DE69823206T2

DE69823206T2 - Verfahren zur herstellung einer bio-informatik-datenbank

Info

Publication number: DE69823206T2
Application number: DE69823206T
Authority: DE
Inventors: J. David BALABAN; Arun Aggarwal
Original assignee: Affymetrix Inc
Current assignee: Affymetrix Inc
Priority date: 1997-07-25
Filing date: 1998-07-24
Publication date: 2004-08-19
Anticipated expiration: 2018-07-25
Also published as: US6882742B2; EP1002264A4; US7215804B2; EP0998697A1; US20030125882A1; US20050157915A1; DE69823206D1; US6308170B1; US6188783B1; EP1007737A1; US20050164270A1; EP1002264A2; EP1009861A4; US6229911B1; JP2001511550A; ATE264523T1; JP2001511529A; JP3776728B2; WO1999005574A1; JP2005100389A

Description

HINTERGRUND DER ERFINDUNG
Die vorliegende Erfindung betrifft die Sammlung und Speicherung von Informationen, die die Prozessierung biologischer Proben betrifft.
Vorrichtungen und Computersysteme zur Herstellung und Verwendung von Arrays von Materialien auf einem Substrat sind bekannt. Die PCT-Anmeldung WO 92/10588 beschreibt z. B. Techniken zur Sequenzierung oder Sequenzkontrolle von Nukleinsäuren oder anderen Materialien. Arrays zur Durchführung dieser Operationen können als Arrays z. B. mit den Methoden der Pionierverfahren, die in dem US-Patent Nr. 5 143 854 und dem US-Patent Nr. 5 571 -639 offenbart wurden, hergestellt werden.
Entsprechend einem Aspekt der darin beschriebenen Techniken wird ein Array von Nukleinsäure-Sonden an bekannten Positionen auf einem Chip oder Substrat hergestellt. Eine fluoreszenzmarkierte Nukleinsäure wird dann mit dem Chip in Kontakt gebracht und ein Abtaster generiert eine Bilddatei, die die Positionen anzeigt, an denen die markierten Nukleinsäuren an den Chip gebunden haben. Basierend auf der Identität der Sonden an diesen Positionen ist es möglich, Information zu gewinnen wie die monomere Sequenz einer DNA oder RNA. Solche Systeme sind zur Herstellung von z. B. Arrays von DNA verwendet worden, die zur Untersuchung und Detektion von Mutationen, die wichtig für die zystische Fibrose, das P53 Gen (wichtig für bestimmte Arten von Krebs), HIV und andere genetische Merkmale sind, eingesetzt werden können.
Außerdem sind computerunterstützte Techniken zur Beobachtung der Genexpression durch die Verwendung solcher Arrays von Sonden entwickelt worden, wie in der EP-Veröffentlichung Nr. 0 848 067 und der PCT-Veröffentlichung Nr. WO 97/10365 offenbart wurde. Viele Krankheitszustände werden charakterisiert durch Unterschiede in den Expressionsniveaus verschiedener Gene, entweder durch Änderungen in der Kopieanzahl der genetischen DNA oder durch Änderungen von Transkriptionsniveaus (z. B. durch die Kontrolle der Initiation, Bereitstellung von RNA-Vorläufern, RNA-Prozessierung, etc.) bestimmter Gene. Zum Beispiel spielen Verluste oder Zugewinne von genetischem Material eine wichtige Rolle bei bösartiger Umwandlung und Entwicklung. Ferner dienen Änderungen in den Expressions- (Transkriptions-) Niveaus bestimmter Gene (z. B. Onkogene oder Tumor-Suppressoren) als Hinweise auf das Vorhandensein und die Entwicklung verschiedener Arten von Krebs.
Diese computerunterstützten Techniken zur Sequenzierung und Expressionsüberwachung sind ihrerseits mehrstufige Prozesse, die z. B. Stufen der Sequenzauswahl, gesamtes Chip-Layout, Maskendesign, Sonden-Synthese, Probenherstellung, Aufbringung von Proben auf Chips, Abtasten der Proben und Analyse der Abtastergebnisse umfasst. Für jede Stufe gibt es eine assoziierte Kontrollinformation, die irgendwie bestimmt, wie die Bearbeitung der Stufe durchgeführt wird. Für viele Stufen gibt es ebenfalls eine Ergebnisinformation, die während der Stufe erzeugt wird. Die Bearbeitung in einer Stufe kann von der Kontrollinformation oder Ergebnisinformation einer vorherigen Stufe abhängen. Also gibt es einen Bedarf, alle relevanten Informationen für bequemen Zugriff und Abfrage zu organisieren.
Viele der betrachteten Anwendungen von Sonden-Array-Chips beinhalten die Durchführung all der verschiedenen Stufen in einem sehr großen Maßstab. Man denke zum Beispiel an die Untersuchung einer großen Population menschlicher Testpersonen, um Onkogene und Tumor-Suppressorgene zu entdecken, die wichtig für eine bestimmte Form von Krebs sind. Eine große Zahl von Proben muss gesammelt und verarbeitet werden. Informationen über die Probenspender und die Bedingungen der Probenherstellung sollten erhalten werden, um die spätere Analyse zu vereinfachen. Die Sonden-Array-Chips werden assoziierte Layoutinformationen haben. Jeder Chip wird mit Proben bearbeitet und einzeln abgetastet werden. Jeder Chip wird daher seine eigenen Abtastergebnisse haben. Am Ende werden die Abtastergebnisse für viele Objekte interpretiert und analysiert werden in dem Bestreben, die Onkogene und Tumorsuppressoren zu identifizieren. Die Menge der zu speichernden und korrelierenden Informationen ist gewaltig. Das Informationsmanagementproblem verschlimmernd, können Ausstattung und andere Labormittel mit anderen Projekten gemeinsam verwendet werden. Ein einzelnes Labor kann mehrere Kunden betreuen, jeder Kunde wiederum kann die Fertigstellung mehrerer Projekte anfordern. Was gebraucht wird, ist ein System und ein Verfahren, das geeignet ist für die Speicherung und Organisierung großer Mengen von Informationen, die im Zusammenhang mit Sonden-Array-Chips verwendet werden.
ZUSAMMENFASSUNG DER ERFINDUNG
Die vorliegende Erfindung stellt ein Verfahren zum Organisieren von Informationen betreffend polymere Sonden-Array-Chips einschließlich Oligonukleotid-Array-Chips zur Verfügung. Ein Datenbankmodell wird zur Verfügung gestellt, das Informationen bezüglich der Probenherstellung, Chip-Layout, Aufbringung der Proben auf Chips, Abtasten der Chips, Expressionsanalysen der Chipergebnisse, etc. organisiert. Das Modell ist leicht in eine Datenbanksprache wie SQL übersetzbar. Das Datenbankmodell skaliert, um Massenverarbeitung von Sonden-Array-Chips zu erlauben. Das Verfahren der vorliegenden Erfindung wird in Anspruch 1 definiert.
Bezüglich eines zweiten Aspekts stellt die vorliegende Erfindung computerlesbares Speichermedium zur Verfügung, das direkt in den internen Speicher eines digitalen Computers geladen werden kann, umfassend Software-Code-Abschnitte zur Durchführung der Verfahren aus Anspruch 1 oder 2, wenn besagte Software-Code-Abschnitte auf einem Computer ausgeführt werden.
Ein weiteres Verständnis der Art und Vorteile der hier vorliegenden Erfindung kann durch Bezug auf die verbleibenden Abschnitte der Beschreibung und angehängten Zeichnungen erzielt werden.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1 illustriert ein Gesamtsystem und Prozess zur Bildung und Analyse von Arrays von biologischen Materialien wie DNA oder RNA.
2A illustriert ein Computersystem, geeignet zur Verwendung in Verbindung mit dem Gesamtsystem aus 1.
2B illustriert ein Computernetzwerk, geeignet zur Verwendung in Verbindung mit dem Gesamtsystem aus 1.
3 illustriert einen Schlüssel zur Interpretation eines Datenbankmodells.
4 illustriert ein Datenbankmodell zur Erhaltung von Informationen für das System und den Prozess aus 1 entsprechend einer Ausführungsform der vorliegenden Erfindung.
BESCHREIBUNG BESONDERER AUSFÜHRUNGSFORMEN
Analysesystem für biologisches Material
Eine Ausführungsform der vorliegenden Erfindung arbeitet im Rahmen eines Systems zur Analyse biologischer oder anderer Materialien unter Verwendung von Arrays, die ihrerseits Sonden enthalten, die aus biologischem Material wie RNA oder DNA gemacht sein können. Die VLSIPS^TM- und GeneChip^TM-Technologien stellen Verfahren zur Anfertigung und Verwendung sehr großer Arrays von Polymeren wie Nukleinsäuren auf sehr kleinen Chips zur Verfügung. Siehe US-Patent Nr. 5 143 854 und PCT-Patentveröffentlichung Nr. WO 90/15070 und WO 92/10092. Nukleinsäuresonden auf dem Chip werden zur Detektion komplementärer Nukleinsäuresequenzen in einer interessierenden Nukleinsäureprobe verwendet (die "Ziel"-Nukleinsäure).
Es sollte verstanden werden, dass die Sonden nicht Nukleinsäuresonden sein müssen, sondern ebenfalls andere Polymere wie z. B. Peptide sein können. Peptidsonden können zur Detektion der Konzentration von Peptiden, Polypeptiden oder Polymeren in einer Probe verwendet werden. Die Sonden müssen sorgfältig ausgewählt werden, um Bindungsaffinität zu der Verbindung zu haben, zu deren Konzentrationsmessung sie eingesetzt werden.
