许多研究人员生成的是“中等规模”、低通量且多维的数据，这类数据使用数据库管理比使用电子表格更为高效。本文对数据库的基本概念进行概述，包括多维数据的可视化、关系型数据库结构中表的关联、半自动化数据流程的映射，以及如何利用数据库揭示数据的内在含义。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
本文内容
摘要
摘要
科学的进步依赖于日益复杂的数据集，但常用的电子表格程序已无法满足这些信息在规模和复杂性上的增长需求。尽管数据库管理系统有潜力解决这些问题，但其应用目前仍局限于商业和信息学领域。然而，许多研究实验室已经产生了“中等规模”、低速、多维的数据，若采用类似的系统将大受裨益。本文提供了数据库工作原理的概念性概述，并阐述了其在组织工程应用中的优势。以携带层粘连蛋白A/C突变个体的结构成纤维细胞数据为例，说明了特定实验背景下的具体应用场景。示例包括多维数据的可视化、关系型数据库结构中表格的关联、将半自动化的数据流程映射为将原始数据转换为结构化格式的过程，以及解释查询语句的基本语法。通过对数据的分析结果，绘制了多种排列方式的图表，并展示了在细胞排列环境中，阳性对照组——早衰症（Hutchinson-Gilford progeria，一种广为人知的层粘连蛋白病）与其他所有实验组之间细胞组织结构的显著差异。与电子表格相比，数据库方法在时间效率上优势显著，一旦建立后使用简便，可即时访问原始文件位置，并提高了数据的严谨性。鉴于美国国立卫生研究院（NIH）对实验严谨性的强调，由于数据库在高效组织复杂数据方面的强大能力，未来许多科学领域很可能会将其作为常规实践广泛采用。
引言
在当今科学技术迅猛发展的时代，处理大量数据已成为各个学科研究中不可或缺的重要环节。计算生物学和基因组学等新兴领域的兴起，凸显了主动利用技术的重要性。由于摩尔定律以及技术进步带来的持续发展，这一趋势必将延续下去1,2。然而，随之而来的一个后果是所产生的数据量日益增长，已超出以往可行组织方法的处理能力。尽管大多数学术实验室具备处理复杂数据集所需的计算资源，但许多研究团队缺乏构建适应不断变化需求的定制化系统所必需的技术专长3。掌握管理和更新此类数据集的技能，对于实现高效的工作流程和科研产出仍然至关重要。弥合数据与专业技术之间的鸿沟，对于高效地处理、重新更新和分析各种复杂的多维度数据具有重要意义。
在处理大规模数据集时，可扩展性是一个至关重要的考虑因素。例如，大数据是一个蓬勃发展的研究领域，其核心是通过对具有海量规模、高度异质性和高速生成特征的数据（如音频和视频）进行处理，揭示新的科学见解4,5。该领域必须依赖自动化的组织与分析方法，才能有效应对数据洪流。然而，大数据中使用的许多技术术语并未被明确定义，容易造成混淆；例如，“高通量”数据通常指每天新增数百万条记录，而“低通量”数据可能每天仅有数百条记录，这....
访问受限。请登录或开始试用以查看此内容。
方案
注意：本方案所用软件版本请参见材料表。
1. 评估数据是否适合采用数据库组织方案
- 下载示例代码和数据库（参见补充编码文件，其内容总结于表1）。
- 使用图1评估感兴趣的数据集是否为“多维”数据。
注意：图1为示例数据集提供的多维数据库的图形化表示。 - 如果数据可以像示例一样以“多维”形式可视化，并且能够将特定的实验结果与任一维度（即条件）相关联，从而加深对现有数据的科学理解，则继续构建关系型数据库。
2. 组织数据库结构
注意：关系型数据库以表格形式存储信息。表格以行和列的模式进行组织，类似于电子表格，可用于链接数据库内的标识信息。
- 整理数据文件，确保每个文件具有经过周密考虑的唯一名称。良好的文件命名规范以及合理的文件夹-子文件夹结构，若实施得当，可在不影响手动访问文件可读性的前提下，实现数据库的广泛可扩展性。例如，以统一格式添加日期文件，如 "20XX-YY-ZZ"，并根据元数据命名子文件夹。
- 在设计数....
