第3章 医学大数据的获取.pptx

《第3章 医学大数据的获取.pptx》由会员分享，可在线阅读，更多相关《第3章 医学大数据的获取.pptx（37页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、课程主讲人：第3章 医学大数据的获取医学大数据分析医学大数据的获取高等教育出版社CONTENTS目 录1医学大数据的来源2结构化数据的获取3非结构化数据的获取4生物组学大数据的获取5医学公共数据库的获取1医学大数据的来源医学大数据的来源2结构化数据的获取以MySQL数据库为例，导出数据有三种方式：n SQL语句导出数据SQL语句导出一个表到指定文件的命令为：select * from 表名 into outfile 导出文件名n mysqldump导出数据Mysql提供的导出数据和表结构的命令为：mysqldump -u用户名 -p密码 数据库名 数据库名.sqln 数据库管理工具Navica

2、t导出数据Navicat for MySQL是一款为数据库管理、开发和维护的图形界面前端工具，借助Navicat可以直接导出数据。直接导出n 信息系统为了和外界进行数据交换，通常提供API（应用程序编程接口）程序接口，一个API接口就是系统定义好的去完成某项任务的一个功能。n API通过接口允许外部程序远程连接到该系统，并程序化地完成某任务，例如自动化执行指定数据的导入导出。API程序接口利用系统的导出功能 sqlserver数据库导出excel方法利用系统的导出功能 sqlserver数据库导出excel方法利用系统的导出功能 在SAS中直接使用SQL Server数据库中的数据利用系统的导

3、出功能 在SAS中直接使用SQL Server数据库中的数据利用系统的导出功能 在SAS中直接使用SQL Server数据库中的数据利用系统的导出功能 在SAS中直接使用SQL Server数据库中的数据利用系统的导出功能 在SAS中直接使用SQL Server数据库中的数据利用系统的导出功能 在SAS中直接使用SQL Server数据库中的数据利用系统的导出功能 在SAS中直接使用SQL Server数据库中的数据 Odbc连接成功后，打开SAS，新建逻辑库利用系统的导出功能 在SAS中直接使用SQL Server数据库中的数据利用数据采集工具3非结构化数据的获取n网络爬虫（又称为网页蜘蛛，

4、网络机器人），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。实现方式n编写爬虫程序n使用采集工具，如八爪鱼网络爬虫网页文件下载数据http:/ Center for Biotechnology Information，NCBI）于2000年创建并维护至今。GEO接收各类基于芯片（array-based）及序列（sequence-base）测定为基础的组学数据，包括基因表达、甲基化、染色质结构以及基因组与蛋白质互作用等不同层次的数据，是国际上功能基因组学原始数据重要汇集地之一，属于一级数据库。组学大数据资源SRA数据库n隶属

5、于NCBI的高通量测序数据库，用于存储来自高通量测序平台包括Illumina（Genome Analyzer、HiSeq、MiSeq等），Roche 454 GS System，Applied Biosystems SOLiD System，Helicos Heliscope，PacBio RS等原始测序数据和比对信息。nGEO数据库高通量测序数据通过链接可以在SRA数据库中找到原始序列。通过SRA toolkit可以下载原始测序数据。组学大数据资源TCGA数据库n肿瘤基因组图谱（The Cancer Genome Atlas，TCGA）是目前最为庞大的肿瘤基因信息资源库，旨在阐明体细胞突变对

6、癌症发生和进展的影响。nTCGA的价值不仅在于已取得的科研发现及对肿瘤医学的推动，其产生的多组学数据隐藏着大量有价值的信息可供继续挖掘和分析，是肿瘤分子生物学研究领域重要的数据源。nTCGA官网数据的检索和下载可通过门户网站GDC（Genomic Data Commons） Data Portal。组学大数据资源IHEC表观基因组数据库n表观基因组学（Epigenomics）主要在基因组水平上研究表观遗传修饰，例如DNA甲基化和组蛋白的翻译后修饰。IHEC（International Human Epigenome Consortium）是国际人类表观基因组学联盟，主要目标便是绘制健康人及各种疾病状态下组织或细胞的表观基因组学图谱，促进这些表观基因组学数据的利用。n通过IHEC数据门户可以浏览和免费下载其公共数据集。5医学公共数据库的获取国家人口与健康科学数据共享平台医学公共数据库医学公共数据库CHNS中国健康与营养调查（China Health and Nutrition Survey,简称CHNS）医学公共数据库儿科重症监护数据库（Paediatric Intensive Care database，简称PIC数据库）医学公共数据库世界卫生组织死亡数据库（WHO Mortality Database）THANKS本讲结束高等教育出版社