1 illustriert ein Gesamtsystem 100 zum Bilden und Analysieren von Arrays von biologischen Materialien wie RNA oder DNA. Im Zentrum des Systems 100 ist eine Bioinformatik-Datenbank 102. Die Bioinformatik-Datenbank 102 enthält Informationen bezüglich der verschiedenen Stufen des Bildens und Prozessierens der Arrays sowie zum Interpretieren und Analysieren der Ergebnisse. Die Bioinformatik-Datenbank 102 erleichtert die Prozessierung von Arrays im großen Maßstab ("large scale").
Ein Chip-Design-System 104 wird zum Designen von Arrays von Polymeren wie biologischen Polymeren wie RNA oder DNA verwendet. Das Chip-Design-System 104 kann z. B. eine geeignet programmierte Sun Workstation oder Personalcomputer oder Workstation, wie ein IBM PC-Äquivalent, umfassend geeigneten Speicher und eine CPU sein. Das Chip-Design-System 104 erhält Eingaben von einem Benutzer bezüglich der Ziele des Chip-Designs einschließlich der Charakteristiken der interessierenden Gene und andere Eingaben bezüglich der gewünschten Merkmale auf dem Array. Optional kann das Chip-Design-System 104 Informationen bezüglich einer bestimmten interessierenden genetischen Sequenz aus der Bioinformatik-Datenbank 102 oder aus einer externen Datenbank wie GenBank erhalten. Die Ausgabe des Chip-Design-Systems 104 ist ein Satz von Chip-Design-Computerdateien in der Form von z. B. einer Schaltmatrix, wie beschrieben in PCT-Anmeldung WO 92/ 10092, und andere assoziierte Computerdateien. Die Chip-Design-Computerdateien bilden einen Teil der Bioinformatik-Datenbank 102. Systeme zum Designen von Chips zur Sequenzbestimmung und Expressionsanalyse sind in US-Patent Nr. 5 571 639 und in PCT-Anmeldung WO 97/10365 offenbart, deren Inhalt hier durch Bezugnahme aufgenommen ist.
Die Chip-Design-Dateien sind Eingabe für ein Masken-Design-System (nicht gezeigt), das die lithographische Maske entwirft, die in der Fabrikation von Arrays von Molekülen wie DNA verwendet wird. Das Masken-Design-System entwirft die lithographischen Masken, die bei der Herstellung der Sonden-Arrays verwendet werden. Das Masken-Design-System generiert Masken-Design-Dateien, die dann von einem Masken-Herstellungssystem (nicht gezeigt) verwendet werden, um Masken oder andere Synthesemuster wie Chrom auf Glasmasken zur Verwendung für die Fabrikation von polymeren Arrays herzustellen.
Die Masken werden in einem Synthesesystem verwendet (nicht gezeigt). Das Synthesesystem beinhaltet die notwendige Hardware und Software, die verwendet werden, um Arrays von Polymeren auf einem Substrat oder Chip herzustellen. Das Synthesesystem beinhaltet eine Lichtquelle und eine chemische Flusszelle auf der das Substrat oder der Chip platziert wird. Eine Maske wird zwischen der Lichtquelle und dem Substrat/Chip platziert und die zwei werden relativ zueinander zu angemessenen Zeiten zur Schutzgruppenentfernung in ausgewählten Regionen auf dem Chip verschoben. Ausgewählte chemische Reagentien werden zur Kopplung der schutzentferntn Regionen durch die Flusszelle geleitet, genauso wie zum Waschen und anderen Operationen. Die Substrate, die von dem Synthesesystem hergestellt werden, werden optional in kleinere Chips zerteilt. Die Ausgabe des Synthesesystems ist ein Chip, der fertig für die Aufbringung einer Ziel-Probe ist.
Information über das Masken-Design, die Maskenkonstruktion und das Sonden-Array-Synthesesystem wird hier als Hintergrund präsentiert. Die Bioinformatik-Datenbank 102 kann oder kann nicht Informationen bezüglich ihrer Operation umfassen.
Eine biologische Quelle 112 ist z. B. das Gewebe einer Pflanze oder eines Tieres. Verschiedene Prozessierungsgsschritte werden auf das Material der biologischen Quelle 112 durch ein Proben-Herstellung-System 114 angewendet. Diese Schritte können die Isolation von mRNA, Präzipitation der mRNA zur Erhöhung der Konzentration, etc., die Synthese von cDNA von mRNA umfassen. Das Ergebnis der verschiedenen Verarbeitungsschritte ist eine Ziel-Probe, die bereit für das Aufbringen auf den Chip ist, der von dem Synthesesystem 110 produziert wurde. Verfahren zur Probenherstellung für Expressionsanalysen werden im Detail in WO 97/10365 diskutiert.
Die hergestellten Proben enthalten monomere Nukleotidsequenzen wie RNA oder DNA. Wenn die Probe durch ein Proben-Expositions-System 116 auf den Chip aufgebracht wird, können die Nukleotide an die Sonden binden oder nicht. Die Nukleotide sind mit Fluoreszeinmarkierungen markiert worden, um zu bestimmen, welche Sonden an die Nukleotidsequenzen der Probe gebunden haben. Die hergestellten Proben werden in ein Abtast-System 118 platziert. Das Abtast-System 118 beinhaltet eine Detektionsvorrichtung, wie ein konfokales Mikroskop oder CCD (charge-coupled device), das verwendet wird, um die Orte zu detektieren, wo die markierten Rezeptoren an das Substrat gebunden haben. Die Ausgabe des Abtast-Systems 118 ist eine Bilddatei(en), die im Fall von fluoreszeinmarkierten Rezeptoren die Fluoreszenzintensität (Photonenanzahl oder andere verwandte Messungen wie die Spannung) als eine Funktion der Position auf dem Substrat anzeigt. Diese Bilddateien bilden ebenfalls einen Teil der Bioinformatik-Datenbank 102. Weil eine höhere Photonenanzahl beobachtet wird, wo der markierte Rezeptor stärker an das Array von Polymeren gebunden hat, und weil die Monomersequenz des Polymers auf dem Substrat als Funktion der Position bekannt ist, ist es möglich, die Sequenz(en) des Polymers (der Polymere) auf dem Substrat zu bestimmen, die komplementär zum Rezeptor sind.
Die Bilddateien und das Design der Chips sind Eingabe für ein Analysesystem 120, das z. B. Basensequenzen abruft, oder Expressionsniveaus von Genen oder expremierten Sequenz-Tags bestimmt. Das Expressionsniveau eines Gens oder ESTs wird hier verstanden als Konzentration innerhalb einer Probe von mRNA oder Protein, das aus der Transkription des Gens oder ESTs resultieren würde. Solche Analysetechniken sind offenbart in WO 97/10365 und US-Anmeldung Nr. 08/531 137 deren Inhalt hier durch Bezugnahme aufgenommen ist. Die Analyseergebnisse werden in der Bioinformatik-Datenbank 102 gespeichert.
Chip-Design-System 104, Analysesystem 120 und Kontrollabschnitte des Exposition-Systems 116, Proben-Herstellung-System 114 und Abtast-System 118 können geeignet programmierte Computer wie eine Sun Workstation oder IBM kompatible PCs sein. Ein unabhängiger Computer für jedes System kann die Computerimplementierten Funktionen des Systems durchführen oder ein Computer kann die computergestützten Funktionen von zwei oder mehr Systemen kombinieren. Ein oder mehrere Computer können die Bioinformatik-Datenbank 102 führen, unabhängig von den Computern, die das System der 1 steuern, oder die Datenbank 102 kann komplett oder teilweise von diesen Computern geführt werden.
2A stellt ein Blockdiagramm eines Hauptcomputersystems 10 dar, das zur Implementierung der vorliegenden Erfindung geeignet ist. Das Hauptcomputersystem 210 beinhaltet einen Bus 212, der Hauptuntersysteme wie einen zentralen Prozessor 214, einen Systemspeicher 216 (typischerweise RAM), einen Eingabe/Ausgabe (I/O)-Adapter 218, eine externe Vorrichtung wie einen Bildschirm 224 über einen Bildschirmadapter 226, eine Tastatur 232 und eine Maus 234 über einen I/O-Adapter 218, einen SCSI-Hauptadapter 236 und ein Diskettenlaufwerk 238, betriebsbereit zur Aufnahme einer Diskette 240, miteinander verbindet. Der SCSI-Hauptadapter 236 kann als ein Speicher-Interface zu einem Festplattenlaufwerk 242 oder einem CD-ROM Spieler 244, betriebsbereit zur Aufnahme einer CD-ROM 246, fungieren. Die Festplatte 244 kann Teil des Hauptcomputersystem 210 oder kann getrennt und zugänglich durch andere Interface-Systeme sein. Ein Netzwerk-Interface 248 kann die direkte Verbindung zu einem entfernten Server über eine Telefonleitung oder zum Internet bereitstellen. Das Netzwerk-Interface 248 kann ebenfalls zu einem "Local Area Network" (LAN) verbinden oder zu einem anderen Netzwerk, das viele Computersysteme verbindet. Viele andere Geräte oder Untersysteme (nicht gezeigt) können in einer ähnlichen Art und Weise verbunden werden.
