WO2003001409A1 - Dispositif de traitement de donnees structurees - Google Patents

Description

明 細 書 構造化データ処理装置

技術分野

本発明は、 構造化データ処理装置、 構造化データ処理方法、 プログラム、 およ び、 記録媒体に関し、 特に、 様々な形式のスキーマ言語により定義された様々な 形式の構造化データを効率的に処理することができる構造化データ処理装置、 構 造化データ処理方法、 プログラム、 および、 記録媒体に関する。

背景技術

従来、 バイオインフォマティクス分野において扱われる基本的なデータベース として、 大規模な塩基またはアミノ酸などの配列情報データベースや、 文献情報 データベースがある。 例えば、 既存の配列情報データベースの例として、 「Ge nB a nkj などがあり、 文献情報データベースの例として 「PubMe d」 な とがある (http://www. ncbi. nlm. nih. gov/Genbank/ 参照) 。

第 1図は、 遺伝子の塩基配列または蛋白質のァミノ酸配列の配列情報データべ ースの基本的なデータ構造の例を示す図である。

ここで、 第 1図に示すように、 配列情報データベースに格納される各配列情報 のデータ構造は、 一般的に （1) 配列本体を格納するフィールド、 （2) 配列の 一部分についてのァノテーション情報を格納する部分修飾記述フィールド、 （ 3 ) 配列の全体についてのァノテーシヨン情報を格納する全体記述フィールド、 の 3つのフィールド群からなっている。

上記 (1) の配列本体を格納するフィールドは、 塩基配列またはアミノ酸配列 からなつている。 塩基配列は、 生物細胞の染色体を構成する 4種類の塩基 (AC GT) を一次元の列に並べたものである。 塩基配列が遺伝子として働くときにそ め特定の配列情報から特定の蛋白質が生成される。 アミノ酸配列は、 その蛋白質 を構成する二十数種のァミノ酸を一次元の列に並べたものである。

上記 (2) の部分修飾記述フィールドは、 配列本体の一部分について、 実験や 解析を通して得た知見 （物性や構造情報など） 等のァノテーシヨン情報を記した ものである。 この情報は配列によっては全くない場合もあるし、 同一の配列部分 に複数の部分修飾記述フィールドが記述されることもある。

また、 上記 (3) の全体記述フィールドは、 その配列全体に関する情報であり、 例えば、 分類 I D、 通称、 自然言語による説明、 生物種、 染色体上の位置、 （発 現データの場合） 臓器、 関連する学術文献の参照先、 キーワードなどに関するデ ータからなる。

これらのデータベースに格納される配列情報は、 レコード毎に埋まるフィール ドゃ繰り返し回数が異なるという性質を持つ。 そのため、 ある程度書式付けされ たテキスト形式または XMLなどの構造化された記述形式で流通することが多い。 バイオインフォマティクス分野で用いられている既存の構造化記述言語には、 例えば、 「ASN. 1 (Ab s t r a c t S y n t a No t a t i o n 1 ) J (h t t p ： / / www. n c b i . n 1 ni. n i n . g o / a ι t e m a p Z S u mm a r y/a s n l. h tm l、 J ame s M. O s t e l 1， I n t e g r a t e d Ac c e s s t o He t e r o g e n e o u s D a t a f r om NCB I " , p p. 730-736, I EEE E n g i n e e r i n g i n Me d i c i n e a n d B i o l o g y, No vZD e C， 1 995) や、 XMLベースの 「B SML (B i o S e q e n c e Ma r k u L a n g u a g e) 」 h t t p ZZwww. 1 a b b o o k . c o m/ f a q/ b sm l . a s p) 、 「B i oML (Th e B I Op o 1 yme r Ma r ku ； L a n g u a g e) 」 (h t t p :Z/w ww. b i om l . c o va/ B I OMLZ i n d e , h tm l) 、 およぴ、 「 GAME (Ge n ome Ann o t a t i o n Ma r k u p E l eme n t s ) J (h t t p ： / / www. b i o xm l . o r g/P r o j e c t s/ g ame/) などが存在している。 これらの配列データは大規模 （例えば、 G e n B a n kのレコード数は 1 0 0 0万件規模） であり、 効率的な検索処理を行なうために上述の例のデータでは、 リレーショナルデータベース （R D B ) を用いたデータベースシステムに変換 Z 格納されている。

しかしながら、 従来のシステムには、

( 1 ) 多種の構造ィヒ記述形式に対応する高い拡張性を持つ形式でデータを格納 することができない。

( 2 ) データを効率よく格納 ·利用することができない。

という 2つの問題点があった。 以下、 これらの問題点について具体的に説明する。 まず問題点 （1 ) で述べている、 データ記述形式に関する高い拡張性は、 バイ ォインフォマテイクス （B I ) 分野では特に重要である。 ここで B I分野におい て格納すべき情報は、 XMLや B SMLや B i o MLなどの既存の構造化記述言 語で表記されるものだけではない。 すなわち、 B I分野全体の研究が進むにつれ て格納すべき情報の定義情報の集合 （スキーマ） などは変化する。 例えば、 新た に実験手段が開発された場合、 その結果を格納するフィールドや定義するための スキーマが追加されることになる。

また、 同じ事実を複数の表現で格納するために繰り返し構造が導入されること も多い。 このような場合、 既存形式のデータを新規形式のデータに変換する必要 があり、 変換プログラムの開発と変換処理のコストが発生する。

さらに他の例として、 相互作用する複数の蛋白質の部位の情報を、 枠組みを変 えずに蛋白質のレコードに含めようとする場合には、 同じ情報を異なる 2つのレ コードに同期して格納する必要がある。 この場合、 格納領域が多く使用される、 格納 ·修正等の機能の実装が複雑になる、 などの管理上の問題が発生する。

また、 第 1 6図は、 B I分野で一般的に用いられる B S MLにより記述された 構造化データと、 同様に一般的に用いられる B i o MLにより記述された構造ィ匕 データとの構造的な相違を説明するための図である。

上述したように、 現在でも複数種類の構造化記述言語で記述された構造化記述 形式があり、 既存のソフトウェア資産を再利用するためにはそれらへ容易に変換 できる必要がある。 特に、 第 1 6図に示すように、 B SMLと B i o MLの間に は、 部分修飾記述フィールドの形式に構造的な相違がある。 B i o MLは、 蛋白 質の構造に関する一部の部分修飾記述を XML文書の木構造に埋め込むのに対し て、 B SMLは、 全ての部分修飾記述を配列位置情報との組で別記している。 こ のような違いのある複数の形式へ変換を効率的に行なうためには、 格納構造の表 現能力が十分に柔軟である必要がある。

問題点 （2 ) は、 問題点 （1 ) を解決するような柔軟なデータを対象にしたと きの効率について述べている。

RD B技術は、 古くから実用化されており.、 既存の計算機アプリケーションに おいては、 信頼性が高く、 大規模データの処理効率に優れた運用が可能である。 し力 し、 R D Bでは、 対象ドメインで扱うデータのスキーマが静的であることを 前提にデータモデルが設計される。 特に、 データ構造が複雑になるに従って固定 化の度合が高まる。 そのため、 問題点 （1 ) に対して求められるような高い拡張 性を持つシステムの構築は、 本来想定されておれず、 上述したような効率上の課 題が生じる。

R D Bが利用できない場合は、 最も柔軟な格納方式であるプレーンテキストフ アイルでの格納になるが、 これは大規模データにおける検索や取り出し性能が実 用的ではない。 特に、 B I分野ではこれらのデータを対象に大規模な解析処理を 連続して行なうため、 各レコ^"ド操作に求められる効率は、 事務帳票処理ゃェン ドユーザが起因となるトランザクション処理に比べて高くなつてしまう。

従って、 本発明は、 遺伝子の塩基配列や蛋白質のアミノ酸配列などの配列情報 のような大規模なデータを、 高レヽ拡張性を持つ形式でデータを格納し、 しかもデ ータを効率よく格納 ·利用することが可能となる構造化データ処理装置、 構造ィ匕 データ処理方法、 プログラム、 および、 記録媒体を提供することを目的としてい る。 発明の開示

