Semantic unification and searching of bioinformatics databases using data mining methods

[A. Veljković]

113 str.

Рачунарство - Истраживање података, Биоинформатика / Computer Science -Data mining, Bioinformatics

Биоинформатика као наука будућности суочава се са проблемима обраде велике количине података коjа се свакодневно увећава. Поред проблема складиштења података, изазов представља и анализа података и разумевање скривених веза између биолошких поjмова коjе се уочаваjу тек након обjедињавања података из различитих извора. Ова дисертациjа дефинише нови модел података за обjедињавање хетерогених података из различитих биоинформатичких база података и дизаjн архитектуре система за имплементациjу софтверског система заснованог на предложеном моделу података. Додатно, дисертациjа дефинише аутоматизовани протокол за откривање нових веза семантичке сличности заснованих на методама истраживања података коришћењем података добиjених из дефинисаног модела. Модел података, софтверска архитектура и аутоматизовани протокол су тестирани над подацима из пет биоинформатичких база података. Резултати показуjу високу флексибилност модела и високу ефикасност софтверског система имплементираног према описаном дизаjну архитектуре.

ioinformatics as a science of the future faces the problems of process- ing a large amount of data that is increasing every day. In addition to the problem of data storage, the challenge is also data analysis and the understanding of hid- den relations between biological entities that are observed only after unifying data from different data sources. This thesis proposes a novel data model for the unifi- cation of heterogeneous data from multiple bioinformatics databases and a system architecture design for implementing software systems based on the proposed data model. Additionally, the thesis defines an automated pipeline for discovering new semantic similarity relations based on data mining methods using the data found in the proposed data model. The data model, software architecture, and automatic pipeline are evaluated using data from five real-world bioinformatics databases. The results demonstrate a high flexibility of the data model and the high efficiency of the software system implemented following the proposed architecture design.

семантика, обjедињавање биоинформатичких база, кластеровање, правила придруживања, граф знања

semantics, bioinformatics database unification, clustering, association rules, knowledge graph

004.6:004.233.3:57(043.3)

Tekst