Ferner ist es nicht notwendig, dass alle Geräte, die in 2A gezeigt sind, zum Betrieb der vorliegenden Erfindung vorhanden sind, wie unten diskutiert wird. Die Geräte und Untersysteme können auf anderen Wegen als in der 2A gezeigt miteinander verbunden werden. Der Betrieb eines Computersystems, wie er in 2A dargestellt ist, ist im Stand der Technik bekannt und wird in dieser Anmeldung nicht im Detail diskutiert. Code zur Implementierung der vorliegenden Erfindung kann ausführbar bereit sein oder in computerlesbaren Speichermedien wie dem Systemspeicher 216, der Festplatte 242, der CD-ROM 246 oder der Diskette 240 gespeichert sein.
2B stellt ein Netzwerk 260 dar, das viele Computersysteme 210 verbindet. Netzwerk 260 kann ein "Local Area Network" (LAN), "Wide Area Network" (WAN), etc. sein. Die Bioinformatik-Datenbank 102 und die computer-bezogene Operationen der anderen Elemente der 2B können unter den Computersystemen 210 in jeder Art aufgeteilt werden, wobei das Netzwerk 260 eingesetzt wird, um Informationen zwischen den verschiedenen Computern auszutauschen. Tragbare Speichermedien wie Disketten können anstelle des Netwerks 260 eingesetzt werden, um Informationen zwischen den Computern zu transportieren.
Generelles Datenbankmodell
Die Bioinformatik-Datenbank 102 ist vorzugsweise eine relationale Datenbank mit einer komplexen internen Struktur. Die Struktur und Inhalte der Bioinformatik-Datenbank 102 werden beschrieben in Bezug auf ein logisches Modell, das die Inhalte der Tabellen der Datenbank genauso wie die Beziehung zwischen den Tabellen beschreibt. Eine bildliche Darstellung dieses Modells wird ein Einheit-Beziehung-Diagramm (Entity Relationship Diagram, ERD) sein, das Einheiten, Beziehungen und Attribute enthält. Eine detaillierte Diskussion von ERDs findet man in "ERwin version 3.0 Methods Guide", erhältlich von Logic Works, Inc. of Princeton, NJ., dessen Inhalte hier durch Bezugnahme aufgenommen sind. Fachleute werden anerkennen, dass automatische Werkzeuge wie Developer 2000, erhältlich von Oracle, das ERD aus 4 direkt in einen ausführbaren Code wie SQL Code zur Erstellung und Betreibung der Datenbank umwandeln werden.
3 ist ein Schlüssel zu der ERD, der eingesetzt wird, um die Inhalte der Bioinformatik-Datenbank 102 zu beschreiben.
Eine Aggregations- (oder "hat eine") Beziehung 302 bedeutet, dass eine Einheit eine andere Einheit hat. Im dargestellten Beispiel hat ein Sequenzsatz 304 eine Sequenz 306. Eine eins-zu-viele-Assoziations- (oder "Klassifikations") Beziehung 308 bedeutet, dass eine Einheit eine Äquivalenzklasse von anderen Einheiten definiert. Im dargestellten Beispiel definiert eine Probe 310 eine Äquivalenzklasse von Zielen 312. Eine Metaklasse-Beziehung 314 bedeutet, dass eine Sammlung von einer Einheit zu einer anderen Einheit korrespondiert. Im dargestellten Beispiel korrespondiert eine Sammlung von Chips 316 zu einem Chip-Design 318. Eine Spezialisierungs- (oder "ist eine") Beziehung 320 zeigt an, dass eine Einheit eine andere Einheit ist. Im dargestellten Beispiel ist ein Fragment 322 eine Sequenz 324.
Eine Instantiierungsbeziehung 326 bedeutet, dass eine Einheit eine Instanz von einem Satz von anderen Einheiten ist. In dem dargestellten Beispiel ist K104-101 328 eine Instanz von dem Satz von Objekten 330. Wenn die Instantiierung zu einem Satz anstelle eines einzigen Elementes führt, wird der Satz, der instantiiert wird, als Metaklasse bezeichnet. Eine assoziative Objektbeziehung 332 bedeutet, dass ein Teilsatz von dem kartesischen Produkt eines ersten Satzes von Einheiten und eines zweiten Satzes von Einheiten zu einem dritten Satz von Einheiten korrespondiert. In dem dargestellten Beispiel ist ein Objekt 334 in einer oder mehreren Objekt-Gruppen 336 beteiligt und jede solche Objekt-Beteiligung 338 ist eine Einheit.
4 ist ein Einheit-Beziehung-Diagramm (ERD), das die Elemente der Bioinformatik-Datenbank 102 in Bezug zu einer Ausführungsform der vorliegenden Erfindung zeigt.
Jedes Rechteck in dem Diagramm korrespondiert zu einer Tabelle in der Datenbank 102. Für jedes Rechteck ist der Titel der Tabelle über dem Rechteck aufgelistet. Innerhalb jedes Rechttecks sind die Spalten der Tabelle aufgelistet. Über einer horizontalen Linie innerhalb jedes Rechtecks sind die Schlüssel-Spalten aufgelistet, Spalten deren Inhalte verwendet werden, um individuelle Einträge in der Tabelle zu identifizieren. Unterhalb dieser horizontalen Linie befinden sich die Namen von Nicht-Schlüssel-Spalten. Die Linien zwischen den Rechtecken identifizieren die Beziehungen zwischen den Einträgen einer Tabelle und den Einträgen einer anderen Tabelle. Zunächst werden die Beziehungen zwischen den verschiedenen Tabellen beschrieben. Danach werden die Inhalte jeder Tabelle im Detail diskutiert.
Bestimmte Details der Bioinformatik-Datenbank 102 gehören zur Expressionsanalyse, obwohl andere Typen von Analysen wie Basenabrufung oder die Entdeckung von Polymorphismen ebenfalls gemäß der vorliegenden Erfindung erleichtert werden können.
Eine Experiment-Tabelle 402 (EXPERIMENT) listet Experimente auf, die auf einem Ziel unter Verwendung eines bestimmten physikalischen Chips durchgeführt wurden, und wird gemäß einem Protokoll ausgeführt. Ziele werden in einer Ziel-Tabelle 404 (TARGET) aufgelistet, die mit der Experiment-Tabelle 402 durch eine eins-zu-viele-Assoziationsbeziehung 406 verbunden ist. Protokolle werden in einer Protokoll-Tabelle 408 (PROTOCOL) aufgelistet, die mit der Experiment-Tabelle 402 durch eine Aggregationsbeziehung 410 verbunden ist. Physikalische Chips werden in einer Physikalische-Chip-Tabelle 412 (PHYSICAL_CHIP) aufgelistet, die mit der Experiment-Tabelle 402 durch eine eins-zu-viele Assoziationsbeziehung 414 verbunden ist. Somit ist jeder Eintrag in der Experiment-Tabelle 402 mit einem Eintrag der Protokoll-Tabelle 408 und mit einem Eintrag der Physikalische-Chip-Tabelle 412 und der Ziel-Tabelle, die mit ihr assoziiert sind, verbunden. Ebenfalls ist jeder Eintrag in der Ziel-Tabelle 404 mit einem Eintrag in der Protokoll-Tabelle 408 verbunden. So gibt es ebenfalls eine Aggregationsbeziehung 409 zwischen Protokoll-Tabelle 408 und Ziel-Tabelle 404. Obwohl auf diesem Weg nicht dargestellt, ist ein Experiment ein assoziatives Objekt oder definiert eine assoziative Beziehung zwischen physikalischem Chip, Ziel und Protokoll.
Ein Protokoll ist generell eine Beschreibung der Parameter, die eine Prozedur kontrollieren, wie ein Experiment oder eine Herstellung von einem Ziel. Das für ein Experiment eingesetzte Protokoll schließt Quantitäten ein, die zu speichern für spätere Verwendung wichtig sind, wie Temperatur, Identifizierung von Instrumenten, etc.
Eine Protokoll-Tabelle selbst hat keine spezifischen Informationen mit sich assoziiert. Ein Protokoll basiert auf einer Protokollvorlage. Eine Protokollvorlage hat viele assoziierte Parametervorlagen. Also gibt es eine Protokoll-Vorlage-Tabelle 416 (PROTOCOL_TEMPLATE), die mit der Protokoll-Tabelle 408 durch eine eins-zu-viele Assoziationsbeziehung 418 und mit der Parameter-Vorlage-Tabelle 420 (PARAMETER_TEMPLATE) durch eine eins-zu-viele Assoziationsbeziehung 422 verbunden ist. Jede Parametervorlage in der Parameter-Vorlage-Tabelle 420 listet Parameter auf, die in einem bestimmten Kontext wie einem Experiment als wichtig erachtet werden. Die Parametervorlagen können ebenfalls Standardwerte für bestimmte Parameter einschließen. Typischerweise wird ein einziger Eintrag in der Protokoll-Tabelle 408 mit einem einzigen Eintrag in der Protokoll-Vorlage-Tabelle 416 assoziiert sein, die wiederum viele Parametervorlagen in der Parameter-Vorlage-Tabelle 420 mit sich assoziiert hat.
Die Parameter selbst werden in der Parameter-Tabelle 424 (PARAMETER) aufgelistet, mit der die Protokoll-Tabelle 408 durch eine eins-zu-viele Beziehung 426 verbunden ist. Wenn, falls ein Protokoll aktuell verwendet wird, ein oder mehrere Standardwerte, die in einer Parametervorlage identifiziert werden, geändert werden, werden diese Änderungen in der Parameter-Tabelle 424 eingetragen.