本発明にかかる構造化デ一タ処理装置は、 構造化記述言語で記述された構造化 データと、 当該構造化データの構造を定義したスキーマデータとを取得する構造 化データ取得手段と、 上記構造化データ取得手段にて取得した上記構造ィヒデ一タ および上記スキーマデータを、 スキーマ形式変換指示情報に.基づいて変換する形 式変換手段と、 上記形式変換手段にて変換された変換後の構造化データおよびス キーマデータをデータベースに登録する構造化データ登録手段と、 上記構造化デ 一タ登録手段にて登録された上記データベースにアクセスしてデータ処理を行う ッールプログラムと、 当該ッールプログラムに入力される上記構造化データのス キーマのリソースを定義するスキーマリソース定義情報とを対応させて登録する 分析ツール登録手段と、 上記ツールプログラムが起動された場合に、 起動された 当該ツールプログラムに対応する上記スキーマリソース定義情報に従って、 上記 データベースに登録された構造化データおよびスキーマデータを変換して当該ッ ールプログラムに入力する分析ツール起動手段とを備えたことを特徴とする。 この装置によれば、 構造化記述言語で記述された構造化データと、 当該構造化 データの構造を定義したスキーマデータとを取得し,、 取得した構造化データおよ びスキーマデータを、 スキーマ形式変換指示情報に基づいて変換し、 変換された 変換後の構造化データおよびスキーマデ―タをデータベースに登録し、 登録され たデータベースにアクセスしてデータ処理を行うッールプログラムと、 当該ツー ルプログラムに入力される構造ィヒデータのスキーマのリソースを定義するスキー マリソース定義情報とを対応させて登録し、 ツールプログラムが起動された場合 に、 起動された当該ツールプログラムに対応するスキーマリソース定義情報に従 つて、 データベースに登録された構造化データおよぴスキーマデータを動的に変 換して当該ツールプログラムに入力するので、 異なる構造化言語やスキーマ言語 で記述された取得データを予めまたは必要に応じて定めた形式に変換することが できるようになる。

また、 各種の外部データベースから取得したデータ間の整合を容易にとること ができるようになり、 データ記述形式に関する高い拡張性を担保することができ るようになる。 その結果、 各種のデータ記述形式に対応する外部データベースへ のアクセスを容易に行うことができるようになる。 すなわち、 統一した特定の構 造化記述言語の形式 （例えば、 BSMLや B i oML等） で内部のデータベース を管理することが可能になるため、 データベースの利用効率などを著しく向上さ せることができるようになる。

また、 スキーマに新たなリソース （例えば、 XMLの要素など） が追加された 場合であっても、 容易に il¾卩された形式に変換することができるようになる。 また、 各分析ツールにより随時項目追加が発生し、 その追加項目を後段の分析 ツールの処理で使用するような場合であっても、 分析ツールの仕様に手を加える ことなく、 使用する各データの拡張性を容易に担保することができるようになる。 また、 共有部分のデータベースの一括形式変換を行うことができるようになる。 つぎの発明にかかる構造化データ処理装置は、 上記の構造化データ処理装置に おいて、 上記構造ィヒ記述言語は、 XML、 SGML, B i oML、 B SML、 A SN. 1、 GAME、 若しくは、 これらのいずれかを拡張した構造化記述言語、 または、 これらと同等の記述能力を持つ構造化記述言語であることを特徴とする。 これは構造化記述言語の一例を一層具体的に示すものである。 この装置によれ ば、 構造化記述言語は、 XML、 SGML, B i oML、 B SML、 ASN. 1、 GAME, 若しくは、 これらのいずれかを拡張した構造化記述言語、 または、 こ れらと同等の記述能力を持つ構造ィ匕記述言語であるので、 これらのバイオインフ ォマテイクス分野において一般的に用いられる構造化記述言語により記述された 構造ィ匕データを効率的に変換することができるようになる。

つぎの発明にかかる構造化データ処理装置は、 上記の構造ィヒデータ処理装置に おいて、 上記スキーマデータは、 DTD、 XMLスキーマ、 RELAX、 若しく は、 これらのいずれかを拡張したスキーマ言語、 または、 これらと同等の記述能 力を持つスキーマ言語により記述されたデータであることを特徴とする。

これはスキーマデータの一例を一層具体的に示すものである。 この装置によれ ば、 スキーマデータは、 D T D、 XMLスキーマ、 R E L AX、 若しくは、 これ らのいずれかを拡張したスキーマ言語、 または、 これらと同等の記述能力を持つ スキーマ言語により記述されたデータであるので、 これらのパイォインフォマテ イクス分野において一般的に用いられるスキーマ言語により記述されたスキーマ データを効率的に変換することができるようになる。

つぎの発明にかかる構造ィ匕データ処理装置は、 上記の構造化データ処理装置に おいて、 上記スキーマ形式変換指示情報および上記スキーマリソース定義情報は、 X S L、 若しくは、 これを拡張した言語、 または、 これらと同等の記述能力を持 つ木構造変換言語により記述されたデータであることを特徴とする。

これはスキーマ形式変換指示情報およびスキーマリソース定義情報の一例を一 層具体的に示すものである。 この装置によれば、 スキーマ形式変換指示情報およ ぴスキーマリソース定義情報は、 X S L、 若しくは、 これを拡張した言語、 また は、 これらと同等の記述能力を持つ木構造変換言語により記述されたデ一タであ るので、 これらのバイオインフォマティクス分野において一般的に用いられるス キーマ変換記述言語により記述されたスキーマ形式変換指示情報およびスキーマ リソース定義情報に基づいて、 構造ィヒデータおよびスキーマデータを効率的に変 換することができるようになる。

つぎの発明にかかる構造化データ処理装置は、 上記の構造化データ処理装置に おいて、 上記構造化データは、 塩基配列および/またはアミノ酸配列を含む配列 情報、 文献情報のうち少なくとも一つに関する要素を含むことを特徴とする。 これはスキーマ形式変換指示情報およびスキーマリソース定義情報の一例を一 層具体的に示すものである。 この装置によれば、 構造化データは、 塩基配列およ び Zまたはアミノ酸配列を含む配列情報、 文献情報のうち少なくとも一つに関す る要素を含むので、 G e n B a n kなどに登録された配列情報や、 P u b M e d などに登録された文献情報を取得して形式変換することができるようになる。 つぎの発明にかかる構造化データ処理方法は、 構造化記述言語で記述された構 造化データと、 当該構造ィヒデータの構造を定義したスキーマデータとを取得する 構造化データ取得ステップと、 上記構造ィ匕データ取得ステップにて取得した上記 構造化データおよび上記スキーマデータを、 スキーマ形式変換指示情報に基づい て変換する形式変換ステップと、 上記形式変換ステップにて変換された変換後の 構造化データおよびスキーマデータをデータベースに登録する構造化データ登録 ステップと、 上記構造ィヒデータ登録ステップにて登録された上記データベースに アクセスしてデータ処理を行うツールプログラムと、 当該ツールプログラムに入 力される上記構造ィ匕データのスキーマのリソースを定義するスキーマリソース定 義情報とを対応させて登録する分析ツール登録ステップと、 上記ツールプロダラ ムが起動された場合に、 起動された当該ツールプログラムに.対 する上記スキー マリソース定義情報に従って、 上記データベースに登録された構造ィ匕データおよ ぴスキーマデータを動的に変換して当該ッールプログラムに入力する分析ッール 起動ステップとを含むことを特徴とする。

この方法によれば、 構造ィ匕記述言語で記述された構造ィ匕データと、 当該構造化 データの構造を定義したスキーマデータとを取得し、 取得した構造化データおよ ぴスキーマデータを、 スキーマ形式変換指示情報に基づいて変換し、 変換された 変換後の構造化データおよびスキーマデータをデータベースに登録し、 登録され たデータベースにアクセスしてデータ処理を行うッールプログラムと、 当該ツー ルプログラムに入力される構造化データのスキーマのリソースを定義するスキー マリソース定義情報とを対応させて登録し、 ツールプログラムが起動された場合 に、 起動された当該ツールプログラムに対応するスキーマリソース定義情報に従 つて、 データベースに登録された構造化デ"タおよびスキーマデータを動的に変 換して当該ツールプログラムに入力するので、 異なる構造化言語やスキーマ言語 で記述された取得データを予めまたは必要に応じて定めた形式に変換することが できるようになる。

