gorm基本使用

gorm安装

gorm框架是go的一个数据库连接及交互框架，一般用于连接关系型数据库。

安装gorm，使用命令安装：

go get -u -v github.com/jinzhu/gorm

连接数据库

构建连接的目标为数据库中某一个库，同大多数框架一样使用url进行连接，url基本格式：

用户名:密码@连接方式(ip:port)/数据库名?参数

参数描述：

用户名 ：连接数据库用户名

密码 ：连接数据库密码

连接方式 ：或称为访问协议，一般为tcp

ip ：数据库所在服务器地址

port ：数据库监听端口

数据库名 ：数据库中对应要连接库名

参数 ：附加数据库参数，根据数据库不同内容不同

确定url后，就可以调用gorm中参数进行连接数据库 *** 作：

别忘记import语句导入包：

*** 作完数据库后不要忘了关闭连接：

表 *** 作

创建表

gorm创建表基于结构体，所以创建表前要先用结构体规划表结构，这里简单写一个结构体,创建表时默认结构体第一个字段作为主键：

写好结构体后，调用创建表语句直接按照结构体结构创建表：

当直接创建表时，表名遵循规范：

1、大写字母全部小写，所有位于中间的大写字母都变成小写字母并且前面加下划线，例如UserInfo结构体创建为表名称为user_infos。

2、上面最后的那个s是因为直接创建表时，名称最后都会加上一个s。所以上面结构体User创建表后名称为users。

删除表

增删改查

插入数据

插入数据,插入数据方法结构使用Create方法：

查询数据

查询第一条找到的数据,使用First，该方法返回值仍然为db对象，所以接收数据时我们需要先定义一个对应表结构的结构体接收数据：

有First就有Last，同First调用格式一致。

批量查询,批量查询使用Find方法，其余参数结构同First或Last相同，只不过传参时一般传入数组参数，当然，First或Last方法也可以传入数组参数，但得到的数组只有一个数据，批量查询 *** 作：

更新数据

删除内容

楼上的大哥....人家没说一定是SQL Server数据库吧..聚集索引是SQL Server的概念.1楼有一点说对了..创建索引是可以优先考虑的选择,但是,并不是索引就一定会加快查询速度的..另外,索引是很消耗磁盘空间的,这点也需要考虑清楚..主流的数据库,在建表的时候就规定了主键和外键的话,那么对应的主键和外键会自动加索引的.另外SQL语句的好坏可能会造成数倍的查询速度的差别..写SQL的时候有二个基本的原则,一.越接近数据库核心的SQL语句查询速度越快.即:用通用的标准SQL函数或语法,一定会比数据库产品扩展的SQL要快大约80%所有二.优先使用子查询而不是关联查询,比如表关联(即FROM后面有多个表)...SQL语句也是可以优化的

类似于语义网络。是为了生物界有一个统一的数据交流语言。 因为在生物学界，存在在种种同名异义、异议同名的现象。为此产生了GO项目。

GO是用一套统一的词汇表来描述生物学中的分子功能、生物过程和细胞成分。其思想大概过程：对于一个基因产品（蛋白质或RNA），用某些词汇来描述它是干什么的或位于细胞哪里、或者参与了哪个生物过程，而这些词汇就是来自GO的Term。

（1）提供生物学功能（术语）的逻辑结构及其相互之间的关系，表现为有向无环图

（2）给特定的基因产物（蛋白质，非编码RNA或大分子复合体，简称为'基因'）起一个特定的名字（唯一标识该基因）

Gene Ontology（GO）中最基本的概念是term。GO里面的每一个entry都有一个唯一的数字标记，形如GO:nnnnnnn，还有一个term名，比如"cell", "fibroblast growth factor receptor binding"，或者"signal transduction"。每个term都属于一个ontology，总共有三个ontology，它们分别是