Ein Vorlagetyp, der mit jeder Protokollvorlage assoziiert ist, zeigt die Art der Vorlage an. Der Vorlagetyp identifiziert zum Beispiel, ob die Vorlage Parameter für Experimente, zur Analyse, oder zur Zielherstellung identifiziert. So hat eine Vorlage-Typ-Tabelle 427 (TEMPLATE_TYPE) eine eins-zu-viele Assoziationsbeziehung 429 zur Protokoll-Vorlage-Tabelle 416.
Für jeden in der Parameter-Vorlage-Tabelle 420 aufgelisteten Parameter gibt es eine Maßeinheit für diesen Parameter. So hat eine Parameter-Einheit-Tabelle 430 (PARAMETER_UNITS) eine eins-zu-viele Beziehung 432 zur Parameter-Vorlage-Tabelle 420.
Für jeden Zieleintrag in der Ziel-Tabelle 404 gibt es einen Zieltypeintrag in einer Ziel-Typ-Tabelle 434 (TARGET_TYPE). Die Zieltypeinträge identifizieren einen Typ von Zielquelle wie Blut, Speichel, etc. Es gibt eine eins-zu-viele Assoziationsbeziehung 436 zwischen Ziel-Tabelle 404 und Ziel-Typ-Tabelle 434.
Eine Analyse wird auf einer Analysedatensatzsammlung entsprechend einem Protokoll und entsprechend einem Analyseschema durchgeführt. So gibt es eine Analyse-Tabelle 438 (ANALYSIS), eine Analyse-Datensatz-Sammlung-Tabelle 440 (ANALYSIS_DATA_SET_COLLECTION), eine Analyse-Schema-Tabelle 442 ((ANALYSIS_SCHEME). Es gibt eine Aggregationsbeziehung 444 zwischen der Protokoll-Tabelle 408 und der Analyse-Tabelle 438, eine eins-zu-viele Assoziationsbeziehung 446 zwischen der Analyse-Datensatz-Sammlung-Tabelle 440 und der Analyse-Tabelle 438 und eine Aggregationsbeziehung 448 zwischen der Analyse-Schema-Tabelle 442 und der Analyse-Tabelle 438. Ein Protokoll für die Analyse ist analog zu Protokollen, die für Experimente und Zielherstellung verwendet werden.
Ein Analyse-Schema-Eintrag ergibt das logische Layout von einem Chiptyp. Ein logisches Layout besteht aus einer hierarchischen Ansammlung von Einheiten, Blöcken, Atomen und Zellen, wovon jedes in einer separaten Tabelle genau beschrieben wird. Es kann mehr als ein logisches Layout für ein bestimmtes physikalisches Chip-Design geben, weil dieselbe Sammlung von Sonden auf einem einzigen physikalischen Chip-Design für ungleiche Analyseziele einsetzbar sein kann.
Es gibt eine Chip-Design-Tabelle 450 (CHIP_DESIGN), die eine eins-zu-viele Assoziationsbeziehung 452 zur Physikalische-Chip-Tabelle 412 hat. Die Einträge der Chip-Design-Tabelle 450 identifizieren ein physikalisches Chiplayout. Es gibt ebenfalls eine eins-zu-viele Assoziationsbeziehung 454 zwischen der Chip-Design-Tabelle 450 und dem Analyseschema 442, um die Möglichkeit von mehreren logischen Layouts für ein bestimmtes physikalisches Layout zu repräsentieren.
Eine Schema-Einheit-Tabelle 456 (SCHEME_UNIT) listet Einträge für Einheiten des logischen Layouts auf. Eine Einheit ist eine Sammlung von Sonden, die eine oder mehrere biologische Objekte wie Gene abfragt. Es gibt eine eins-zu-viele Beziehung 458 zwischen der Analyse-Schema-Tabelle 442 und der Schema-Einheit-Tabelle 456. Jede Einheit hat einen assoziierten Einheits typ, der in der Einheit-Typ-Tabelle 460 (UNIT_TYPE) aufgelistet wird, mit einer eins-zu-viele Assoziationsbeziehung 462, die zwischen Einheit-Typ-Tabelle 460 und Schema-Einheit-Tabelle 456 existiert.
Eine Schema-Block-Tabelle 464 (SCHEME_BLOCK) listet Einträge für Blöcke des logischen Layouts auf. Obwohl eine eins-zu-viele Assoziativbeziehung 466 zwischen der Schema-Einheit-Tabelle 456 und der Schema-Block-Tabelle 464 existiert, gibt es nur einen einzigen Block pro Einheit in einer bevorzugten Ausführungsform, die für Expressionsanalysen optimiert ist. Jeder Eintrag der Schema-Block-Tabelle 464 gehört zu den Sonden, die eingesetzt werden, bestimmte Gene zu evaluieren.
Eine Schema-Atom-Tabelle 468 (SCHEME_ATOM) listet Atome des logischen Layouts auf. Es gibt eine eins-zu-viele Assoziativbeziehung 470 zwischen der Schema-Block-Tabelle 464 und der Schema-Atom-Tabelle 468. Jedes Atom korrespondiert zu einer Kombination von perfekter Paarungs- ("perfect match") Sonde und Fehlpaarungs- ("mismatch") Sonde.
Eine Schema-Zell-Tabelle 472 (SCHEME_CELL) listet Zellen des logischen Layouts auf. Es gibt eine eins-zu-viele Beziehung 474 zwischen der Schema-Atom-Tabelle 468 und der Schema-Zell-Tabelle 474. Jeder Eintrag der Schema-Zell-Tabelle 472 gibt Informationen über eine bestimmte Sonde, wie ihre Position und wie sie zu bestimmten interessierenden Genen in Verbindung steht.
Eine Analysedatensatzsammlung identifiziert zu analysierende Daten. Jede Analysedatensatzsammlung enthält einen oder mehrere Analysedatensätze. Ein Analysedatensatz kann Daten enthalten, die entweder aus einem Experiment oder aus einer vorher durchgeführten Analyse erhalten wurden. Somit kann eine Analyse auf Experimenten basieren, um Analyseergebnisse zu produzieren. Zukünftige Analysen können auf vorhergehenden Analysen basieren, um Analyseergebnisse zu erzeugen. Die Analyse-Datensatz-Sammlung-Tabelle 440 hat eine Aggregationsbeziehung 474 zu einer Analyse-Datensatz-Tabelle 476 (ANALYSIS_DATA_SET). Die Experiment-Tabelle 402 ist mit der Analyse-Datensatz-Tabelle 476 durch eine eins-zu-viele Assoziationsbeziehung 478 als eine mögliche Quelle von Analysedaten verbunden. Ebenso ist die Analyse-Tabelle 438 mit der Analyse-Datensatz-Tabelle 476 durch eine andere eins-zu-viele Assoziationsbeziehung 480 als eine andere mögliche Quelle von Daten verbunden. Somit gibt es effektiv eine Schleife zwischen der Analyse-Tabelle 438, der Analyse-Datensatz-Sammlung-Tabelle 440 und der Analyse-Datensatz-Tabelle 476, die eine rekursive Beziehung definiert, die es möglich macht, Analysen basierend auf vorhergehenden Analysen zu definieren.
Eine Analyse-Datensatz-Typ-Tabelle 482 (ANALYSIS_DATA_SET_TYPE) für die Analysedatensätze, die in Tabelle 476 aufgelistet sind. Es gibt ein Typ für Daten, die aus Experimenten resultieren und einen für Daten, die aus einer vorhergehenden Analyse resultieren. Es gibt eine viele-zu-eins Assoziationsbeziehung 484 zwischen der Analyse-Datensatz-Tabelle 476 und der Analyse-Datensatz-Typ-Tabelle 482.
Eine in der Analyse-Tabelle 438 aufgelistete Analyse hat einen assoziierten Analysealgorithmus. Analysealgorithmen sind in der Analyse-Algorithmus-Tabelle 486 (ANALYSIS_ALGORITHM) aufgelistet, die mit der Analyse-Tabelle 438 durch eine eins-zu-viele Assoziationsbeziehung 488 verbunden ist. In einer bevorzugten auf Expressionsanalysen zugeschnittenen Ausführungsform kann es drei mögliche Typen von Algorithmen geben, entsprechend: 1) Analyse für eine bestimmte Zelle, 2) relative Expressionsbestimmung ("expression calling") und 3) absolute Expressionsbestimmung. Eine Algorithmus-Typ-Tabelle 490 (ALGORITHM_TYPE_TABLE) ist mit der Algorithmus-Tabelle 486 durch eine eins-zu-viele Assoziationsbeziehung 492 verbunden.
Vorzugsweise gibt es drei Ergebnistabellen, eine Absolute-Genexpression-Ergebnis-Tabelle 494 (ABS_GENE_EXPRESSION_RESULT), eine Relative-Genexpression-Ergebnis-Tabelle 496 (REL_GEN_EXPRESSION_RESULT), und eine Messung-Element-Tabelle 498 MEASUREMENT_ELEMENT). Jede Analyse kann ein oder mehrere absolute Genexpressionsergebnisse, relative Genexpressionsergebnisse oder Messungselementergebnisse produzieren. So gibt es eins-zu-viele Assoziationsbeziehungen 500, 502 und 504, die die Analyse-Tabelle 438 mit der Absolute-Genexpression-Tabelle 494 bzw. der Rela tive-Genexpression-Tabelle 496 oder der Messung-Element-Tabelle 498 verbindet.
