鼠疫耶爾森氏菌知識庫的建立.pdf

1、1.研究背景及目的:鼠疫耶爾森氏菌（以下稱鼠疫菌）是鼠疫的病原菌，在歷史上曾引起過三次大流行。二戰(zhàn)期間，日本侵略者展開慘絕人寰的細(xì)菌戰(zhàn)，鼠疫菌曾被并用作生物戰(zhàn)劑對我國實(shí)施攻擊目前，鼠疫在世界各地時(shí)有病例發(fā)生，是影響全世界的公共衛(wèi)生問題。我國現(xiàn)仍有12塊鼠疫自然疫源地，分布在19個省(區(qū))，占國土面積的15％左右。加強(qiáng)鼠疫菌研究對鼠疫的控制與防治以及應(yīng)對生物恐怖威脅具有重大現(xiàn)實(shí)意義。
　　隨著生物學(xué)技術(shù)的發(fā)展，圍繞鼠疫菌所開展的基礎(chǔ)

2、科學(xué)和應(yīng)用研究越來越多。這些研究工作產(chǎn)生了大量實(shí)驗(yàn)數(shù)據(jù)和文獻(xiàn)資料，散落存放在世界各地的信息數(shù)據(jù)庫中。通過中國知網(wǎng)及維普等中文文獻(xiàn)查閱網(wǎng)站進(jìn)行“鼠疫耶爾森氏菌數(shù)據(jù)庫”及“鼠疫菌知識庫”等關(guān)鍵詞的檢索，雖然與該菌有關(guān)的研究文獻(xiàn)已有數(shù)千篇，但未發(fā)現(xiàn)該菌綜合知識信息整合工作的文章發(fā)表。通過PubMed數(shù)據(jù)庫進(jìn)行文獻(xiàn)回溯和Google scholar檢索網(wǎng)等進(jìn)行檢索，發(fā)現(xiàn)國際上有多個鼠疫耶爾森氏菌相關(guān)的數(shù)據(jù)庫，如GenBank數(shù)據(jù)庫，存儲了鼠疫菌

3、的全基因組序列和注釋信息以及原始測序數(shù)據(jù)；MLVA數(shù)據(jù)庫,收錄了鼠疫菌的可變數(shù)目串聯(lián)重復(fù)序列位點(diǎn)信息及菌株背景信息；CRISPR數(shù)據(jù)庫，可檢索到鼠疫菌的成簇規(guī)律間隔短回文重復(fù)序列位點(diǎn)序列信息；其它大型公開數(shù)據(jù)庫，如 BioGRID、DDBJ和EMBL等存儲了鼠疫菌蛋白質(zhì)—蛋白質(zhì)及基因相互作用等相關(guān)信息。這些數(shù)據(jù)庫功能主要集中于鼠疫菌分子及遺傳多樣性數(shù)據(jù)的收集和管理，而并沒有將鼠疫菌相關(guān)文獻(xiàn)知識進(jìn)行組織、整合，并有序儲存于一個獨(dú)立的數(shù)據(jù)庫

4、平臺上。
　　本研究擬收集整理關(guān)于該菌的學(xué)術(shù)論文、論著、新聞及疫情信息等相關(guān)知識，加以整合，建立便捷的鼠疫菌知識庫系統(tǒng)，為用戶提供查詢、瀏覽和下載服務(wù)，以達(dá)到以下研究目的：①實(shí)現(xiàn)已有鼠疫菌相關(guān)知識和數(shù)據(jù)的集中存儲管理；②查詢便捷，提高現(xiàn)有文獻(xiàn)信息的使用效率；③自動更新，實(shí)時(shí)獲取鼠疫菌研究相關(guān)資訊。最終為鼠疫菌相關(guān)科研提供更為完整方便的知識和數(shù)據(jù)支撐，也為其他病原的知識庫建立工作提供可參考的范例。
　　2.研究方法
　　