细胞成分：细胞的部分或其细胞外环境

分子功能：基因产物在分子水平上的元素活性，例如结合或催化

生物过程：具有确定开始和结束的分子事件的 *** 作或集合，与综合生活单元的功能有关

理由一：

在基因表达谱分析中，GO常用于提供基因功能分类标签和基因功能研究的背景知识。利用GO的知识体系和结构特点，旨在发掘与基因差异表达现象关联的单个特征基因功能类或多个特征功能类的组合。

根据GO的知识体系，使用“功能类”（或者叫做“功能模块”）这一概念具有以下优点：我们认为，单个基因的表达情况的改变不足以反映特定功能/通路的整体变化情况。因为类似人类社会的组织结构，生物体的功能的实现决不仅仅是依靠一两个基因功能的改变来实现的。因此过分着重单个基因表达变化，将会在后期结果处理中严重干扰对于结果的合理分析，导致偏倚性加大，而且是无法避免的。因此利用GO的结构体系，把参与同样功能/通路的基因进行“功能类”层面的抽象和整合，提供比基因更高一层次的抽象结论，对理解疾病的发病机制或药物的作用机理等更有帮助。

但是该方法也存在一定的不足，由于生物体内部的调控网络可能具有“scale-free network”的特点，个别功能重要的基因（主效基因）具有“Hub节点”的重要特性，它的功能改变可能对于整个网络来说是至关重要的，在这点上，这些重要的基因又具有一定的“自私独裁”特点。而“功能类”之观点模糊了这种差别特性，过于强调“共性”，而忽视了“个性”，这也是“功能类”的一个不足之处，这就需要结合相关的生物学知识才能够实现

理由二：

GO（gene ontology）对大家而言也许会是一个相对陌生的名词，但是它已经成为生物信息领域中一个极为重要的方法和工具，并正在逐步改变着我们对 biological data的组织和理解方式，它的存在已经大大加快了我们对所拥有的生物数据的整合和利用，我们应该逐步学会理解和掌握这种思想和工具。

众所周知，sequence based biology中的核心内容即是对序列的Annotation（注释），其中主要包含structural annotation和functional annotation，前者涉及分析sequence在genome中的locus以及exon，intron，promoter等的location，而后者则是推断序列编码产物的功能

随着多种生物genome的相继解码，同时大量ESTs以及gene expression profile date的积累，使得annotation的工作量和复杂度大大增加。然而另一方面，大多数基因在不同真核生物中拥有共同的主要生物功能，通过在某些物种中获得的基因或者蛋白质（shared protein）的生物学信息，可以用以解释其他物种中对应的基因或蛋白（especially in comparative genomics）。由于这些繁复的功能信息主要是包含在积累的文献之中，如何有效的提取和综合这些信息就是我们面临的核心困难，这也是GO所要着力解决的问题。通过建立一套具有动态形式的控制字集（controlled vocabulary），来解释真核基因及蛋白在细胞内所扮演的角色，并随着生命科学研究的进步，不断积累和更新。一个ontology会被一个控制字集来描述并给予一定的名称，通过制定“本体”ontologies并运用统计学方法及自然语言处理技术，可以实现知识管理的专家系统控制

总结：

Gene Ontology（GO）包含了基因参与的生物过程，所处的细胞位置，发挥的分子功能三方面功能信息，并将概念粗细不同的功能概念组织成DAG（有向无环图）的结构。

Gene Ontology是一个使用有控制的词汇表和严格定义的概念关系，以有向无环图的形式统一表示各物种的基因功能分类体系，从而较全面地概括了基因的功能信息，纠正了传统功能分类体系中常见的维度混淆问题。

在基因表达谱分析中，GO常用于提供基因功能分类标签和基因功能研究的背景知识。利用GO的知识体系和结构特点，旨在发掘与基因差异表达现象关联的单个特征基因功能类或多个特征功能类的组合。

原文： https://mp.weixin.qq.com/s/e4BkqkMt7L9ZS_KBuv2rvQ

---