公共数据库的数据需要进行因子分析吗

公共数据库中的数据是否需要进行因子分析取决于具体的研究问题和数据类型。因子分析是一种常用的多元统计分析方法，可以通过找出数据中的共性因素，从而简化数据结构，提高数据的解释性和预测能力。

如果您在研究中需要分析多个变量之间的关系，或者需要对数据进行降维处理，那么可以考虑使用因子分析。具体来说，如果您的数据满足以下条件，那么可以考虑使用因子分析：

1 数据包含大量的变量，且它们之间具有一定的相关性。

2 数据中存在多个变量具有相似的测量指标，例如多个变量都涉及到时间、空间等维度。

3 您需要对数据进行降维处理，以便更好地理解数据结构和进行后续分析。

需要注意的是，因子分析是一种有假设前提的分析方法，需要在进行分析前对研究问题和数据类型进行充分的了解和思考。因此，在决定是否使用因子分析之前，建议您先对数据进行数据探索、相关性分析等预处理，以便更好地理解数据的特征和结构。

GenBank数据库结构

完整的GenBank数据库包括序列文件，索引文件以及其它有关文件。索引文件是根据数据库中作者、参考文献等建立的，用于数据库查询。GenPept是由GenBank中的核酸序列翻译而得到的蛋白质序列数据库，其数据格式为FastA。

GenBank中最常用的是序列文件。序列文件的基本单位是序列条目，包括核苷酸碱基排列顺序和注释两部分。目前，许多生物信息资源中心通过计算机网络提供该数据库文件。下面，我们介绍序列文件的结构。

GenBank序列文件由单个的序列条目组成。序列条目由字段组成，每个字段由关键字起始，后面为该字段的具体说明。有些字段又分若干次子字段，以次关键字或特性表说明符开始。每个序列条目以双斜杠“//”作结束标记。序列条目的格式非常重要，关键字从第一列开始，次关键字从第三列开始，特性表说明符从第五列开始。每个字段可以占一行，也可以占若干行。若一行中写不下时，继续行以空格开始。

序列条目的关键字包括LOCUS(代码)，DEFINITION(说明)，ACCESSION(编号)，NID符(核酸标识)，KEYWORDS(关键词)，SOURCE(数据来源)，REFERENCE(文献)，FEATURES(特性表)，BASECOUNT(碱基组成)及ORIGIN(碱基排列顺序)。先版的核酸序列数据库将引入新的关键词SV(序列版本号)，用“编号版本号”表示，并取代关键词NID。

LOCUS(代码)：是该序列条目的标记，或者说标识符，蕴涵这个序列的功能。例如，图41中所示的HUMCYCLOX表示人的环氧化酶。该字段还包括其它相关内容，如序列长度、类型、种属来源以及录入日期等。说明字段是有关这一序列的简单描述，如本例为人环氧化酶-2的mRNA全序列。

ACCESSION(编号)：具有唯一性和永久性，如本例中代码M90100用来表示上述人环氧化酶-2的mRNA序列，在文献中引用这个序列时，应该以此编号为准。

KEYWORDS(关键词)字段：由该序列的提交者提供，包括该序列的基因产物以及其它相关信息，如本例中环氧化酶-2(-2)，前列腺素合成酶(synthase)。

SOURCE(数据来源)字段：说明该序列是从什么生物体、什么组织得到的，如本例中人脐带血(umbilicalvein)。次关键字ORGANISM(种属)指出该生物体的分类学地位，如本例人、真核生物等等(详见图41)。

REFERENCE(文献)字段：说明该序列中的相关文献，包括AUTHORS(作者)，TITLE(题目)及JOURNAL(杂志名)等，以次关键词列出。该字段中还列出医学文献摘要数据库MEDLINE的代码。该代码实际上是个超文本链接，点击它可以直接调用上述文献摘要。一个序列可以有多篇文献，以不同序号表示，并给出该序列中的哪一部分与文献有关。