5、2.1.數(shù)據(jù)收集與整合:通過對EndNote、Reference Manager、Biblioscape及NoteExpress等文獻(xiàn)管理軟件功能的調(diào)研，根據(jù)本課題擬收集中外文文獻(xiàn)進(jìn)行整理并篩選導(dǎo)出的需求，最終選擇EndNote X5文獻(xiàn)管理軟件進(jìn)行文獻(xiàn)的收集整理工作。在該軟件中設(shè)置檢索關(guān)鍵詞為“Black death”、“Yesinia”、“Plague”及“Yesinia pestis”，通過對PubMed數(shù)據(jù)庫在線檢索，收集篩選出

6、相關(guān)外文文獻(xiàn)題錄。通過Find full text功能項(xiàng)自動獲取到部分文獻(xiàn)全文并鏈接至原文，其余外文文獻(xiàn)的全文通過訪問Sci-Hub網(wǎng)站手動檢索收集。因EndNote無中文搜索功能，中文文獻(xiàn)題錄則主要通過中國知網(wǎng)檢索“黑死病”、“鼠疫”及“鼠疫耶爾森菌”等關(guān)鍵詞獲取，并進(jìn)行人工篩選后將相關(guān)文獻(xiàn)導(dǎo)入EndNote文獻(xiàn)管理軟件，中文文獻(xiàn)全文通過中國知網(wǎng)和萬方數(shù)據(jù)收集。所有PDF全文文檔通過Reference→File Attachment功

7、能人工導(dǎo)入EndNote文獻(xiàn)庫與原文相關(guān)聯(lián)。收集工作結(jié)束后，使用Find Duplicates功能對全部文獻(xiàn)收集結(jié)果進(jìn)行查重和去冗余整理，最終以Show All Fields的格式導(dǎo)出，將所有文獻(xiàn)信息存儲于一個獨(dú)立的TXT文件。全文PDF文檔儲存在EndNote自定義的原文件夾，路徑不變。
　　2.2.知識庫系統(tǒng)的構(gòu)建:本研究通過Perl及PHP等計(jì)算機(jī)語言規(guī)范數(shù)據(jù)格式、構(gòu)建實(shí)體關(guān)系模型、搭建系統(tǒng)和開發(fā)網(wǎng)頁；選擇中小型網(wǎng)站開發(fā)中常

8、用的Apache+PHP+MySQL優(yōu)勢組合進(jìn)行網(wǎng)站的動態(tài)開發(fā)，逐步完成知識庫系統(tǒng)的構(gòu)建。
　　為了使各部分?jǐn)?shù)據(jù)順利架構(gòu)在服務(wù)器上，通過編寫 Perl腳本對存儲文獻(xiàn)信息的 TXT文本進(jìn)行解析，生成一個可用 Excel程序打開的文本列表，該列表以制表符分隔每個字段并為每行文獻(xiàn)分配一個唯一的整數(shù)型標(biāo)識符。同時(shí)編寫Perl腳本，將PDF文件按照整數(shù)型標(biāo)識符重新命名后，轉(zhuǎn)移到另外統(tǒng)一存放PDF的文件夾中。經(jīng)過數(shù)據(jù)的規(guī)范化處理，論文和著作被

9、分割成實(shí)體（Entity）并分配屬性（Attribute）。根據(jù)實(shí)體與實(shí)體及實(shí)體與屬性之間的對應(yīng)關(guān)系，構(gòu)建實(shí)體關(guān)系模型（entity-relationship model），轉(zhuǎn)化成表格并對應(yīng)建立在配置好的MySQL5.7數(shù)據(jù)庫中，通過phpMyAdmin工具，將文獻(xiàn)數(shù)據(jù)導(dǎo)入到MySQL數(shù)據(jù)庫并與全文PDF文件建立一一對應(yīng)關(guān)系。
　　數(shù)據(jù)庫搭建完成后，在Apache網(wǎng)頁服務(wù)器上開發(fā)基于web接口的動態(tài)網(wǎng)頁，形成數(shù)據(jù)庫網(wǎng)站系統(tǒng)。通過