Eine Biologische-Referenz-Tabelle 506 (BIOLOGICAL_REF) listet Gennamen auf. Jeder Eintrag in der Absolute-Genexpression-Ergebnis-Tabelle 494 und der Relative-Genexpression-Ergebnis-Tabelle 496 korrespondiert zu einem bestimmten Gen. Entsprechend gibt es eine eins-zu-viele Assoziativbeziehung 508 zwischen der Biologische-Referenz-Tabelle 506 und der Absolute-Genexpression-Ergebnis-Tabelle 494 und eine andere solche Beziehung 510 zwischen der Biologische-Referenz-Tabelle 506 und der Relative-Genexpression-Ergebnis-Tabelle 416. Es gibt ebenfalls eine eins-zu-viele Assoziativbeziehung 512 zwischen der Biologische-Referenz-Tabelle 406 und der Schema-Block-Tabelle 464, weil jeder aufgeführte Block zu einem bestimmten benannten Gen korrespondiert.
Eine Absolute-Genexpression-Ergebnis-Typ-Tabelle 514 (ABS_GENE_EXPRESSION_RESULT_TYPE) listet die Typen der absoluten Genexpressionsergebnisse auf, umfassend: anwesend, grenzwertig, abwesend und unbekannt. Es gibt eine eins-zu-viele Beziehung 516 zwischen der Absolute-Genexpression-Ergebnis-Typ-Tabelle 514 und der Absolute-Genexpression-Ergebnis-Tabelle 494. Eine Relative-Genexpression-Ergebnis-Tabelle 518 listet die Typen der relativen Genexpressionsergebnisse auf, umfassend: gesteigert, keine Änderung, abgesenkt und unbekannt. Es gibt eine eins-zu-viele Beziehung 520 zwischen der Relative-Genexpression-Ergebnis-Typ-Tabelle 518 und der Relative-Genexpression-Ergebnis-Tabelle 496.
Datenbank-Inhalte
Die Inhalte der Tabellen, die oben vorgestellt worden sind, werden nun in größerem Detail präsentiert. Es ist zu verstehen, dass jede Tabelle mehrere Einträge umfasst, wobei jeder Eintrag mehrere Felder hat, die zu Spalten der Tabelle korrespondieren. Die Experiment-Tabelle 402 enthält einen Eintrag für jeden Experimentlauf. Eine ID-Spalte ist der Primärschlüssel für die Experiment-Tabelle 402, die ein eindeutiges Identifizierungszeichen für jedes Experiment enthält. Bei der Beschreibung der anderen Tabellen ist es so zu verstehen, dass der "Primärschlüssel" immer diesen Zweck erfüllt. Eine Protokoll-ID-Spalte (PROTOCOL_ID) identifiziert das für das Experiment verwendete Protokoll, wie in der Protokoll-Tabelle 408 aufgelistet. Eine Ziel-ID-Spalte (TARGET_ID) identifiziert die im Experiment eingesetzte Zielprobe, wie in der Ziel-Tabelle 404 aufgelistet. Eine physikalische Chip-ID-Spalte (PHYSICAL_CHIP_ID) identifiziert den im Experiment eingesetzten physikalischen Chip, wie in der Physikalische-Chip-Tabelle 412 aufgelistet. Eine Experiment-Namen-Spalte (EXPERIMENT_NAME) listet einen eindeutigen Namen für jedes Experiment auf. Ein DAT_FILE_NAME Feld listet einen Pfadnamen für eine Datei auf, die Ergebnisse des Experimentes auf Platte speichert. Diese Datei wird typischerweise Pixelintensitäten einschließen, die durch das Abtast-System 118 aufgenommen worden sind.
Die Ziel-Typ-Tabelle 404 beinhaltet eine ID-Spalte, die den Primärschlüssel für die Tabelle enthält. Eine Protokoll-ID-Spalte identifiziert das bei der Zielprobenherstellung verwendete Protokoll. Eine Ziel-Typ-Spalte (TARGET_TYPE) gibt den Zieltyp für die Zielprobe an, wie in der Ziel-Typ-Tabelle 434 aufgelistet. Eine Konzentration-Spalte (CONCENTRATION) listet die Konzentration für jede Zielprobe auf. Eine Datum-Hergestellt-Spalte (DATE_PREPARED) gibt das Datum an, an dem die Probe hergestellt wurde. Eine Hergestellt-Durch-Spalte (PREPARED_BY) identifiziert den Namen jedes Herstellers von jedem Ziel.
Die Ziel-Typ-Tabelle 434 listet die verschiedenen Zieltypen wie Blut, Speichel, etc. auf. Es gibt eine ID-Spalte, die den Primärschlüssel der Tabelle enthält und eine Namen-Spalte (NAME), die die Namen der Zieltypen auflistet.
Die Physikalische-Chip-Tabelle 412 listet die physikalischen Chips auf, auf die Ziele aufgebracht worden sind oder aufgebracht werden können. Es gibt eine Primärschlüssel-Spalte. Es gibt eine Design-ID-Spalte (DESIGN_ID), die das physikalische Chip-Layout identifiziert, wie in dem Chip-Design-Feld 450 (CHIP_DESIGN) aufgelistet. Es gibt eine Verfallsdatum-Spalte (EXPIRATION_DATE), die die Verfallsdaten der Chips auflistet, und eine Deckelnummer-Spalte (CAP_NUMBER), die Chargen-Nummern für jeden Chip identifiziert.
Die Analyse-Tabelle 438 beinhaltet einen Eintrag für jeden Analyselauf. Es gibt eine Primärschlüssel-Spalte für die Tabelle. Es gibt eine Protokoll-ID-Spalte (PROTOCOL_ID), die das für den Analyselauf verwendete Protokoll identifiziert, wie in der Protokoll-Tabelle 408 gespeichert. Es gibt eine Schema-ID-Spalte (SCHEME_ID), die das für die Analyse verwendete Chiplayout identifiziert, wie in der Analyse-Schema-Tabelle 442 aufgelistet. Es gibt eine Algorithmus-ID-Spalte (ALGORITHM_ID), die den in der Analyse verwendeten Algorithmus identifiziert, wie in der Analyse-Algorithmus-Tabelle 486 aufgelistet. Eine Datensatzsammlung-ID-Spalte (DATA_SET_COLLECTION_ID) identifiziert den als Eingabe verwendeten Datensatz der Analyse, wie in der Analyse-Datensatz-Sammlung-Tabelle 440 aufgelistet. Eine Analysten-ID-Spalte (ANALYST_ID) zeigt den Namen des Analysten für jede Analyse. Eine Analyse-Datum-Spalte (ANLYSIS_DATE) gibt das Datum für die Analyse an. Eine Namen-Spalte gibt einen eindeutigen Namen für die Analyse.
Die Analyse-Datensatz-Sammlung-Tabelle 440 listet Datensatzsammlungen auf, auf denen eine Analyse laufen kann. Tabelle 440 enthält nur eine Primärschlüssel-Spalte.
Die Analyse-Datensatz-Tabelle 476 listet Daten für die Analyse auf. Es gibt eine Primärschlüssel-Spalte. Es gibt eine Sammlung-ID-Spalte (COLLECTION_ID), die identifiziert zu welcher Datensatzsammlung jeder Datensatz gehört, wie in der Analyse-Datensatz-Sammlung-Tabelle 440 aufgelistet. Eine Analysen-ID-Spalte (ANALYSIS_ID) identifiziert die zur Produktion des Datensatzes verwendete Analyse, wenn der Datensatz tatsächlich ein Produkt einer Analyse ist. Ein Experiment-ID-Spalte (EXPT_ID) identifiziert das zum Produzieren des Datensatzes verwendete Experiment, wenn der Datensatz stattdessen das Produkt eines Experimentes ist. Eine Typ-ID-Spalte (TYPE_ID) zeigt an, ob der Datensatz das Produkt eines Experimentes oder einer Analyse ist.
Die Analyse-Datensatz-Typ-Tabelle 482 listet die Typen der Analysedatensätze auf, vorzugsweise "Experiment" und "Analyse", um die Datenquelle anzuzeigen. Es gibt eine Primärschlüssel-Spalte und eine Namen-Spalte, die den Typnamen angibt.
Die Analyse-Algorithmus-Tabelle 486 listet die für die Analyse verwendeten Algorithmen auf. Es gibt eine Primärschlüssel-Spalte und eine Namen-Spalte, die den Algorithmusnamen angibt. Eine Typ-Spalte (TYPE_ID) zeigt an, ob der Algorithmus absolute Genexpressionsergebnisse, relative Genexpressionsergebnisse oder Ergebnisse für eine bestimmte Zelle auf dem Chip produziert.
Die Algorithmus-Typ-Tabelle 490 listet die Typen der Algorithmusergebnisse auf. Es gibt eine Primärschlüssel-Spalte und eine Typ-Spalte, die die verschiedenen Ergebnistypen auflistet, die in der Typ-Spalte der Analyse-Algorithmus-Tabelle 486 verwendetet werden.
