[发明专利]多源生物大数据融合系统

摘要

本发明公开了多源生物大数据融合系统，涉及生物数据处理技术领域，该平台包括数据下载解析层、多源异构数据融合层、高维数据存储层和数据部署访问层，通过数据自动获取和解析、多源异构数据融合、数据存储和访问技术帮助科研人员从这些繁杂的重复劳动中解脱出来，将有限的精力用于更好的分析、验证等工作中，提高工作效率，增加科研产出，更可以为生物制药、医疗等产业研究提供强大的前期数据处理支持。

主权项

1.多源生物大数据融合平台，其特征在于，包括数据下载解析层、多源异构数据融合层、高维数据存储层和数据部署访问层，所述数据下载解析层负责数据的获取工作，根据数据源的相应配置文件进行数据下载、解析和存储，该层包括数据下载模块、数据解析模块和数据存储模块，所述数据下载模块根据需要下载的数据源进行自动数据下载，所述数据解析模块根据已下载的数据文件信息自动分配相应的解析器进行数据解析，解析结果以统一的数据传输格式发送到所述数据存储模块，所述数据存储模块按照生物大数据的存储逻辑存放解析结果；所述多源异构数据融合层用于对数据库中的数据进行特征融合、去冗余和特征分类管理，该层包括特征融合去冗余模块和特征分类管理模块，所述特征融合去冗余模块在一个选定的数据库中下载所有经过人工校验过的蛋白条目，针对每个蛋白条目获取其在其他关联数据库中的访问号，根据访问号分别在这些关联数据库中下载相应的条目，解析后得到相应的特征，然后将来自不同数据库的同一条目的特征进行合并，去掉冗余的特征以及与计算无关的视觉特征，形成新的特征集合，所述特征分类管理模块将新的特征集合划分为ID区、文献引用区、通用属性区和结构区四个区域；所述高维数据存储层使用非关系数据库MongoDB对生物大数据进行存储，所述数据部署访问层包括数据部署和数据访问，数据部署时使用生物大数据平台作为独立的数据服务器为生物预测计算服务器提供数据服务，在数据访问中，通过UseBiodata接口调用相应类型的生物大数据，分别进行基因数据、蛋白数据、基因调控网络数据、蛋白交互网络数据及pathway数据的访问操作，所有访问操作均采用统一的BSON数据交换结构，根据用户查询请求将计算所需数据返回给用户。