生物信息文献数据库构建与软件Web自动发布

摘要

随着Internet的迅猛发展，信息逐步数字化、网络化、全球化。如何高效、准确地利用互联网上的有用信息已成为人们关心的课题。对于生物信息学研究者来说，能否充分利用国际国内已有的文献数据库、构建各机构内部使用的文献数据库，这是能否有效开展研究工作的基本保障。另一方面，随着人类基因组计划的完成，已经涌现了大量旨在从生物数据中分析和挖掘有关知识的生物信息软件，若这些软件能被充分地共享，则将有效推动生物信息学研究人员的研究工作，由此，对这些软件进行Web发布以提供共享服务也就变得日益重要。
　　 针对在建设文献数据库时文献索引信息需手工录入、上传文献效率低的不足，研制了PDF文献索引信息自动抽取工具。通过对PDF文件结构和信息抽取原理进行分析，提炼和总结了生物信息领域中大量重要期刊的PDF文献索引信息的特征和规律，并制定出抽取规则，根据抽取规则，对文件进行语义信息分析，实现了该领域的PDF文献索引信息的自动抽取，提高了文献上传效率。在生物信息文献数据库中对该工具进行了测试。测试证明，系统能实现单个文献和批量文献的自动上传，使生物信息文献数据库素材的收集变得方便。
　　 通过分析元搜索引擎的特性，将元搜索引擎技术应用到文献的搜索上来，开发了一个文献元搜索引擎，它包括界面、调度、显示三个核心功能模块，选择多个著名的学术文献搜索引擎和数据库为目标搜索源，克服了单个文献数据库中存在的文献数量有限、覆盖面窄和有效检索率低等问题，为进一步整合分布式、异构生物信息数据库打下了基础。
　　 针对目前生物信息软件发布过程中，存在重新设计和制作网页、人工发布软件等重复性工作，设计了基于模板技术的生物信息软件Web自动发布系统。采用B/S模式、模板技术以及Java相关技术，设计和实现了一个生物信息软件Web自动发布系统，能方便地将本地软件发布到Internet，提供软件的在线计算、实时下载等服务，提高了发布生物信息软件的工作效率。