10、JavaScript和 Ajax快速處理服務(wù)器端與客戶端的交互，運(yùn)用 Perl語言處理在知識庫網(wǎng)頁上返回到后臺的各種數(shù)據(jù)。系統(tǒng)搭建完成后進(jìn)行試運(yùn)行與調(diào)試排錯，保證系統(tǒng)運(yùn)行順暢。
　　3.研究結(jié)果:本研究架構(gòu)的鼠疫菌知識庫由文獻(xiàn)信息模塊、檢索模塊和新聞模塊構(gòu)成。用戶可通過瀏覽器從Web端訪問本庫，訪問網(wǎng)址為：http://101.201.51.148/ypkd/。知識庫主頁分上下兩部分排版，由上方的標(biāo)題欄、導(dǎo)航欄、簡介、數(shù)據(jù)概覽、快

11、捷搜索入口及下方的新聞?wù)故景鎵K構(gòu)成。信息搜索截止到2016年10月30日，文獻(xiàn)信息模塊收錄鼠疫菌相關(guān)文獻(xiàn)7183篇，書籍23部，均提供了URL鏈接；其中4620篇論文收集到PDF全文。用戶進(jìn)行普通檢索或高級檢索時(shí)，可通過設(shè)置標(biāo)題、摘要、關(guān)鍵詞、期刊、作者、時(shí)間等數(shù)據(jù)項(xiàng)獲取相關(guān)信息，并可將所得文獻(xiàn)按出版日期、作者及雜志名稱進(jìn)行排序?yàn)g覽。標(biāo)題下方將列出該論著的簡要信息供用戶初步瀏覽，繼續(xù)點(diǎn)擊標(biāo)題即可閱讀此文獻(xiàn)的詳細(xì)信息，包括文獻(xiàn)的標(biāo)題、作者

12、、摘要、關(guān)鍵詞、PMID號、全文以及PubMed鏈接等，點(diǎn)擊本庫提供的PDF鏈接可在線瀏覽或下載全文。新聞版塊中通過編制好的網(wǎng)絡(luò)爬蟲，自動實(shí)時(shí)抓取互聯(lián)網(wǎng)最新的鼠疫菌相關(guān)信息，并按序展示；用戶可通過超鏈接獲取網(wǎng)絡(luò)信息全文，保證了知識庫的前沿性和完整性。
　　4.結(jié)論:本研究建立的知識庫系統(tǒng)，內(nèi)容豐富完整，界面簡潔合理，使用快捷方便。該庫將PubMed和知網(wǎng)等網(wǎng)站的鼠疫菌相關(guān)信息全面整合起來，收錄了已發(fā)表的幾乎全部鼠疫菌相關(guān)文獻(xiàn)信息資

13、源，有利于知識的整體保存和利用。用戶通過輸入關(guān)鍵詞等進(jìn)行常規(guī)或組合檢索，準(zhǔn)確地在頁面上獲取相關(guān)文獻(xiàn)列表并可按需排序；提供的文獻(xiàn)全文，為研究者節(jié)省了多方查找資源、調(diào)研文獻(xiàn)的時(shí)間。本網(wǎng)站通過網(wǎng)絡(luò)爬蟲，將最新鼠疫菌相關(guān)網(wǎng)絡(luò)信息進(jìn)行自動實(shí)時(shí)更新，排序展示在新聞版塊，保證了網(wǎng)站的及時(shí)性和時(shí)效性。用戶通過提供的超鏈接，可快速瀏覽全文，掌握信息詳情。本知識庫的建立，為科研工作者提供了可靠的鼠疫菌知識共享平臺，為鼠疫疫情的相關(guān)信息提供了及時(shí)的動態(tài)來源，