随着基因组测序工作的蓬勃发展以及高通量技术如基因芯片技术、质谱(MS)技术、组合化学和生物化学技术的迅速发展和普及应用,生物数据呈指数级增长。 面对如此迅速增长的生物数据,如何有效管理、准确解读、充分使用这些信息,而不被这浩如烟海的数据所淹没,并从中找到明确的研究方向,已成为生物学发展亟须解决的问题。 然而,由于生物数据的分布性以及异构性等特点,使得从多个数据源获取所需要的信息变得非常困难。集成众多异构的生物信息资源,提供方便、高效地获取高质量的生物学数据的手段,支撑生物信息的分析和挖掘功能,是进行现代生物学研究的前提和关键。因此,生物数据集成系统的研究和开发具有重要的理论价值和实际意义。 本文总结了生物学数据集成研究的现状,对采用数据仓库方法进行的数据集成中的数据抽取和转化、语义相似性的度量、基于Gene Ontology的语义查询等问题进行了研究和探讨,最后给出了一个生物学数据集成系统——BioDW。主要研究成果如下: (1)提出了一种新的半结构化数据模式的表示和数据抽取的方法 在生物数据源中绝大多数数据都是半结构化的,这些数据的主要特点是数据格式多样化、数据元素之间存在着嵌套和局部无序的关系、数据存在缺失和结构的不断变化,这为生物信息的提取提出了严重的挑战。根据生物学数据的特点,提出了一种全新的半结构化数据模式表示方法。该方法将OEM数据模型和正则表达式有机地结合起来,不但能够非常灵活方便地表示各种数据结构,