また、 各種の外部データベースから取得したデータ間の整合を容易にとること ができるようになり、 データ記述形式に関する高い拡張性を担保することができ るようになる。 その結果、 各種のデータ記述形式に対応する外部データベースへ のアクセスを容易に行うことができるようになる。 すなわち、 統一した特定の構 造化記述言語の形式 （例えば、 BSMLや B i oML等） で内部のデータベース を管理することが可能になるため、 データベースの利用効率などを著しく向上さ せることができるようになる。

また、 スキーマに新たなリソース （例えば、 XMLの要素など） が追加された 場合であっても、 容易に追加された形式に変換することができるようになる。 また、 各分析ツールにより随時項目追加が発生し、 その追加項目を後段の分析 ツールの処理で使用するような場合であっても、 分析ツールの仕様に手を加える ことなく、 使用する各データの拡張性を容易に担保することができるようになる。 また、 共有部分のデータベースの一括形式変換を行うことができるようになる。 つぎの発明にかかる構造化データ処理方法は、 上記の構造化データ処理方法に おいて、 上記構造化記述言語は、 XML、 SGML, B i oML、 BSML、 A SN. 1、 GAME, 若しくは、 これらのいずれかを拡張した構造ィヒ記述言語、 または、 これらと同等の記述能力を持つ構造化記述言語であることを特徴とする。 これは構造化記述言語の一例を一層具体的に示すものである。 この方法によれ ば、 構造化記述言語は、 XML、 SGML, B i oML、 BSML、 ASN. 1、 GAME, 若しくは、 これらのいずれかを拡張した構造化記述言語、 または、 こ れらと同等の記述能力を持つ構造化記述言語であるので、 これらのバイオインフ ォマテイクス分野において一般的に用いられる構造化記述言語により記述された 構造ィ匕データを効率的に変換することができるようになる。

つぎの発明にかかる構造ィヒデータ処理方法は、 上記の構造化データ処理方法に おいて、 上記スキーマデータは、 DTD、 XMLスキーマ、 RELAX、 若しく は、 これらのいずれかを拡張したスキーマ言語、 または、 これらと同等の記述能 力を持つスキーマ言語により記述されたデ一タであることを特徴とする。

これはスキーマデータの一例を一層具体的に示すものである。 この方法によれ ば、 スキーマデータは、 DTD、 XMLスキーマ、 RELAX、 若しくは、 これ らのいずれかを拡張したスキーマ言語、 または、 これらと同等の記述能力を持つ スキーマ言語により記述されたデータであるので、 これらのバイオインフォマテ ィクス分野にぉレ、て一般的に用いられるスキーマ言語により記述されたスキーマ データを効率的に変換することができるようになる。

つぎの発明にかかる構造化データ処理方法は、 上記の構造化データ処理方法に おいて、 上記スキーマ形式変換指示情報および上記スキーマリソース定義情報は、 X S L、 若しくは、 これを拡張した言語、 または、 これらと同等の記述能力を持 つ木構造変換言語により記述されたデータであることを特徴とする。

これはスキーマ形式変換指示情報およびスキーマリソース定義情報の一例を一 層具体的に示すものである。 この方法によれば、 スキーマ形式変換指示情報およ ぴスキーマリソース定義情報は、 X S L、 若しくは、 これを拡張した言語、 また は、 これらと同等の記述能力を持つ木構造変換言語により記述されたデータであ るので、 これらのバイオインフォマティクス分野において一般的に用いられるス キーマ変換記述言語により記述されたスキーマ形式変換指示情報およびスキーマ リソース定義情報に基づいて、 構造ィ匕データおよびスキーマデータを効率的に変 換することができるようになる。

つぎの発明にかかる構造化データ処理方法は、 上記の構造化データ処理方法に おいて、 上記構造ィ匕データは、 塩基配列および/またはアミノ酸配列を含む配列 情報、 文献情報のうち少なくとも一つに関する要素を含むことを特徴とする。 これはスキーマ形式変換指示情報およびスキーマリソース定義情報の一例を一 層具体的に示すものである。 この方法によれば、 構造化データは、 塩基配列およ び/またはアミノ酸配列を含む配列情報、 文献情報のうち少なくとも一つに関す る要素を含むので、 G e n B a n kなどに登録された配列情報や、 P u b M e d などに登録された文献情報を取得して形式変換することができるようになる。 つぎの発明にかかるプログラムは、 構造化記述言語で記述された構造ィ匕データ と、 当該構造化データの構造を定義したスキーマデータとを取得する構造化デー タ取得ステップと、 上記構造化データ取得ステップにて取得した上記構造化デー タおよび上記スキーマデータを、 スキーマ形式変換指示情報に基づいて変換する 形式変換ステツプと、 上記形式変換ステップにて変換された変換後の構造化デー タおよびスキーマデータをデータベースに登録する構造化データ登録ステツプと、 上記構造化データ登録ステップにて登録された上記データベースにアクセスして データ処理を行うッールプログラムと、 当該ツールプログラムに入力される上記 構造化データのスキーマのリソースを定義するスキーマリソース定義情報とを対 応させて登録する分析ツール登録ステップと、 上記ツールプログラムが起動され た場合に、 起動された当該ツールプログラムに対応する上記スキーマリソース定 義情報に従つて、 上記データベースに登録された構造化データおよびスキーマデ ータを動的に変換して当該ツールプログラムに入力する分析ツール起動ステップ とを含む構造ィ匕データ処理方法をコンピュータに実行させることを特徴とする。 このプログラムによれば、 構造化記述言語で記述された構造化データと、 当該 構造化データの構造を定義したスキーマデータとを取得し、 取得した構造ィ匕デ一 タおよびスキーマデータを、 スキーマ形式変換指示情報に基づいて変換し、 変換 された変換後の構造化データおよぴスキーマデータをデータベースに登録し、 登 録されたデータベースにアクセスしてデータ処理を行うツールプログラムと、 当 該ツールプログラムに入力される構造化データのスキーマのリソースを定義する スキーマリソース定義情報とを対応させて登録し、 ツールプログラムが起動され た場合に、 起動された当該ツールプログラムに対応するスキーマリソース定義情 報に従って、 データベースに登録された構造ィヒデ一タおよびスキーマデータを動 的に変換して当該ツールプログラムに入力するので、 異なる構造化言語やスキー マ言語で記述された取得データを予めまたは必要に応じて定めた形式に変換する ことができるようになる。

また、 各種の外部データベースから取得したデータ間の整合を容易にとること ができるようになり、 データ記述形式に関する高い拡張性を担保することができ るようになる。 その結果、 各種のデータ記述形式に対応する外部データベースへ のアクセスを容易に行うことができるようになる。 すなわち、 統一した特定の構 造化記述言語の形式 （例えば、 B SMLや B 1 o M L等） で内部のデータベース を管理することが可能になるため、 データベースの利用効率などを著しく向上さ せることができるようになる。

また、 スキーマに新たなリソース （例えば、 XMLの要素など） が追カ卩された 場合であっても、 容易に追加された形式に変換することができるようになる。 また、 各分析ツールにより随時項目追加が発生し、 その追加項目を後段の分析 ツールの処理で使用するような場合であっても、 分析ツールの仕様に手を加える ことなく、 使用する各データの拡張性を容易に担保することができるようになる。 また、 共有部分のデータベースの一括形式変換を行うことができるようになる。 つぎの発明にかかるプログラムは、 上記のプログラムにおいて、 上記構造化記 述言語は、 XML、 S GML , B i o ML、 B SML、 A S N. 1、 GAME , 若しくは、 これらのいずれかを拡張した構造化記述言語、 または、 これらと同等 の記述能力を持つ構造化記述言語であることを特数とする。