Die Messung-Element-Tabelle 498 listet die Analyseergebnisse für individuelle Zellen oder Sonden auf. Es gibt eine Analyse-ID-Spalte (ANALYSIS_ID), die die Analyse identifiziert, die in der Analyse-Tabelle 438 aufgelistet ist, die die Ergebnisse produziert, die in der Messung-Element-Tabelle 498 aufgelistet sind. Es gibt Lage-X- (LOCATION_X) und Lage-Y-Spalten (LOCATION_Y), die die Sondenkoordinaten auf dem Chip angeben. Die Analyse-ID-, Lage-X-, und Lage-Y-Spalten sind zusammen ein Schlüssel für die Messung-Element-Tabelle 498. Es gibt eine Intensität-Spalte (INTENSITY), die eine berechnete durchschnittliche Fluoreszenzintensität für jede Zelle oder Sonde enthält. Eine Statistik-Spalte (STATISTIC) gibt eine Standardabweichung entsprechend der Standardabweichung von über den Sonden gemessenen Intensitäten an. Eine Pixel-Spalte (PIXELS) listet die Anzahl von Pixeln auf, die zur Berechnung der durchschnittlichen Intensitäten in der Intensitäts-Spalte verwendet wurden. Eine Kennzeichen-Spalte (FLAG) speichert ein 3-Bit-Kennzeichen für jedes individuelle Zellanalyseergebnis. Das erste Bit wird gesetzt, wenn die Zelle aus der Analyse ausgeblendet wurde, was in der Analysen-ID-Spalte angezeigt wird, und dass die Intensitäts- und Statistik-Spalten deshalb nicht-anwendbare Daten enthalten. Ein zweites Bit zeigt an, ob die Analyse die Zelle als Ausreißer bestimmt hat, mit Ergebnissen, die inkonsistent mit anderen Zellen sind. Ein drittes Bit zeigt an, ob die Zellintensität verglichen mit dem Wert, der auf den experimentellen Messungen basiert, modifiziert worden ist. Eine Original-Intensität-Spalte (INTENSITY_ORIG) listet die Zellintensitäten auf, wenn sie modifiziert worden sind, anderenfalls wird der Eintrag in dieser Spalte auf "1" gesetzt.
Die Absolute-Genexpression-Ergebnis-Tabelle 494 enthält die Ergebnisse von einer absoluten Genexpressionsanalyse, mit einem Eintrag für jedes Gen, dessen Expression durch den Chip gemessen wurde. Eine typische Expressionsanalyse schließt die Bereitstellung von Paaren von perfekten Paarungs- und Fehlpaarungs-Sonden auf dem Chip ein. Die perfekten Paarungs-Sonden hybridisieren perfekt mit Nukleotidsequenzen, die die Expression eines bestimmten Gens anzeigen. Jede Fehlpaarungs-Sonde von einem Paar unterscheidet sich von ihrem perfekten Paarungs-Partner in einer Nukleotidposition. Eine absolute Genexpressionsanalyse wird typischerweise ein Sondenpaar anzeigen, positiv oder negativ für die Expression des bestimmten Gens, basierend auf einem Verhältnis und/oder Differenzgrenzwert, zu sein.
Eine Analyse-ID-Spalte (ANALYSIS_ID) identifiziert die Analyse, wie sie in der Analyse-Tabelle 438 aufgelistet ist, die die absoluten Genexpressionsergebnisse produziert hat. Eine Objekt-ID-Spalte (GENE_ID) identifiziert das Gen, wie es in der Biologische-Referenz-Tabelle 506 aufgelistet ist, für das die Ergebnisse gespeichert werden. Die Analyse-ID und Objekt-ID bilden zusammen den Primärschlüssel für die Absolute-Genexpression-Ergebnis-Tabelle 494. Eine Ergebnis-Typ-ID-Spalte (RESULT_TYPE) zeigt an, ob die aufgeführten Expressionsergebnisse anzeigen, dass das Gen anwesend, grenzwertig, abwesend oder unbekannt ist, durch Bezugnahme auf Einträge in der Absolute-Genexpression-Ergebnis-Typ-Tabelle 514. Eine Anzahl-Positiv-Spalte (NUMBER_POSITIVE) listet die Anzahl von als positiv evaluierten Sondenpaaren auf. Eine Anzahl-Negativ-Spalte (NUMBER_NEGATIVE) listet die Anzahl der als negativ evaluierten Sondenpaare auf. Eine Anzahl-Verwendet-Spalte (NUMBER_USED) zeigt die Anzahl von in der Analyse verwendeten Sondenpaaren an. Eine Anzahl-Alle-Spalte (NUMBER_ALL) zeigt die Anzahl der Sonden auf dem Chip an, die zum Evaluieren der Expression des in der Objekt-ID-Spalte identifizierten Gens zugeteilt wurden. Eine Durchschnitts-log-Verhältnis-Spalte (AVG_LOG_RATIO) zeigt das durchschnittliche logarithmische Intensitätsverhältnis von perfekten Paarungen zu Fehlpaarungen für alle analysierten Sondenpaare an. Eine Anzahl-Positiv-Übertreffend-Spalte (NUMBER_POS_EXCD) zeigt die Differenz zwischen der Anzahl von positiven Sondenpaaren und der Anzahl von negativen Sondenpaaren an. Eine Anzahl-Negativ-Übertreffend-Spalte (NUMBER_NEG_EXCD) zeigt den Überschuss der Anzahl von negativen Sondenpaaren über die Anzahl von positiven Sondenpaaren an. Eine Durchschnitt-Differentielle-Intensität-Spalte (AVG_DIFF_INTENSITY) zeigt die durchschnittliche Differenz in der Intensität zwischen einer perfekten Paarungs- und Fehlpaarungs-Sonde an. Eine Anzahl-Im-Durchschnitt-Spalte (NUMBER_IN_AVG) zeigt die Anzahl von Sondenpaaren an, die zur Berechnung des Durchschnitts verwendet wurden.
Die Absolute-Genexpression-Ergebnis-Typ-Tabelle 518 listet die Typen anwesend, grenzwertig, abwesend und unbekannt auf, auf die sich durch die Ergebnis-Typ-Spalte der Absolute-Genexpression-Ergebnis-Tabelle 494 bezogen wird. Es gibt eine Primärschlüssel-Spalte und eine Spalte für die Namen der Typen.
Die Relative-Genexpression-Ergebnis-Tabelle 496 enthält Ergebnisse von vergleichenden Genexpressionsanalysen. Eine vergleichende Analyse basiert auf Experimentergebnissen, die aus Experimenten von zwei Zielen erhalten wurden: ein Grundlinienziel und ein experimentelles Ziel. Zum Beispiel kann das Grundlinienziel von normalem Gewebe gemacht werden, während das experimentelle Ziel von Krebsgewebe gemacht werden kann. Andere als Ziele verwendete Gewebetypen können zu verschiedenen Stufen der Behandlung oder Krankheitsentwicklung, verschiedenen Arten oder verschiedenen Organen korrespondieren.
Eine Analyse-ID-Spalte (ANALYSIS_ID) identifiziert die Analyse, wie in der Analyse-Tabelle 438 aufgelistet, die die relativen Genexpressionsergebnisse ergab. Eine Objekt-ID-Spalte (GENE_ID) identifiziert das Gen, wie in der Biologische-Referenz-Tabelle 506 aufgelistet, für das Ergebnisse gespeichert werden. Die Analyse-ID und Objekt-ID ergeben zusammen einen Primärschlüssel für die Relative-Genexpression-Ergebnis-Tabelle 496. Eine Ergebnis-Typ-ID-Spalte (TYPE_ID) zeigt an, ob die aufgeführten relativen Genexpressionsergebnisse gesteigerte Expression, keine Änderung in der Expression, erniedrigte Expression oder eine unbekannte Änderung in der Expression anzeigen, durch Beziehen auf Einträge in der Relative-Genexpression-Ergebnis-Typ-Tabelle 518. Eine Positiv-Paarverhältnis-Spalte (POS_PAIRS_RATION) führt das Verhältnis von einer Anzahl von positiven Sondenpaaren zwischen den zwei Zielen auf. Eine Positiv-Steigerung=Spalte (POS-INCREASE) zeigt die Anzahl von Sondenpaaren an, für die die Differenz zwischen den perfekten Paarungs- und Fehlpaarungs-Hybridisierungsintensitäten signifikant größer für das experiementelle Ziel ist. Eine Positiv-Delta-Spalte (POS_DELTA) zeigt die Differenz zwischen der Anzahl von positiven Sondenpaaren zwischen den zwei Zielen an. Eine Negativ-Paarverhältnis-Spalte (NEG_PAIRS_RATION) listet das Verhältnis von der Anzahl von negativen Sondenpaaren für die zwei Ziele auf. Eine Negativ-Steigerung-Spalte (NEG_INCREASE) zeigt die Anzahl von Sondenpaaren an, für die die Differenz zwischen den perfekten Paarungs- und Fehlpaarungs-Hybridisierungsintensitäten für das Grundlinienziel signifikant größer ist. Eine Negativ-Delta-Spalte (NEG_DELTA) zeigt die Differenz zwischen der Anzahl von negativen Sondenpaaren zwischen den zwei Zielen an. Eine Durchschnitt-Verhältnis-Delta-Spalte (AVG_RATIO_DELTA) zeigt die Differenz zwischen den durchschnittlichen log-Verhältnissen für die experimentellen und Grundlinienziele an. Eine Durchschnitt-Intensität-Differenz-Delta-Spalte (AVG_INTENSITY_DIFF_DELTA) zeigt die Differenz zwischen der durchschnittlichen Intensitätsdifferenz für die experimentellen und Grundlinienziele an. Eine Durchschnitt-Differenz-Verhältnis-Spalte (AVG_DIFF_RATIO) zeigt die Größe des Verhältnisses von den durchschnittlichen Differenzen für die experimentellen und Grundlinienziele an. Eine log-Durchschnitt-Verhältnis-Delta-Spalte (LOG_AVG_RATIO_DELTA) zeigt die Differenz zwischen den log-Durchschnittsverhältnissen von experimentellen und Grundlinienzielen an. Eine Signifikanz-Spalte (SIGNIFICRNCE) liefert ein Anzeichen für die Unterschiede in der Expression zwischen den experimentellen und Grundlinienzielen. Diese Signifikanz-Spalte basiert auf beiden, dem durch schnittlichen Differenzverhältnis und der durchschnittlichen Intensitätsdifferenz Delta. Eine Base-Abwesend-Spalte (BASE_ABSENT) zeigt an, ob ein fragliches Gen dem Anschein nach in dem Grundlinienziel nicht exprimiert wird. Eine Differenz-Abruf-Spalte (nicht gezeigt) zeigt an, ob das Niveau der Expression des experimentellen Ziels gegenüber der Grundlinie gesteigert, vermindert, grenzwertig gesteigert, grenzwertig vermindert ist, oder ob es keinen detektierbaren Unterschied in der Expression gibt.
