国家级生物医药公共服务平台发布HLA3D数据库，技术架构分享

思通数科x

已于 2022-04-16 21:18:48 修改

阅读量4.2k

点赞数

分类专栏：分布式文章标签： big data 大数据数据结构架构

于 2022-04-16 21:17:09 首次发布

本文链接：https://blog.csdn.net/amyno1/article/details/124220559

版权

分布式专栏收录该内容

16 篇文章 0 订阅

订阅专栏

近日，南京基因与细胞实验室合作团队取得阶段性成果，东南大学-生命科学与技术学院-李健教授团队在《Briefings in Bioinformatics》（影响因子IF=11.622）上发表题“HLA3D: an integrated structure-based computational toolkit for immunotherapy”，开发了一个全面的免疫治疗计算工具包—HLA3D，为不同科研单位提供全面的HLA结构信息查询与分析，促进基于结构的免疫治疗，并通过基因与细胞实验室免费开放使用。

HLA3D数据库技术栈简述

本系统平台有海量多维的数据，每天还有数据不断的更新以及数据的清洗，数据有结构化与非结构化的数据需要存储和检索，因此，就不能完全采集MySQL之类的数据库，我们采用了Clickhouse作为OLPA引擎，neo4j作为知识图谱可视化引擎，Elasticsearch作为全文检索索引，目前采用了 mongodb 作为文档数据库存储被标签标记半结构化的数据， redis作为门户网站及用户信息的缓存处理环节、MySQL作为系统管理、配置数据库，开发语言采用了Java Springboot 开发框架，通过我们自研的SmaterAPI开发工具，将开发周期缩短了60%以上。

目前数据存储量规模在1.96TB，Clickhouse有3个集群节点，Elasticsearch有8个集群、2个集群分组，MySQL采用了主从备份，neo4j目前采用了一台到多台机器transition模式，由于目前缓存数据不算很多redis目前使用了单台机器节点。

HLA3D数据库有什么功能？

该数据库覆盖了美国人群、欧洲人群、中国人群所有常见HLA Ⅰ类分子的序列、结构、频率、文献、单核苷酸多态性（Single Nucleotide Polymorphism, SNP）位点信息，其中HLA的结构数据不仅包括公共数据库中可用的PDB（Protein Database Bank）结构，还包括通过同源建模和分子对接获得的PDB结构，可为不同人群的HLA进行全面分析，阐释与 HLA相关疾病的致病机制。