これは構造ィヒ記述言語の一例を一層具体的に示すものである。 このプログラム によれば、 構造化記述言語は、 XML、 S GM L , B i o ML、 B SML、 A S N. 1、 GAME , 若しくは、 これらのいずれかを拡張した構造ィ匕記述言語、 ま たは、 これらと同等の記述能力を持つ構造ィヒ記述言語であるので、 これらのバイ • ォインフォマテイクス分野において一般的に用いられる構造ィヒ記述言語により記 述された構造化データを効率的に変換することができるようになる。

つぎの発明にかかるプログラムは、 上記のプログラムにおいて、 上記スキーマ データは、 D T D、 XMLスキーマ、 R E L AX、 若しくは、 これらのいずれか を拡張したスキーマ言語、 または、 これらと同等の記述能力を持つスキーマ言語 により記述されたデータであることを特徴とする。

これはスキーマデータの一例を一層具体的に示すものである。 このプログラム によれば、 スキーマデータは、 D TD、 XMLスキーマ、 R E LAX、 若しくは、 これらのいずれかを拡張したスキーマ言語、 または、 これらと同等の記述能力を 持つスキーマ言語により記述されたデータであるので、 これらのバイオインフォ マテイクス分野において一般的に用いられるスキーマ言語により記述されたスキ 一マデータを効率的に変換することができるようになる。

つぎの発明にかかるプログラムは、 上記のプログラムにおいて、 上記スキーマ 形式変換指示情報おょぴ上記スキーマリソース定義情報は、 X S L、 若しくは、 これを拡張した言語、 または、 これらと同等の記述能力を持つ木構造変換言語に より記述されたデータであることを特徴とする。

これはスキーマ形式変換指示情報おょぴスキーマリソース定義情報の一例を一 層具体的に示すものである。 このプログラムによれば、 スキーマ形式変換指示情 報およびスキーマリソース定義情報は、 X S L、 若しくは、 これを拡張した言語、 または、 これらと同等の記述能力を持つ木構造変換言語により記述されたデータ であるので、 これらのバイオインフォマティクス分野において一般的に用いられ るスキーマ変換記述言語により記述されたスキーマ形式変換指示情報およぴスキ 一マリソース定義情報に基づいて、 構造化データおょぴスキーマデータを効率的 に変換することができるようになる。

つぎの発明にかかるプログラムは、 上記のプログラムにおいて、 上記構造化デ ータは、 塩基配列および Zまたはアミノ酸配列を含む配列情報、 文献情報のうち 少なくとも一つに関する要素を含むことを特徴とする。

これはスキーマ形式変換指示情報およびスキーマリソース定義情報の一例を一 層具体的に示すものである。 このプログラムによれば、 構造化データは、 塩基配 列および Zまたはアミノ酸配列を含む配列情報、 文献情報のうち少なくとも一つ に関する要素を含むので、 G e n B a n kなどに登録された配列情報や、 P u b M e dなどに登録された文献情報を取得して形式変換することができるようにな る。

つぎの発明にかかる記録媒体は、 上記のプログラムを記録したことを特敷とす る。

この記録媒体によれば、 当該記録媒体に記録されたプログラムをコンピュータ に読み取らせて実行することによって、 上記のプログラムをコンピュータを利用 して実現することができ、 これら各方法と同様の効果を得ることができる。 図面の簡単な説明

第 1図は、 遺伝子の塩基配列または蛋白質のアミノ酸配列の配列情報データべ ースの基本的なデータ構造の例を示す図であり、 第 2図は、 本発明が適用される 本システムの構成の一例を示すブロック図であり、 第 3図は、 本発明の基本原理 を示す原理構成図であり、 第 4図は、 本発明による取得データの形式変換の一例 を説明する概念図であり、 第 5図は、 分析ツールの入力データの形式変換の処理 を示すフロー図であり、 第 6図は、 X S Lにより記述された配列情報のスキーマ 形式変換指示情報の一例を示す図であり、 第 7図は、 第 6図に示すスキーマ形式 変換指示情報により形式変換された後の構造化データ （XML文書） の一例を示 す図であり、 第 8図は、 第 6図に示すスキーマ形式変換指示情報により形式変換 された後のスキーマデータ （D T D) の一例を示す図であり、 第 9図は、 X S L により記述された文献情報のスキーマ形式変換指示情報の一例を示す図であり、 第 1 0図は、 第 9図に示すスキーマ形式変換指示情報により形式変換された後の 構造化データ （XML文書） の一例を示す図であり、 第 1 1図は、 第 9図に示す スキーマ形式変換指示情報により形式変換された後のスキーマデータ （D T D) の一例を示す図であり、 第 1 2図は、 遺伝子発現制御解析処理の処理の概要を示 すフロー図であり、 第 1 3図は、 転写単位の予測の概要を示す概念図であり、 第 1 4図は、 制御部位の予測の概要を示す概念図であり、 第 1 5図は、 制御遺伝子 の予測の概要を示す概念図であり、 第 1 6図は、 B I分野で一般的に用いられる B S MLにより記述されたデータと、 同様に一般的に用いられる B i o MLによ り記述されたデータとの構造的な相違を説明するための図であり、 第 1 7図は、 本発明が適用される構造化データ処理装置の概念を説明するための図であり、 第 1 8図は、 本発明が適用される構造化データ処理装置の基本構成を示す図であり、 第 1 9図は、 文書格納サービスのメインルーチンを示すフロー図であり、 第 2 0 '図は、 文書格納サービスのサブルーチン 「形式変換処理」 を示すフロー図であり、 第 2 1図は、 文書格納サービスのサブルーチン 「文書登録処理」 を示すフロー図 であり、 第 2 2図は、 解析処理.ツール登録サービスの処理を説明するためのフロ 一図であり、 第 2 3図は、 角早析処理サービスの処理を説明するためのフロー図で あり、 第 2 4図は、 第 1 3図で示した転写単位データベースのスキーマデータに ついて D T Dを用いて記述した場合を一例に示す図であり、 第 2 5図は、 第 1 3 図で示した転写単位データベースの構造ィ匕データについて XM L文書を用いて記 述した場合を一例に示す図であり、 第 2 6図は、 第 1 4図で示した制御部位デー タベースのスキーマデータについて D T Dを用いて記述した場合を一例に示す図 であり、 第 2 7図は、 第 1 4図で示した制御部位データベースの構造化データに ついて XML文書を用いて記述した場合を一例に示す図であり、 第 2 8図は、 第 1 5図で示した制御ネットワークデータベースのスキーマデータについて D T D を用いて記述した場合を一例に示す図であり、 第 2 9図は、 第 1 5図で示した制 御ネットワークデータベースの構造化データについて XML文書を用いて記述し た場合を一例に示す図であり、 第 3 0図は、 スキーマリソース定義情報の概念に ついて説明する図である。 発明を実施するための最良の形態

以下に、 本発明にかかる構造ィヒデータ処理装置、 構造ィヒデータ処理方法、 プロ グラム、 および、 記録媒体の実施の形態を図面に基づいて詳細に説明する。 なお、 この実施の形態によりこの発明が限定されるものではない。

特に、 以下の実施の形態においては、 本発明を、 XM Lベースの構造化記述言 語およびスキーマ言語に適用した例について説明するが、 この場合に限られず、 他のいずれの構造ィ匕記述言語およぴスキーマ言語に適用可能なシステム等につい て、 同様に適用することができる。

[本発明の概要〗

以下、 本発明の概要について説明し、 その後、 本発明の構成および処理等につ いて詳細に説明する。 第 3図は本発明の基本原理を示す原理構成図である。

本発明は、 概略的に、 以下の基本的特徴を有する。 すなわち、 本発明は、 まず、 構造化記述言語で記述された構造化データと、 当該構造化データの構造を定義し たスキーマデータとを、 インターネット等を介してタト部のデータベース等から取 得する （ステップ SA— 1) 。

