搜尋資料庫的策略

搜尋資料庫有三種策略，最容易了解的是「字串搜尋(string search)」。在圖書館中常用的「Medline」系統就是利用這種方式及像「醫學主題(MEdical Subject Headings，MESH)」這樣的控制語彙(control word) 來做檢索。使用控制語彙，使我們不必在意作者使用單複數名詞、形容詞或同義字。可是序列資料庫的管理者沒有那麼多人力去編寫控制語彙，所以採用其他的運算法，以便於辨識模組樣式(pattern) 或是相似(similar) 的序列。像 FindPatterns 這樣的程式，可以讓使用者輸入比較含糊的描述方式，例如 EcoRII 酵素的辨識序列「CCAGG」與「CCTGG」兩種序列可表顯示成「CCWGG」。

可是有些時候使用者寫不出那麼明確的模組樣式，只能給一些條件來規定什麼叫做相像。

String search :「字串」是由一連串明確的字元的序列片段，例如

• 核酸字串: "ATGC"
• 蛋白質字串: "DEAD" 是螺旋酵素中的守舊序列

Pattern search :「模組樣式」是一個含有不明確字元的序列片段，例如

• Ava I 限制酵素切割位置: "C(T,C)CG(A,G)"
• leucine zipper : "LX{6}LX{6}LX{6}L"

Similarity search : 根據運算法(algorithms)，尋找相似的序列，也就是尋找符合下列條件的所有序列:

• 利用 blosum 或 PAM 等評分矩陣(scoring matrix) 決定得分
• 由誤配(mismatch) 的數目，插入空隙(gap insertion) 的數目，與空隙長度(gap length) 決定扣分(penalty)

*若你的目的是要收集資料庫中「所有」和給定序列相關的序列，做親緣分析等工作「字串搜尋」是不夠的，因為你不知道資料庫中是使用哪些關鍵字來描述序列的，所以難免會漏掉一些序列。可是「相似性搜尋」則可找出所有相似的序列，再由你選擇你要用哪一種相似性之上的序列做分析。因此 FastA， TFastA， Blast 等資料庫搜尋程式，也可用來「收集序列」。

回到「搜尋資料庫」

Last updated on 11/23/01