Die Protokoll-Tabelle 408 verbindet Parameter mit Experimenten, Zielproben, und Analysen. Es gibt eine Primärschlüssel-Spalte und eine Spalte, die Vorlagen für Protokolle auflistet. Die Parameter-Tabelle 424 speichert alle erfassten Parameter für Experimente, Zielprobenherstellung und Analyse. Es gibt einen Eintrag für jeden Parameterwert. Eine Protokoll-ID-Spalte (PROTOCOLO_ID) identifiziert das Protokoll, zu dem der Parameter gehört. Eine Parameter-Index-Spalte (PARAMETER_IDX) listet eine Indexnummer für den Parameter auf, die von 1 bis zu der Anzahl von erfassten Parametern reicht. Die Protokoll-ID und der Parameterindex sind zusammen ein Schlüssel für die Protokoll-Tabelle 408. Eine Zeichenketten-Wert-Spalte (STRING_VALUE) speichert einen Wert für den Parameter.
Die Protokoll-Vorlagen-Tabelle 416 enthält Vorlagen für Protokolle und verbindet die in der Protokolltabelle 408 aufgelisteten Protokolle mit Parametersätzen, die in der Parameter-Vorlagen-Tabelle 420 aufgelistet sind. Es gibt eine Primärschlüssel-Spalte. Es gibt eine Vorlagen-Typ-Spalte (TYPE_ID), die den Typ der Vorlage identifiziert, z. B. für Experimente, für Analysen, für Ziele. Es gibt eine Namen-Spalte, die einen eindeutigen Namen für jede Protokollvorlage auflistet.
Die Parameter-Vorlagen-Tabelle 420 enthält Parameternamen und Parameterstandardwerte, die mit jeder Protokollvorlage assoziiert sind. Jeder Parameter hat hier einen assoziierten Eintrag. Eine Protokoll-Vorlage-ID-Spalte (PROTOCOL_TEMPLATE_ID) identifiziert die Protokollvorlage, mit der der Parameter assoziiert ist. Eine Parameter-Index-Spalte (PARAMETER_IDX) gibt die Indexnummer für den Parameter an. Die Protokollvorlage-ID und der Parameterindex sind zusammen ein Schlüssel für die Parameter-Vorlagen-Tabelle 420. Eine Einheiten-ID-Spalte (UNITS_ID) gibt eine Maßeinheit für den Parameter an, ausgewählt aus einer, die in der Parameter-Einheiten-Tabelle 430 aufgelistet sind. Eine Namen-Spalte gibt den Namen des Parameters an. Eine Zeichenketten-Wert-Spalte (STRING_VALUE) gibt den Wert des Parameters an.
Die Vorlagen-Typ-Tabelle 427 listet die verschiedenen Typen von Protokollvorlagen auf, z. B. Vorlagen für Experimente, Vorlagen für Analysen, Vorlagen für die Präparation von Zielen. Es gibt eine Primärschlüssel-Spalte und eine Namen-Spalte, die die Typnamen angibt.
Die Parameter-Einheiten-Tabelle 430 listet die verschiedenen für Parameter verwendeten Maßeinheiten auf. Es gibt eine Primärschlüssel-Spalte und eine Namen-Spalte, die den Einheit-Namen angibt.
Die Chip-Design-Tabelle 450 listet Chiptypen auf. Es gibt eine Primärschüssel-Spalte und eine Namen-Spalte, die für jeden Chip eindeutige Namen angibt. Jeder Chiptyp hat ein charakteristisches physikalische Layout.
Die Analyse-Schema-Tabelle 442 listet logische Layouts für Chiptypen auf. Ein logisches Layout besteht aus einer hierarchischen Anordnung von Einheiten, Blöcken, Atomen und Zellen. Es gibt eine Primärschlüssel-Spalte. Eine Chip-Design-ID-Spalte (CHIP_DESIGN_ID) identifiziert den Chiptyp für jedes logische Layout. Derselbe Chiptyp kann mehr als ein logisches Layout haben.
Die Einheit-Typ-Tabelle 460 listet verschiedene Typen von Einheiten auf, die ein logisches Layout ausmachen. Es gibt eine Primärschlüssel-Spalte und eine Namen-Spalte, die eindeutige Namen für jeden Einheittyp auflistet.
Die Schema-Einheit-Tabelle 456 speichert einen Eintrag für jede Einheit in dem logischen Layout. Es gibt eine Schema-ID-Spalte (SCHEME_ID), die das logische Layout identifiziert mit dem die Einheit assoziiert ist. Es gibt eine Einheit-Index-Spalte (UNIT_IDX), die eine Indexnummer für die Einheit angibt, die von 1 bis zu der Gesamtanzahl von Einheiten auf dem Chip reicht. Die Schema-ID-Spalte und Einheit-Index-Spalte funktionieren zusammen als Schlüssel für die Schema-Einheit-Tabelle 456. Es gibt eine Typ-ID-Spalte (TYPE_ID), die den Einheitstyp für jede Einheit angibt. Eine Namen-Spalte gibt einen Namen für jede Einheit. Eine Richtung-Spalte (DIRECTION) zeigt an, ob eine Einheit in der kodierenden oder nicht-kodierenden Richtung abfragt, z. B. ob die Probe Sequenzen vom Sinn ("sense") DNA-Strang oder dem Gegensinn ("antisense") DNA-Strang enthält.
Die Schema-Block-Tabelle 464 speichert einen Eintrag für jeden Block. Jeder Block von dem logischen Layout fragt die Aktivität von einem einzelnen Gen ab. Es gibt eine Schema-ID-Spalte (SCHEME_ID), die das logische Layout anzeigt, zu dem der Block gehört. Eine Einheit-Index-Spalte (UNIT_IDX) zeigt die Einheit an, zu der der Block gehört. Eine Block-Index-Spalte (BLOCK_IDX) gibt eine Indexnummer für den Block an, die von 1 bis zu der Anzahl von Blöcken in der Einheit reicht. Die Schema-ID, der Einheitindex und Blockindex bilden zusammen einen Primärschlüssel für die Schema-Block-Tabelle 464. Eine Objekt-ID-Spalte (REF_ID) identifiziert die abgefragten Gene durch Referenz zur Biologische-Referenz-Tabelle 506.
Die Schema-Atom-Tabelle 468 listet Einträge für jedes Atom auf dem logischen Layout auf. Atome entsprechen Paaren von perfekten Paarungs- und Fehlpaarungs-Sonden. Eine Schema-ID-Spalte (SCHEME_ID) identifiziert das logische Layout, zu dem das Atom gehört. Eine Einheit-Index-Spalte (UNIT_IDX) zeigt die Einheit an, zu der das Atom gehört. Eine Block-Index-Spalte (BLOCK_IDX) zeigt den Block an, zu dem das Atom gehört. Eine Atom-Index-Spalte (ATOM_IDX) gibt eine Indexzahl für das Atom an, die von 1 bis zu der Anzahl von Atomen in dem Block reicht. Die Schema-ID, der Einheitsindex, Blockindex und Atomindex bilden zusammen einen Schlüssel für die Schema-Atom-Tabelle 468. Eine Positions-Spalte (POSITION) zeigt die Sequenzposition an, in der sich die perfekte Paarungs- und Fehlpaarungs-Sonde unterscheidet. Eine T-Basen-Spalte (TBASE) zeigt die Base in der Fehlpaarungs-Sonde an der Ersetzungsposition an. Eine Atom-Nummer-Spalte gibt Posi tionsinformationen für das Sondenpaar innerhalb ihrer Einheit an.
Die Schema-Zell-Tabelle 472 listet Einträge für jede Zelle des logischen Layouts auf. Zellen entsprechen individuellen Sonden. Es gibt vorzugsweise zwei Zellen für jedes Atom. Eine Schema-ID-Spalte (SCHEME_ID) identifiziert das logisch Layout, zu dem die Zelle gehört. Eine Einheit-Index-Spalte (UNIT_IDX) zeigt die Einheit an, zu der die Zelle gehört. Eine Block-Index-Spalte (BLOCK-IDX) zeigt den Block an, zu dem die Zelle gehört. Eine Atom-Index-Spalte (ATOM_IDX) zeigt das Atom an, zu dem die Zelle gehört. Ein Zellindex identifiziert die Zelle innerhalb des Atoms. Die Schema-ID, der Einheitsindex, Blockindex, Atomindex und Zellindex bilden zusammen einen Schlüssel für die Schema-Zell-Tabelle 472. Eine X-Lage-Spalte (LOCATION_X) zeigt die x-Koordinate für die Zelle auf dem Chip an. Eine Y-Lage-Spalte (LOCATION_Y) zeigt die y-Koordinate für die Zelle auf dem Chip an. Eine Sonden-Basen-Spalte (PBASE) identifiziert die Sondenbase an der Ersetzungssposition für das Atom oder Sondenpaar. Eine Merkmal-Spalte (FEATURE) gibt eine Zeichenkette an, die einige Aspekte der Sonde beschreibt. Eine Qualifizierer-Spalte (QUALIFIER) gibt ein zusätzliches Wort an, das zu dem in der Merkmal-Spalte ausgewiesenen Merkmal hinzugefügt wird.