ここで、 外部のデータベースは、 例えば、 Ge nB a nk、 EMB L (Eu r o p e a n Mo l e c u l a r B i o l o gy L a b o r a t o r y) 、 DDB J (DNA D a t a B a nk o f J a a n) 等の配列データべ ースや、 GDB (Ge nome Da t a B a s e) _% OM I M (o n 1 i n e me n d e l i a n i nh e r i t a n c e i n ma n) 等のヒ卜ゲ ノム地図データに関するデータベースや、 P I R (P r o t e i n I d e n t i f i c a t i o n Re s ou r c e；) 、 SWI SS— PROT、 PRF等の アミノ酸配列データベースや、 PROS I TE、 B LOCKS等の蛋白質機能デ ータベースや、 PDB (P r o t e i n Da t a B a nk) 等の蛋白質立体 構造データベースや、 En t r e z等の統合型データベースや、 Pu bMe d等 の文献データベース等が公知である。 これらの各データベースは、 それぞれ予め 定めた構造化記述言語により構造化データを記述し、 また、 同様に予め定めたス キーマ言語により記述された、 構造ィヒデータに対応するスキーマデータを収集し ている。

ここで、 外部のデータベースなどから取得する構造化データを記述する構造ィ匕 記述言語は、 XML、 SGML, B i oML、 B SML、 ASN. 1、 GAME, 若しくは、 これらのいずれかを拡張した構造ィ匕記述言語、 または、 これらと同等 の記述能力を持つ構造ィ匕記述言語であってもよく、 また、 スキーマデータは、 D TD、 XMLスキーマ、 RELAX、 若しくは、 これらのいずれかを拡張したス キーマ言語、 または、 これらと同等の記述能力を持つスキーマ言語により記述さ れたデータであってもよい。

次に、 本発明は、 取得した構造ィヒデータおよびスキーマデータを、 スキーマ形 式変換指示情報に基づいて変換する （ステップ SA— 2) 。 ここで、 第 4図は、 本発明による取得データの形式変換の一例を説明する概念図である。 ' 第 4図に示すように、 構造ィヒ記述言語で記述された構造ィ匕データと、 スキーマ 言語で記述されたスキーマデータとをそれぞれ外部のデータベースなどから取得 すると、 予め定めたスキーマ形式変換指示情報に従って、 取得データを変換する。 ここで、 スキーマ形式変換指示情報は、 X S L、 若しくは、 これを拡張した言 語、 または、 これらと同等の記述能力を持つ木構造変換言語により記述されたデ ータであってもよく、 この場合、 変換処理は、 X a 1 a n (A P A C HE XM L P R O J E C T) や X T ( J a m e s C 1 a r k ) 等の既知の X S L Tプ 口セッサを用いて実行してもよい。

ここで、 第 6図は、 X S Lにより記述された配列情報のスキーマ形式変換指示 情報の一例を示す図であり、 第 7図は、 第 6図に示すスキーマ形式変換指示情報 により形式変換された後の構造化データ （XML文書） の一例を示す図であり、 また、 第 8図は、 第 6図に示すスキーマ形式変換指示情報により形式変換された 後のスキーマデータ （D T D) の一例を示す図である。 第 6図に示す X S L文書 により、 取得データのスキーマデータは第 8図に示す D TDの形式に変換され、 構造化データは第 7図に示す XM L文書に変換される。

第 8図に示す変換後の D T Dの例では、 構造化データ内で用いられる要素 （ ELEMENT)は、 Sequence 、 Title 、 Nucleotide, Peptide, Reference 、 RefTitle、 Idであり、 それぞれの要素の型を定義している。 各要素のうち 「Sequence」 は、 塩基配列データを意味し、 配列に関する自然言語による説明を意味する 「Title 」 と、 塩基配列を意味する 「Nucl_eotide」 と、 塩基配列を変換したアミノ酸配列 を意味する 「Peptide」 と、 参考文献の題名を意味する 「RefTitle」 および参考 文献の参照番号を意味する 「Id」 を子の要素として備え、 参考文献を意味する 「 Reference] と、 を子の要素として備える。

また、 第 9図は、 X S Lにより記述された文献情報のスキーマ形式変換指示情 報の一例を示す図であり、 第 1 0図は、 第 9図に示すスキーマ形式変換指示情報 により形式変換された後の構造化データ （XML文書） の一例を示す図であり、 また、 第 1 1図は、 第 9図に示すスキーマ形式変換指示情報により形式変換され た後のスキーマデータ （D T D) の一例を示す図である。

第 1 1図に示す変換後の D T Dの例では、 構造ィ匕データ内で用いられる要素 （ ELEMENT) は、 Literature, Title, Abstract, Link, Idであり、 それぞれの要 素の型を定義している。 各要素のうち （"LiteratureJ は、 文献データ全体を意味 し、 文献の題名を意味する 「Title」 と、 文献の概要を意味する 「Abstract」 と、 関連する配列データへの参照番号集合を意味し、 個々の参照番号を意味する 「Id 」 を子の要素として備える 「LinkJ と、 を子の要素として備える。

これにより、 異なる構造化言語やスキーマ言語で記述された取得データを予め または必要に応じて定めた形式に変換することができるようになるので、 各種の 外部データベースから取得したデータ間の整合を容易にとることができるように なりデータ記述形式に関する高い拡張性を担保することができるようになる。 そ の結果、 各種のデータ記述形式に対応する外部データベースへのアクセスを容易 に行うことができるようになる。 すなわち、 統一した特定の構造化記述言語の形 式 （例えば、 B SMLや B i o ML等） で内部のデータベースを管理することが 可能になるため、 データベースの利用効率などを著しく向上させることができる ようになる。

また、 スキーマに新たなリソース （例えば、 XMLの要素など） が追加された 場合であっても、 容易に追加された形式に変換することができるようになる。 また、 本発明は、 外部のデータベースからデータを取得する場合に限られず、 同様に自己が管理する内部データベースからデータを取得することにより、 内部 データの一括形式変換を行うことができるようになる。

再び第 3図に戻り、 本発明は、 次に、 変換された変換後の構造化データおよび スキーマデータをデータベースに登録する （ステップ S A— 3 ) 。 .

ここで、 既知の XML格納システム （例えば、 e X c e l o n、 T a m i n o 等の D OM木格納のもの、 XMLネイティブ格納方式のもの、 RD Bラッパ一形 式のもの、 または、 同等機能の処理系をもつもの等） を用いてもよい。

次に、 本発明は、 ステップ S A— 3において登録された各種のデータベースに アクセスしてデータ処理を行うツールプログラム （分析ツール） と、 当該ツーノレ プログラムに入力される構造ィ匕データのスキーマのリソースを定義するスキーマ リソース定義情報とを対応させて登録する （ステップ SA— 4) 。

ここで、 スキーマリソース定義情報の概念について第 30図を参照して説明す る。 スキーマリソース定義情報は、 例えば、 各種のデータベースに登録された構 造化データのスキーマデータと、 各種のツールの入力書式とのマッピングを定義 することにより、 登録された各データソースと、 ツールの利用形態の各リソース との対応を定義してもよい。 また、 スキーマリソース定義情報は、 XSL、 若し くは、 これを拡張した言語、 または、 これらと同等の記述能力を持つ木構造変換 言語により記述されたデータであってもよい。

次に、 本発明は、 ツールプログラム （分析ツール） が起動された場合に、 起動 された当該ツールプログラムに対応するスキーマリソース定義情報に従って、 デ ータベースに登録された構造化データおよぴスキーマデータを動的に変換して （ ステップ S A— 6) 、 該ツールプログラムに入力する （ステップ SA— 7) 。 ここで、 分析ツールの入力データの形式変換の処理フローを第 5図に示す。 ま ず、 ユーザが登録された分析ツール A を起動すると （ステップ SB— 1) 、 分 析ツール格納ファイルから分析ツール Aを読み出して （ロード） 、 CPUが分析 ツール Aを実行可能な状態にする （ステップ SB— 2) 。

そして、 本発明は、 スキーマリソース定義ファイルから分析ツール Aに対応す るスキーマリソース定義情報 A (例えば、 XSL文書など） を取得する （ステツ プ SB— 3) 。

そして、 本発明は、 取得したスキーマリソース定義情報 Aにより、 各データべ ースに登録された各構造化データおよぴ各スキーマデータの形式を変換する （ス テツプ SB— 4) 。