FEATURES(特性表)：具有特定的格式，用来详细描述序列特性。特性表中带有‘/db-xref/’标志的字符可以连接到其它数据库，如本例中的分类数据库（taxon9606），以及蛋白质序列数据库（PID：g181254）。序列中各部分的位置都在表中标明，5’非编码区(1-97)，编码区(98-1912)，3’非编码区(1913-3387)，多聚腺苷酸重复区域(3367-3374)，等等。翻译所得信号肽以及最终蛋白质产物也都有所说明。当然，这个例子只是特性表的部分注释信息，但已经足以说明其详细程度。

接下来是碱基含量字段，给出序列中的碱组成，如本例中1010个A，712个C，633个G，1032个T。ORIGIN行是序列的引导行，接下来便是碱基序列，以双斜杠行“//”结束。

·EMBL数据库结构

EMBL数据库的基本单位也是序列条目，包括核甘酸碱基排列顺序和注释两部分。序列条目由字段组成，每个字段由标识字起始，后面为该字段的具体说明。有些字段又分若干次子字段，以次标识字或特性表说明符开始，最后以双斜杠“//”作本序列条目结束标记。

条目的关键字包括ID（序列名称），DE（序列简单说明），AC（序列编号），SV（序列版本号），KW（与序列相关的关键词），OS（序列来源的物种名），OC（序列来源的物种学名和分类学位置），RN（相关文献编号或递交序列的注册信息），RA（相关文献作者或递交序列的作者），RT（相关文献题目），RL（相关文献杂志名或递交序列的作者单位），RX（相关文献Mediline引文代码），RC（相关文献注释），RP（相关文献其他注释），CC（关于序列的注释信息），DR（相关数据库交叉引用号），FH（序列特征表起始），FT（序列特征表子项），SQ（碱基种类统计数）。

其它常用核酸序列数据库

·dbEST

dbEST数据库专门收集EST数据，该数据库有自己的格式，包括识别符、代码、序列数据以及dbEST的注释摘要，也按DNA的种类分成了若干子数据库。1998年5月8日版的dbEST共包括16_106条EST。其中有1百万条人的EST，30万条小鼠和大鼠的EST。

·GSDB

GSDB是基因组序列数据库（GenomeSequenceDataBase），由美国新墨西哥州SantaFe的国家基因组资源中心创建。GSDB收集、管理并且发布完整的DNA序列及其相关信息，以满足基因组测序中心需要。该数据库采用服务器-客户机关系数据库模式，大规模测序机构可以通过计算机网络向服务器提交数据，并在发送之前对数据进行检查，以确保数据的质量。

GSDB数据库中条目的格式与GenBank中的基本一致，主要区别是GSDB数据库中增加了GSDBID识别符。

GSDB数据库可以通过万维网查询，也可以使用服务器-客户机关系数据库方式查询。无论用哪种方法，熟悉数据库结构化查询语言SQL，对更好地使用GSDB数据库会有所帮助。

·UniGene

人类基因组计划的首要任务是对人类基因组进行全序列测定，整个基因组估计有30亿个碱基对，其中大约3%可以编码蛋白质，其余部分的生物学功能还不清楚。转录图谱可以把基因组中能够编码蛋白质的部分集中起来，因此是一种重要的数据资源。

UniGene试图通过计算机程序对GeneBank中的序列数据进行适当处理，剔除冗余部分，将同一基因的序列，包括EST序列片段搜集到一起，以便研究基因的转录图谱。UniGene除了包括人的基因外，也包括小鼠、大鼠等其它模式生物的基因，而下一章将要介绍的HGI数据库只包括人的基因。该数据库的标题行（TITLE）给出基因的名称和简单说明，表达部位行（EXPRESS）指出该基因在什么组织中表达以及在基因图谱中的位置等。此外，列出该基因在核酸序列数据库GenBank或EMBL和蛋白质序列数据库SWISS-PROT中的编号的超文本链接。

UniGene中部分条目包括已知基因序列，而有些条目则仅有新测得的EST序列片段。这就意味着，这些EST序列所对应的基因尚未搞清，可以用来发现新基因。在描绘基因图谱及大规模基因表达分析等研究中，UniGene也可以帮助实验设计者选择试剂。

