推 micklin:謝謝您的回答 08/18 16:25
推 micklin:目前的資料是未公開的cancer基因資料, 所以沒辦法用您建 08/18 16:43
→ micklin:議的方法去做.... 08/18 16:43
※ 編輯: seagal 來自: 140.109.169.200 (09/22 09:36)
如果以關聯式資料庫的觀點來看
column之間的關係是FD(functional dependence)的關係
用一種粗糙的白話文來解釋
也就是個體屬性間的關係
而row之間對應的是個體之間的關係
因此你存的如果是一筆一筆的資料
是應該以row方式來存的
當然
妳也可以把gene的feature視為是gene的屬性
但在ER model的觀點來看
到最後轉成關聯式資料庫上面的column
他的屬性一定會表示成feature1, feature2, .... featureN這種方式
屬性一定為N個個數
也就是說
如果你的屬性不定個數
在ER上面會將feature獨立出來變成一個個體(或是多值屬性)
而feature與gene個體之間有一對多的關係(多值屬性處理方式跟個體一樣)
這種情況feature就會被獨立出來成一個表格了
而不是被放在column上面
另外一方面 有關於生物資訊的data
一般來說
處理生物資訊的data
可以分成兩種方式
flat-file based & DBMS based
在MySQL部分
emsemble有提供出schema & data
可以參考看看他們定出來的schema
他們的data也很完整
說不定連你自己的data都不用抓了
(不過你的資料可能是跟cancer有關的 這部份他們就比較缺乏)
如果用flat file的話
例如以ncbi提供出來gene的資料
可以利用bioperl去存取這些資料
裡面提供非常多的API
舉凡抓feature這些功能都有
bioperl相關的程式還包含了biojava..等等
※ 引述《micklin (mick)》之銘言：
: 最近在處理基因序列, 資料的儲存一直讓我很頭痛,
: 在傳統資料處理時, 我都把column對應到feature, 把row當成一筆資料.
: 但是現在的問題是MySQL不能處理2000個column (colon dataset),
: 更別說另一個五萬多個基因的dataset了.
: 轉成文字模式再用UltraEdit處理, 在4096個字元後就強迫斷行了 = =
: 雖然可以自己用程式接起來就是了....
: 所以我的問題是,
: 在處理行與列的時候有沒有什麼不同呢?
: 為什麼我們平常處理文字檔或資料庫的時候,
: 會偏好row很多而不是column很多?
: 是檔案結構的問題還是什麼地方的限制呢?
: 謝謝回答.
--
http://www.im.tv/vlog/personal.asp?FID=&Memid=254442
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.109.169.200
※ 編輯: seagal 來自: 140.109.169.200 (08/18 10:46)
※ 編輯: seagal 來自: 140.109.169.200 (08/18 10:47)
※ 編輯: seagal 來自: 140.109.169.200 (08/18 11:52)
※ 編輯: seagal 來自: 140.109.169.200 (08/18 11:55)
※ 編輯: seagal 來自: 140.109.169.200 (08/18 14:17)