そして、 変換後の各構造ィ匕データおよび各スキーマデータを分析ツール Aの入 力データとする （ステップ SB— 5) 。 これにて、 変換処理を終了する。

ここで、 ステップ S A— 6の変換処理は、 Xa l a n (APACHE XML PROJECT) や XT (J ame s C l a r k) 等の既知の XS LTプロセ ッサを用レ、て実行してもよい。

再び第 3図に戻り、 次に、 本発明は、 分析ツールの処理結果を各種のデータべ ースに登録し、 出力装置に処理結果を出力する （ステップ SA— 8) 。

ここで、 3種類の分析ツールを起動して遺伝子発現制御解析を実行し、 これら の処理結果を各種のデータベースに登録する場合の処理概要を第 12図〜第 15 図および第 240〜第 29図等を参照して説明する。

第 12図は、 遺伝子発現制御解析処理の処理の概要を示すフロー図である。 ■ まず、 本発明は、 第 13図に示すように、 転写単位予測ツールを起動して転写 単位を予測する （ステップ SC— 1) 。 ここで、 第 13図は、 転写単位の予測の 概要を示す概念図である。

第 13図に示すように、 まず、 各種の外部データベースにアクセスして種々の データを取得し、 これらの上述の方法により必要に応じて形式変換を行って共有 部分のデータベースを予め作成しておく。

そして、 転写単位予測ツールは、 対応するスキーマリソース定義情報に基づい て共有部分のデータベースにアクセスして適宜形式変換が行われたデータを入力 データとして処理を行い、 処理結果を転写単位データベースに登録する。 転写単 位予測ツールのスキーマリソース定義情報は、 遺伝子名データベースから各遺伝 子について、 （遺伝子名、 開始位置、 終了位置） の形式で転写単位予測ツールの 入力データにマッピングしている。 すなわち、 遺伝子名データベースに登録され た各遺伝子のデータは、 転写単位予測ツールのスキーマリソース定義情報により (遺伝子名、 開始位置、 終了位置） の形式のデータに変換されて、 転写単位予測 ツールの入力データとなる。

ここで、 第 13図で示した転写単位データベースに格納されるスキーマデータ および構造ィヒデータの一例を第 24図おょぴ第 25図を参照して説明する。 第 24図は、 第 13図で示した転写単位データベースのスキーマデータについ て DTDを用いて記述した場合を一例に示す図であり、 第 25図は、 第 1 3図で 示した転写単位データベースの構造化データについて XML文書を用いて記述し た場合を一例に示す図である。 第 2 4図に示すように、 第 1 3図で示した転写単 位データベースの文書型が定義され、 第 2 5図に示すように構造化データが記述 される。

再び、 第 1 2図に戻り、 次に、 本発明は、 第 1 4図に示すように制御部位予測 ツールを起動して制御部位を予測する （ステップ S C—2 ) 。 ここで、 第 1 4図 は、 制御部位の予測の概要を示す概念図である。

起動された制御部位予測ツールは、 対応するスキーマリソース定義情報に基づ V、て共有部分のデータベースに Tクセスして適宜形式変換が行われたデータや、 B L A S T等の他の配列統計処理ツールの処理結果データや、 転写単位予測ツー ルの処理結果を格納した転写単位データベースに登録されたデータなどを入力デ ータとして処理を行い、 処理結果を制御部位データベースに登録する。 制御部位 予測ツールのスキーマリソース定義情報は、 転写単位データベース、 遺伝子名デ ータベース、 全ゲノムデータベースから、 各転写単位について、 （転写単位識別 子、 開始位置、 終了位置、 任意の長さのアミノ酸配列） の形式で制御部位予測ッ ールの入力データとマッピングを行い、 また、 配列統計処理ツールの処理結果か ら任意の長さのァミノ酸部分配列の全ての出現する組合せについて、 （アミノ酸 部分配列、 ゲノム中の出願回数） の形式で制御部位予測ツールの入力データとマ ッビングを行う。 また、 B L A S Tなどの配列統計処理ツールのスキーマリソー ス定義情報は、 全ゲノムデータベースから配列全体を取り出すように配列統計処 理ツールの入力データとマツピングを行う。

ここで、 第 1 4図で示した制御部位データベースに格納されるスキーマデータ および構造ィ匕データの一例を第 2 6図および第 2 7図を参照して説明する。 第 2 6図は、 第 1 4図で示した制御部位データベースのスキーマデータについ て D T Dを用いて記述した場合を一例に示す図であり、 第 2 7図は、 第 1 4図で 示した制御部位データベースの構造化データについて XML文書を用いて記述し た場合を一例に示す図である。 第 2 6図に示すように、 第 1 4図で示した制御部 位データベースの文書型が定義され、 第 2 7図に示すように構造化データが記述 される。

再び、 第 1 2図に戻り、 次に本発明は、 第 1 5図に示すように制御遺伝子予測 ツールを起動して制御遺伝子を予測する （ステップ S C— 3 ) 。 ここで、 第 1 5 図は、 制御遺伝子の予測の概要を示す概念図である。

起動された制御遺伝子予測ツールは、 対応するスキーマリソース定義情報に基 づレ、て共有部分のデータベースにアクセスして適宜形式変換が行われたデータや、 B L A S T等の他の配列統計処理ツールの処理結果データや、 転写単位予測ツー ルの処理結果を格納した転写単位データベースに登録されたデ一タや、 制御部位 予測ッールの処理結果を格納した制御部位データベースに登録されたデ一タなど を入力データとして処理を行い、 処理結果を制御ネットワークデータベースに登 録する。 制御遺伝子予測ツールのスキーマリソース定義情報は、 配列データべ一 スから、 各 D N A結合蛋白質の遺伝子について、 （遺伝子名、 アミノ酸配列） の 形式で制御遺伝子予測ツールの入力データとマツビングを行レ、、 また、 転写単位 データベース、 全ゲノムデータベースから各転写単位について、 （転写単位識別 子、 制御部位 （開始位置、 終了位置、 アミノ酸配列） のリスト） の形式で制御遺 伝子予測ツールの入力データとマツビングを行う。

ここで、 第 1 5図で示した制御ネットワークデータベースに格納されるスキー マデータおよび構造ィヒデータの一例を第 2 8図および第 2 9図を参照して説明す る。

第 2 8図は、 第 1 5図で示した制御ネットワークデータベースのスキーマデー タについて D T Dを用いて記述した場合を一例に示す図であり、 第 2 9図は、 第 1 5図で示した制御ネットワークデータベースの構造化データについて XM L文 書を用いて記述した場合を一例に示す図である。 第 2 8図に示すように、 第 1 5 図で示した制御ネットワークデータベースの文書型が定義され、 第 2 9図に示す ように構造化データが記述される。

これにて、 遺伝子発現制御解析処理を終了する。 このように、 各分析ツールにより随時項目追加が発生し、 その追加項目を後段 の分析ツールの処理で使用するような場合であっても、 分析ツールの仕様に手を 加えることなく、 使用する各データの拡張性を容易に担保することができるよう になる。 また、 共有部分のデータベースの一括形式変換を行うことができるよう になる。

[システム構成]

まず、 本システムの構成について説明する。 第 2図は、 本発明が適用される本 システムの構成の一例を示すプロック図であり、 該構成のうち本発明に関係する 部分のみを概念的に示している。 本システムは、 概略的に、 構造化データ処理装 置 1 0 0と、 配列情報等に関する外部データベースゃホモロジ一検索等の外部プ ログラム等を提供する外部システム 2 0 0とを、 ネットワーク 3 0 0を介して通 信可能に接続して構成されている。

第 2図においてネットワーク 3 0 0は、 構造化データ処理装置 1 0 0と外部シ ステム 2 0 0とを相互に接続する機能を有し、 例えば、 インターネット等である。 第 2図において外部システム 2 0 0は、 ネットワーク 3 0 0を介して、 構造ィ匕 データ処理装置 1 0 0と相互に接続され、 利用者に対して配列情報等に関する外 部デ、ータベースやホモ口ジー検索やモチーフ検索等の外部プロダラムを実行する ウェブサイトを提供する機能を有する。

