Hypertable應用於BioInfo Project

背景資料

• ​陽明生物資訊合作計畫

應用說明

• 以陽明的病人屬性分類資料為範本來建立搜尋引擎
  • 參考資料:
    • ​待解問題1
    • ​轉檔程式
  • 匯入方式:
    將陽明的病人屬性分類資料(XML格式),轉換成Hypertable可批次讀取的TSV格式,再使用HQL指令載入到Hypertable當中
  • 匯出方式:
    使用HQL指令匯出TSV檔案
  • 搜尋方式:
    目前Hypertable只提供以Rowkey完全比對及Rowkey或Timestamp的區間比對,以陽明的範例為例:
    Source是指檢查之前診斷判定的病因;
    Primary Site是指檢查之後診斷判定的病因;
    如果用Source為Rowkey來搜尋"Breast",搜尋結果會查出所有Source為"Breast"的資料
    如果用Primary Site為Rowkey來搜尋"Breast",搜尋結果會查出所有Primary Site為"Breast"的資料
    
    • NOTE: 交互比對的部份,Hypertable目前似乎沒提供,這個有可能要另外的程式再來處理過

資料表建置

• 編輯資料表綱要

  $ vim gse.hql
  CREATE TABLE GSEFamily (
    'Sample-iid',
    'Supplementary-Data',
    Description
  );
  

• 建立GSEFamily資料表

  $ hypertable --batch < gse.hql
  

• 透過轉檔程式產生GSEFamily.tsv
  • ​轉檔程式(windows)

    C:\> GSEXmlParser.exe -f tsv -i GSE2109_family.xml -o GSEFamily.tsv
    

• 匯入資料到GSEFamily資料表

  $ load data infile "GSEFamily.tsv" into table GSEFamily;
  

• 以Hql Command模式登入hypertable

  $ hypertable
  

• 搜尋資料

  hypertable> select * from GSEFamily;
  hypertable> select "Supplementary-Data" from GSEFamily;
  hypertable> select "Sample-iid" from GSEFamily;
  hypertable> select "Description" from GSEFamily;
  

• 刪除資料

  hypertable> delete * from GSEFamily where ROW="Breast";
  

Hadoop整合