UniGene可以通过NCBI或SRS系统访问

生物信息学（Bioinformatics）是生物学与计算机科学以及应用数学等学科相互交叉而

形

成的一门新兴学科。它通过对生物学实验数据的获取、加工、存储、检索与分析，进而

达

到揭示这些数据所蕴含的生物学意义的目的。在推动生物信息学发展的各种动力中，人

类

基因组计划（HGP）和生物医药工业是其中的两个主要力量。

就人类基因组来说，得到序列仅仅是第一步，后一步的工作是所谓后基因组时代 （Post

-

genome Era） 的任务，即收集、整理、检索和分析序列中表达的蛋白质结构与功能的信

息

，找出规律。近几年来在公共数据库中DNA序列数据的数量以每年18倍的速度快速增长

，

到1997年底已经超过12×109bp。对如此巨量的数据进行存储、分类、检索、比较，并

预

测可能的基因和基因产物的结构和功能，如果没有计算机参与处理，那是不可想象的。

生物医药工业也是推动生物信息学发展的重要动力。HGP所推动的大规模DNA测序也为生

物

医药工业提供了大量可用于新药开发的原材料。有些基因产物可以直接作为药物，而有

些

基因则可以成为药物作用的对象。生物信息学为分子生物学家提供了大量对基因序列进

行

分析的工具，不但可以从资料的获取、基因功能的预测、药物筛选过程中的信息处理等

方

面大大加快新药开发的进程，而且可以大大加快传统的基因发现和研究，因而成为各赢

利

性研究机构和医药公司争夺基因专利的重要工具，这一竞争又反过来极大的刺激了生物

信

息学的发展。

2、研究内容

生物信息学与计算生物学或生物计算有着密切的关系，但又不尽相同，目前归入生物信

息

学研究领域的大致有以下几个方面：

（1）各种生物数据库的建立和管理。这是一切生物信息学工作的基础，通常要有计算机

科

学背景的专业人员与生物学家密切合作。

（2）数据库接口和检索工具的研制。数据库的内容来自万千生物学者的日积月累，最终

又

为生物学者们所用。但不能要求一般生物学工作者具有高深的计算机和网络知识，因此

，

必须发展查询数据库和向库里提供数据的方便接口。这是专业人员才能胜任的工作，通

常

在生物信息中心里进行。

（3）人类基因组计划的实施，配合大规模的DNA自动测序，对信息的采集和处理提出了

空

前的要求。从各种图谱的分析，大量序列片段的拼接组装，寻找基因和预测结构与功能

，

到数据和研究结果的视像化，无不需要高效率的算法和程序。研究新算法、发展方便适

用

的程序，是生物信息学的日常任务。

（4）生物信息学最重要的任务，是从海量数据中提取新知识。这首先是从DNA序列中识

别

编码蛋白质的基因，以及调控基因表达的各种信号。其次，从基因组编码序列翻译出的

蛋

白质序列的数目急剧增加，根本不可能用实验方法一一确定它们的结构和功能。从已经

积

累的数据和知识出发，预测蛋白质的结构和功能，成为常规的研究任务。

（5）DNA芯片和微阵列的发展，把一定组织或生物体内万千基因时空表达的研究提上日

程

．研究基因表达过程中的聚群关系，从中提取调控网络和代谢途径的知识，进而从整体

上

模拟细胞内的全部互相辅合的生化反应，在亚细胞层次理解生命活动。只有掌握已有数

据

、发展崭新算法，才能创造新的知识。这是生物信息学刚刚掀开的新篇章。

和这个dblink没啥关系

有没有这种可能。推测啊

比如使用的服务器是weblogic 。只要这个一启动，就会自动初始化10个，20个session链接oracle数据库。而你的oracle链接数有限制。再使用程序，新增加一个conn的时候，就会出这个错。

以上就是关于公共数据库的数据需要进行因子分析吗全部的内容，包括:公共数据库的数据需要进行因子分析吗、高通量测序数据公共数据库有哪些(高通量测序常规)、怎么利用生物信息学分析公共数据等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！