ここで、 外部システム 2 0 0は、 WE Bサーバや A S Pサーバ等として構成し てもよく、 そのハードウェア構成は、 一般に市販されるワークステーション、 パ ーソナルコンピュータ等の情報処理装置およびその付属装置により構成してもよ レ、。 また、 外部システム 2 0 0の各機能は、 外部システム 2 0◦のハードウエア 構成中の C P U、 ディスク装置、 メモリ装置、 入力装置、 出力装置、 通信制御装 置等およぴそれらを制御するプログラム等により実現される。

第 2図において構造化データ処理装置 1 0 0は、 概略的に、 構造化データ処理 装置 1 0 0の全体を統括的に制御する C P U等の制御部 1 0 2、 通信回線等に接 続されるルータ等の通信装置 （図示せず） に接続される通信制御インターフエ一 ス部 1 0 4、 入力装置 1 1 2や出力装置 1 1 4に接続される入出力制御インター フェース部 1 0 8、 および、 各種のデータベースやテーブルなどを格納する記憶 部 1 0 6を備えて構成されており、 これら各部は任意の通信路を介して通信可能 に接続されている。 さらに、 この構造ィ匕データ処理装置 1 0 0は、 ルータ等の通 信装置および専用線等の有線または無線の通信回線を介して、 ネットワーク 3 0 0に通信可能に接続されている。

記憶部 1 0 6に格納される各種のデータベースやテーブル （構造化データ格納 データベース 6 a〜処理結果データベース 1 0 6 ί ) は、 固定ディスク装置 等のス トレージ手段であり、 各種処理に用いる各種のプログラムやテーブルゃフ アイルゃデ一タベースやゥェプぺージ用フアイル等を格納する。

これら記憶部 1 0 6の各構成要素のうち、 構造化データ格納データベース 1 0 6 aは、 構造化データを格納したデータベースである。

また、 スキーマデータ格納データベース 1 0 6 bは、 スキーマデータを格納す るデータベースである。

また、 スキーマ形式変換指示情報ファイル 1 0 6 cは、 スキーマ形式変換指示 情報等を格納するスキーマ形式変換指示情報格納手段である。

また、 分析ツール格納ファイル 1 0 6 dは、 分析ツールに関する情報等を格納 する分析ツール格納手段である。

また、 スキーマリソース定義ファイル 1 0 6 eは、 スキーマリソース定義情報 等を格納するスキーマリソース定義情報格納手段である。

また、 処理結果データベース 1 0 6 f は、 分析ツールの処理結果に関する情報 等を格納する処理結果格納手段である。

また、 第 2図において、 通信制御インターフェース部 1 0 4は、 構造化データ 処理装置 1 0 0とネットワーク 3 0 0 (またはルータ等の通信装置） との間にお ける通信制御を行う。 すなわち、 通信制御インターフェース部 1 0 4は、 他の端 末と通信回線を介してデータを通信する機能を有する。

また、 第 2図において、 入出力制御インターフェース部 1 0 8は、 入力装置 1 1 2や出力装置 1 14の制御を行う。 ここで、 出力装置 1 14としては モニタ (家庭用テレビを含む） の他、 スピーカを用いることができる （なお、 以下にお' いては出力装置 1 14をモニタとして記載する場合がある） 。 また、 入力装置 1 1 2としては、 キーボード、 マウス、 および、 マイク等を用いることができる。 また、 モニタも、 マウスと協働してポインティングデバイス機能を実現する。 また、 第 2図において、 制御部 102は、 OS (Op e r a t i n g S y s t ern) 等の制御プログラム、 各種の処理手順等を規定したプログラム、 および 所要データを格納するための內部メモリを有し、 これらのプログラム等により、 種々の処理を実行するための情報処理を行う。 制御部 1 02は、 機能概念的に、 構造化データ取得部 102 a, 形式変換部 1 02 b, 構造化データ登録部 1 02 c、 分析ツール登録部 1 02 d、 分析ツール起動部 1 02 e、 および、 処理結果 登録部 102 ίを備えて構成されている。

このうち、 構造化データ取得部 1 02 aは、 構造化記述言語で記述された構造 化データと'： 当該構造化データの構造を定義したスキーマデータとを取得する構 造化データ取得手段である。

また、 形式変換部 102 bは、 構造ィ匕データ取得手段にて取得した上記構造ィ匕 データおよび上記スキーマデータを、 スキーマ形式変換指示情報に基づいて変換 する形式変換手段である。

また、 構造化データ登録部 1 02 cは、 形式変換手段にて変換された変換後の 構造化データおよぴスキーマデータをデータベースに登録する構造化データ登録 手段である。

また、 分析ツール登録部 1 02 dは、 構造ィ匕データ登録手段にて登録された上 記データベースにアクセスしてデータ処理を行うッールプログラムと、 当該ツー ルプログラムに入力される上記構造ィ匕データのスキーマのリソースを定義するス キーマリソース定義情報とを対応させて登録する分析ツール登録手段である。 また、 分析ツール起動部 1 02 eは、 ツールプログラムが起動された場合に、 起動された当該ッールプログラムに対応する上記スキーマリソース定義情報に従 つて、 上記データベースに登録された構造化データおよびスキーマデータを動的 に変換して当該ッールプログラムに入力する分析ッール起動手段である。

また、 処理結果登録部 1 0 2 f は、 分析ツールの処理結果をデータベースに登 録する処理結果登録手段である。

なお、 これら各部によって行なわれる処理の詳細については、 後述する。

[実施例]

次に、 このように構成された本実施の形態における本システムの処理の一例に ついて、 以下に第 1 7図〜第 2 3図等を参照して詳細に説明する。

第 1 7図は、 本発明が適用される構造化データ処理装置の概念を説明するため の図である。

本発明は、 第 1 7図に示すような各データベースを設ける。 本データベースは、 複数のサブデータベースから構成される。 第 1 7図中のサブデータベース 「酉己列 データベース」 には配列データを格納する。 第 1 7図では配列データベースはひ とつしか示されていないが、 複数あっても良い。

配列データベースの各レコードには、 少なくとも塩基またはァミノ酸配列デー タ本体が入る。 BSML 、 BioML、 GAME のように、 部分修飾記述や全体記述が含 まれても良い。

複数の配列データに関係するデータは、 配列データベースとは別にサブデータ ベース 「関係データベース」 に格納する。 第 1 7図中では関係データベース A乃 至 Dの 4種類の関係データベースが示されている。

関係データベースの各レコードには、 少なくとも 1つの参照情報が含まれる。 参照情報は、 システム内のサブデータベースまたは外部データベースのレコード 全体、 またはレコード内の特定部分を差し示している。 関係データベースの各レ コードには部分修飾記述や全体記述その他が含まれても良い。 第 1 7図中では関 係データベース 「D」 に配列データベースと関係データベース 「A」 乃至 「C」 への参照を含むレコードが存在することが、 「参照」 というラベルの付！/ヽた矢線 で示されている。 第 1 8図は、 本発明が適用される構造ィヒデータ処理装置の基本構成を示す図で ある。 本発明は、 第 1 8図に示すようなデータベースシステム （構造化データ処 理装置） を構成する。 このシステムは、 基本処理モジュール、 拡張処理モジユー ル、 記憶部から構成されている。

基本処理モジュールは、 ツール登録処理部 （概念的に第 2図における分析ツー ル登録部 1 0 2 dに対応する） 、 文書登録処理部 （概念的に第 2図における構造 化データ登録部 1 0 2 cに対応する） 、 形式変換処理部 （概念的に第 2図におけ る形式変換部 1 0 2 bに対応する） 、 サービス仲介処理部 （概念的に第 2図にお ける分析ツール起動部 1 0 2 eおよび処理結果登録部 1 0 2 f に対応する） 、 リ ンク処理部から構成されている。 拡張処理モジュールは、 いくつかのツール部 ( 第 1 8図中、 分析ツール A、 分析ツール B、 · · 'であり、 これらは、 概念的に 第 2図における分析ツール格納ファイル 1 0 6 dに対応する） から構成されてい る。 記憶部は構造格納部 （概念的に第 2図における構造化データ格納データべ一 ス 1 0 6 aに対応する） 、 スキーマ格納部 （概念的に第 2図におけるスキーマデ ータ格納データベース 1 0 6 bに対応する） 、 スキーマリソース定義部 （概念的 に第 2図におけるスキーマリソース定義ファイル 1 0 6 eに対応する） 、 結果フ アイル （概念的に第 2図における処理結果データベース 1 0 6 f に対応する） か らなる。