访问受限。请登录或开始试用以查看此内容。
结果
数据的多维性
在本文提供的示例数据集中，如方法部分所述，受试者被分为三组携带导致心脏病的LMNA突变的家族成员（“患者”）、相关的非突变阴性对照（“对照”）、无关联的非突变阴性对照（“供体”），以及一名作为阳性对照的Hutchinson-Gilford早衰综合征（HGPS）个体20。由于对照组和供体组均不携带LMNA突变，其结果可进一步合并为一个总体的阴性对照（N.C.）组。每位受试者的细胞系均根据其所属的条件组标注了“突变状态”（图1 — 深蓝色轴）。在每次实验中，均将来自受试者的成纤维细胞培养在无序排列（各向同性）或微图案化（条带状）的纤连蛋白基质上，从而形成“图案类型”这一实验条件（图1 — 橙色轴）。细胞经固定、免疫染色和成像后，记录“盖玻片编号”，因为使用同一位个体的细胞会进行多次实验（即技术重复）（图1 — 浅绿色轴）。随后.......
访问受限。请登录或开始试用以查看此内容。
讨论
实验方案的技术讨论
在考虑使用数据库时，第一步是评估数据是否能够从这种组织方式中受益。
下一个关键步骤是创建一个自动化代码，该代码只需用户输入最少的信息即可生成表格数据结构。在示例中，用户输入了数据类型的类别（细胞核或结构测量）、细胞系的受试者标识符以及所选文件的数量。随后，用户选择相关文件（表2，第1列），系统会自动创建行条目，并填入文件中包含的所有变量（表2，第2列）。此外，代码必须具备足够的灵活性：如果需要添加新的实验条目，用户可选择继续循环；否则，文件将被保存，循环结束。在本步骤中所述的添加新条目、检查错误以及从文件路径组装电子表格等基本功能，对于建立高效的数据处理流程均至关重要。
必须注意，在创建数据流程时使用文件路径可提高实验的严谨性。具体而言，提供一份列出所有数据值对应文件路径的电子表格，可使用户将任意数据点追溯至采集原始数据的研究人员的实验记录本。在处理数百至数万个数据点时，更高的透明度和可访问性在.......
访问受限。请登录或开始试用以查看此内容。
披露
作者无任何利益冲突需要披露。
致谢
本研究由美国国立卫生研究院国家心肺血液研究所资助，项目编号 R01 HL129008。作者特别感谢参与本研究的LMNA基因突变家族成员。我们还要感谢 Linda McCarthy 在细胞培养及实验室空间管理方面的协助，感谢 Nasam Chokr 参与细胞成像及细胞核数据分析，感谢 Michael A. Grosberg 在建立初始的 Microsoft Access 数据库过程中提供的有益建议，并解答了其他技术问题。
....访问受限。请登录或开始试用以查看此内容。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| 4',6'-二脒基-2-苯基吲哚（DAPI） | Life Technologies, Carlsbad, CA | ||
| Alexa Fluor 488 鬼笔环肽 | Life Technologies, Carlsbad, CA | ||
| Alexa Fluor 750 山羊抗兔抗体 | Life Technologies, Carlsbad, CA | ||
| 数字CCD相机ORCAR2 C10600-10B | Hamamatsu Photonics, Shizuoka Prefecture, Japan | ||
| 纤连蛋白 | Corning, Corning, NY | ||
| IX-83倒置电动显微镜 | Olympus America, Center Valley, PA | ||
| Matlab R2018b | Mathworks, Natick, MA | ||
| MS Access | Microsoft, Redmond, WA | ||
| 多聚甲醛（PFA） | Fisher Scientific Company, Hanover Park, IL | ||
| 多克隆兔抗人纤连蛋白抗体 | Sigma Aldrich Inc., Saint Louis, MO | ||
| 聚二甲基硅氧烷（PDMS） | Ellsworth Adhesives, Germantown, WI | ||
| Prolong Gold 抗荧光淬灭封片剂 | Life Technologies, Carlsbad, CA | ||
| 矩形玻璃盖玻片 | Fisher Scientific Company, Hanover Park, IL | ||
| Triton-X | Sigma Aldrich Inc., Saint Louis, MO |
参考文献
- Cavin, R. K., Lugli, P., Zhirnov, V. V. Science and engineering beyond Moore's law. Proceedings of the IEEE. 100, Special Centennial Issue 1720-1749 (2012).
- Mast, F. D., Ratushny, A. V., Aitchison, J. D. Systems cell biology. The Journal of Cell Biology. 206 (6), 695-706 (2014).
- Barone, ....
访问受限。请登录或开始试用以查看此内容。
重印与许可
