构建生物基因信息数据库准备

1. 数据采集

数据主要有3个来源：

①从已有的生物基因信息数据库FTP下载的数据

②通过试验终端产生的原始数据

③对原始数据进行生物信息分析得到的数据

从①生物基因信息数据库下载的数据宜保持跟数据源一样的文件结构

采集的数据格式包括FASTQ、FASTA、GFF和其它特殊格式，在进行数据处理过程中，不同的生物信息分析软件得到的数据格式各不相同。bed、wig 和 sam 等格式文件也 是重要的数据采集对象。

2. 数据处理

①数据处理对象为采集的生物信息数据，主要为DNA和RNA数据

②数据处理过程主要包括 序列数据格式转换 和 原始数据分析

基因信息分析一般流程

3. 数据存储

数据存储之前，要先对数据进行抽象化（将数据以它的语义来呈现出它的外观，但是隐藏起它的实现细节，用来减少数据的复杂度，使得工作人员只需要关注数据少数重要的部分），再进行分类

可按下列方式分类：

a按照数据对象，可分为基因组学数据、转录组学数据、表观组学数据和小RNA数据等

b按数据类别，可分这 生物测序数据 和 生物信息分析数据

c按数据的物种来源，可分为原生生物界、植物界、动物界和真菌界，也可进一步细分为门、纲、目、科、属和种

d按数据重要性，分为保密数据和可公开数据

存储数据时，应建立数据间的逻辑与物理对应关系。可用 DAS（直接附加存储）、NAS （网络附加存储）和 SAN（存储区域网络） 三种存储方式中的 一种或多种。针对保密数据要求采用 SAN 或者 NAS 存储方式，确保可靠性。

参考：生物基因信息数据库建设与管理规范 SZDB /Z 92—2014