Die Biologische-Referenz-Tabelle 506 listet abgefragte Gene oder expremierte Sequenz-Tags (ESTs) auf. Es gibt eine Primärschlüssel-Spalte und eine Spalte, die Namen von Genen und expremierten Sequenz-Tags zeigt. Es ist zu verstehen, dass wo immer sich oben auf Genexpression bezogen wird, die Expression von ESTs oder jede Konzentration gemessen durch polymere Sondenarrays einschließlich Oligonukleotidarrays als wendbar verstanden werden kann.
Im Betrieb wird die Bioinformatik-Datenbank 102 während der verschiedenen Prozesse, die in 1 dargestellt sind, aktualisiert. Zum Beispiel, wenn ein Experiment durch Aufbringen einer Zielprobe auf einen physikalischen Chip entsprechend einem Protokoll durchgeführt wird, wird ein Eintrag zur Experiment-Tabelle 402 zugefügt, der die Zielprobe, den physikalischen Chip und das Protokoll identifiziert. Die obige Beschreibung hat eine Datenbank angenommen, die Genexpressionsanalysen unterstützt, aber die vorliegende Erfindung umfasst ebenfalls Datenbanken, die Basen-Abrufung und Mutationsdetektion unterstützt.
Es ist selbstverständlich, dass die hier beschriebenen Beispiele und Ausführungen nur für erläuternde Zwecke sind, und dass verschiedene Modifikationen oder Änderungen in Bezug darauf Fachleuten vorgeschlagen werden und im Sinn und Bereich dieser Anmeldung und der angehängten Ansprüche eingeschlossen sind. Zum Beispiel können Tabellen gelöscht werden, Inhalte von mehreren Tabellen können zusammengelegt werden oder Inhalte von einer oder mehrerer Tabellen können auf mehr Tabellen als hier beschrieben aufgeteilt werden, um Abfragegeschwindigkeiten zu verbessern und/oder die Systemerhaltung zu unterstützen. Die hier beschriebene Datenbankarchitektur und beschriebenen Datenmodelle sind ebenfalls nicht auf biologische Anwendungen beschränkt, sondern können für andere Anwendungen eingesetzt werden.

Claims

Computer-implementiertes Verfahren zur Verwaltung von Informationen, die sich auf die Prozessierung von auf polymere Sonden-Arrays aufgebrachte biologische Ziel-Proben beziehen, wobei bei dem Verfahren: a) eine elektronisch gespeicherte Experiment-Tabelle (402) zur Auflistung von Experimenten erzeugt wird, wobei in jedem Experiment eine Ziel-Probe auf einen bestimmten polymeren Sonden-Array-Chip aufgebracht wird, wobei ein Experiment eine assoziative Beziehung zwischen einem polymeren Sonden-Array-Chip, einer Ziel-Probe und einem Protokoll definiert, wobei die Experiment-Tabelle (402) für jedes Experiment einen Datensatz speichert, wobei ein Experiment-Datensatz aufweist: a1) ein erstes Identifizierungszeichen, das eine Ziel-Probe identifiziert, die in dem Experiment auf einen polymeren Sonden-Array-Chip aufgebracht wird, a2) ein zweites Identifizierungszeichen, das den polymeren Sonden-Array-Chip identifiziert, auf den die Ziel-Probe in dem Experiment aufgebracht worden ist, a3) ein Protokoll-Identifizierungszeichen, b) eine elektronisch gespeicherte Ziel-Tabelle (404) erzeugt wird, wobei die Ziel-Tabelle (404) einen Datensatz für jede Ziel-Probe speichert, wobei ein Ziel-Proben-Datensatz aufweist: b1) das erste Identifizierungszeichen, b2) ein viertes Identifizierungszeichen, das Herstellungsparameter der Ziel-Probe spezifiziert, b3) das Protokoll-Identifizierungszeichen, c) eine elektronisch gespeicherte Chip-Tabelle (412) zur Auflistung der polymeren Sonden-Array-Chip's erzeugt wird, wobei die Chip-Tabelle (412) für jeden polymeren Sonden-Array-Chip einen Datensatz speichert, wobei der Chip-Datensatz aufweist: c1) das zweite Identifizierungszeichen, das den polymeren Sonden-Array-Chip identifiziert, c2) ein drittes Identifizierungszeichen, das ein Layout der Polymer-Sonden auf dem polymeren Sonden-Array-Chip spezifiziert, d) eine elektronisch gespeicherte Protokoll-Tabelle (408) zur Auflistung von Protokollen erzeugt wird, wobei ein Protokoll eine Beschreibung der zur Steuerung eines Experiments verwendeten Parameter ist, e) wobei die Ziel-Tabelle (404) mit der Experiment-Tabelle (402) durch eine erste eins-zu-viele-Assoziationsbeziehung (406) verknüpft ist, wobei die in der Chip-Tabelle (412) aufgelisteten Chips mit der Experiment-Tabelle (402) durch eine zweite eins-zu-viele-Assoziationsbeziehung (414) verknüpft sind, und wobei die in der Protokoll-Tabelle (408) aufgelisteten Protokolle mit der Experiment-Tabelle (402) durch eine erste Aggregationsbeziehung (410) verknüpft sind und mit der Ziel-Tabelle (404) durch eine zweite Aggregationsbeziehung (409) verknüpft sind, f) so dass jeder Datensatz in der Experiment-Tabelle (402) mit einem Datensatz aus der Protokoll-Tabelle (408) und einem Datensatz aus der Chip-Tabelle (412) und aus der verbundenen Ziel-Tabelle verknüpft ist, und jeder Datensatz in der Ziel-Tabelle (404) mit einem Datensatz in der Protokoll-Tabelle (408) verknüpft ist.
Verfahren nach Anspruch 1, bei dem weiterhin: g) eine elektronisch gespeicherte Analyse-Tabelle (438) zum Auflisten jeder aus einer Mehrzahl von Expressions-Analyse-Operationen erzeugt wird, wobei die Analyse-Tabelle (438) einen Datensatz speichert, der aufweist g1) ein fünftes Identifizierungszeichen, das eine bestimmte Analyseoperation spezifiziert, g2) ein sechstes Identifizierungszeichen, das Ergebnisinformationen der Array-Prozessierung spezifiziert, mit der die bestimmte Expressionsanalyse-Operation ausgeführt worden ist, h) eine elektronisch gespeicherte Analysealgorithmen-Tabelle (486) zur Auflistung von Analysealgorithmen erzeugt wird, i) eine elektronisch gespeicherte Anlaysedatensatz-Sammeltabelle (440) zum Auflisten von Datensatzsammlungen, die zu analysierende Daten identifizieren und einen oder mehrere Analysedatensätze enthalten, erzeugt wird, wobei jeder Analysedatensatz Daten enthält, die entweder von einem Experiment stammen oder von einer zuvor durchgeführten Analyse, auf die eine Analyse angewendet werden kann, j) eine elektronisch gespeicherte Analysedatensatz-Tabelle (476) erzeugt wird, k) eine elektronisch gespeicherte Analyseschema-Tabelle (442) erzeugt wird, l) eine elektronisch gespeicherte Genexpressions-Ergebnistabelle zum Auflisten von jeder von ausgewählten aus der Mehrzahl von Analyseoperationen, einer Liste von Genen oder expremierten Sequenz-Tags und Resultaten der bestimmten Expressionsanalyse-Operation, wie sie auf jedes der Gene oder expremierten Sequenz-Tags angewendet ist, erzeugt wird, m) wobei die Analysedatensatz-Sammeltabelle (440) eine Aggregationsbeziehung (474) mit einer Analysedatensatz-Tabelle (476) hat, wobei die Experiment-Tabelle (402) mit der Analysedatensatz-Tabelle (476) durch eine eins-zu-viele-Assoziationsbeziehung (478) verknüpft ist, und wobei die Analysetabelle (438) mit der Analysedatensatz-Tabelle (476) durch eine eins-zu-viele-Assoziationsbeziehung (480) verknüpft ist, so dass eine Schleife zwischen der Analysetabelle (438), der Analysedatensatz-Sammeltabelle (440) und der Analysedatensatz-Tabelle (476) vorhanden ist, die eine rekursive Beziehung definiert, die es ermöglicht, eine Analyse auf Grundlage von vorhergehenden Analysen zu definieren.
Verfahren nach Anspruch 1, wobei der polymere Sonden-Array-Chip einen Oligonukleotid-Array-Chip umfasst.
Computerlesbares Speichermedium, das direkt in den internen Speicher eines digitalen Computers ladbar ist und Software-Code-Abschnitte aufweist, um das Verfahren nach Anspruch 1 oder 2 auszuführen, wenn die Software-Code-Abschnitte auf einem Computer ausgeführt werden.