给信息共 享提出了很大的难题。对于大批量的文件的存储方式最好是通过数据库来实现的，数据库的出现给 我们带来了