そして、 本システムは、 大きく 3つのサービスを提供する。 これらのサービス は、 第 1 8図におけるツール登録処理部による解析処理ツール登録サービス、 文 書登録処理部による文書格納サービス、 サービス仲介処理部による解析処理 （検 索処理などを含む） サービスからなっている。

解析処理ツール登録サービスでは、 ツール登録処理部が解析ツールとそれに対 になるリソース定義を読み込み、 解析ツールをツール部に、 リソース定義をスキ 一マリソース定義部にそれぞれ登録する。

文書格納サービスでは、 D TD XML— S c h e m aや R E L AXなどの文 書型を明記した構造ィ匕文書を読み込み、 必要に応じて形式変換処理を行ない、 構 造格納部に格納する。 次に、 その構造化文書の文書型 （複数あっても良い） が既 に登録されているかどうかスキーマ格納部に問！/、合わせる。 既に登録されている 場合は何もしないが、 登録されていない場合は文書型を取得しスキーマ格納部に 登録する。

角析処理サービスでは、 サービス仲介処理部がサービス要求を受け取り、 その 実行に必要な解析処理ツールを決定する。 その解析ツールと対になるリソース定 義をスキーマリソース定義部から取得する。 サービス仲介処理部は、 実行に必要 な文書データをリソース定義などに従ってリンク参照を解決しながら構造格納部 から文書集合を取得する。 また、 その文書集合の処理を解析処理ツールに依頼し、 結果を生成する。

ここで、 第 1 8図中の太い矢線は、 データの移動を意味する。 ただし、 構造格 納部から出る矢線については、 必ずしも実際のデータ移動を意味せず、 参照情報 (ポインタ） のみを移動させることを意味する場合もある。

すなわち、 本発明の一態様によれば、 本発明の構造ィ匕データ処理装置は、 遺伝 子の塩基配列または蛋白質のアミノ酸配列に関連した情報を管理する構造化デー タ処理装置であって、 上記塩基配列または上記アミノ酸配列に関する配列データ を格納する配列データ格納部と、 複数の上記配列データに関係する関係データを 格納する複数の関係データ格納部とを備え、 上記塩基配列または上記ァミノ酸配 列の全体に関する情報は、 上記配列データ格納部または上記関係データ格納部に 格納され、 上記関係データ格納部に格納された各関係データレコードは、 上記関 係データ格納部自身への参照構造、 または上記配列データ格納部を構成するデー タレコード全体または一部への参照構造を有することを特徴とする。

また、 本発明の構造化データ処理装置は、 基本処理部と、 拡張処理部と、 記憶 部とを備え、 上記基本処理部が、 解析ツールおよび上記解析ツールと対になるリ ソース定義を読み込み、 上記解析ツールおよび上記リソース定義を登録するツー ル登録部と、 文書型を明記した構造化文書を読み込み、 必要に応じて形式変換処 理を行ない、 上記記憶部に上記構造ィ匕文書を登録する文書登録部と、 サービスの 要求を受け取り、 上記サービスの実行に必要な解析処理ツールを決定するサービ ス仲介部と、 上記参照構造への参照を行なうリンク処理部とを備え、 上記拡張処 理部が、 上記構造化文書の解析処理を実行する複数種類の解析処理ツールを備え、 上記記憶部が、 上記文書登録部によって読み込んだ上記構造ィ匕文書を格納する構 造格納部と、 上記構造ィ匕文書のスキーマを格納するスキーマ格納部と、 上記ツー ル登録部によって登録されるリソース定義を格納するスキーマリソース定義部と を備え、 上記構造格納部が、 構造ィ匕文書の木構造を保ったまま格納することが望 ましい。

また、 本発明の構造ィヒデータ処理装置は、 外部データベースからデータを読み 込み、 上記配歹 ijデータ格納部または上記関係データ格納部に格納するためのデー タに変換する変換手段を備えることが望ましい。

また、 本発明の構造化データ処理装置は、 上記配列データ格納部または上記関 係データ格納部を検索し、 検索した結果を構造化文書で出力する検索手段を備え ることが望ましい。

また、 本発明の構造化データ処理装置は、 上記検索手段が、 BSML (B i o S e q u e n c e Ma r kup La n gu a g e) 开式の記述开式に変換す ることが望ましい。

また、 本発明の構造化データ処理装置は、 上記検索手段が、 B i oML (B I O o l yme r Ma r kup L a n gu a g e) 开$式の記述开$式に変換 することが望ましい。

以下、 本発明の実施例の処理概要を、 図面を参照しながら詳細に説明する。 構造化データ処理装置 （システム） は、 第 18図に示すように構成されている。 本実施の形態では、 特定目的を達成するための構成方法を具体的に示す。 ここで は、 塩基配列を入力と.して、 関連する塩基配列を検索するサービスを目的とする。 このとき関連配列は、 次のようにして探す。

まず、 塩基配列を含むレコードからリンクされている文献レコードに自然言語 的に近い文献レコードを求める。 この文献レコードに含まれる塩基配列が検索結 果となる。 このように文献データを用いて関連配列を検索する方法をここでは 「文献類似法」 と呼ぶ。 文献類似法では 2つの配列間に介在する文献 DBレコー ドの数 （上記説明では 2) を増減することでヒット件数を制御することができる。 上述したように、 本システムは、 3つのサービスを提供する。 本実施の形態で は、 コマンド、 ライブラリ、 TCP/ I Pサービス、 h t t pサービス （CG I ) など複数考えられるが、 ここの説明では簡便のためコマンドとする。

本システムが稼働状態にあるときには、 次のサービスコマンドを実行できる。

(1) 文書格納サービス

( 2 ) 解析処理ツール登録サービス

(3) 解析処理サービス

ただし、 サービス （2) は、 サービス （1) の格納条件に依存し、 サービス (3) は、 サービス （1) とサービス （2) の格納 '登録条件に依存する。 これ らの各条件の詳細は後述する。

(1) 文書格納サービス

文書格納サービスコマンド （1) は、 次のように実行する。 store <文書名〉 < スキーマ名〉 [くスキーマ変換記述名〉] ここで、 "store " は、 文書格納サービスコマンド名である。 く文書名〉 には、 格納する XML文書のファイル名を、 く スキーマ名〉 には、 格納する XML文書 の文書型定義 （DTD) のファイル名を、 く スキーマ変換記述名〉 には、 格納す る XML文書のスキーマから本システム用のスキーマへの変換指示を XS L言語 で記したファイル名を指定する。 形式変換を行わないでそのままの形式で構造格 納部へ格納する場合は、 スキーマ変換記述名は省略しても良レ、。

第 19図乃至第 21図は、 文書格納サービスの処理を示すフロー図である。 第 19図は、 文書格納サービスのメインルーチンを示すフロー図である。

store コマンドによる文書格納サービスは、 次の手順で実行される。 まず、 ステップ S 31において、 格納する構造化文書のスキーマがスキーマ格 納部に登録されているかどうかを調べる。

ステップ S 31で格納されていないと判断された場合 （ステップ S 31 ： NO ) は、 ステップ S 32において、 スキーマ変換記述が利用可能かどうかを調べる。 —方、 ステップ S 31で格納されている場合 （ステップ S 31 ： YES) は、 サ ブルーチン文書登録処理へ進む。 サブルーチン文書登録処理については、 第 5図 を用いて後述する。

そして、 ステップ S 32で利用可能であると判断された場合 （ステップ S 32 ： YES) は、 サブルーチン形式変換処理へ進む。 サブルーチン形式変換処理に ついては、 第 20図を用いて後述する。 一方、 ステップ S 32で利用可能でない と判断された場合 （ステップ S 32 ： NO) は、 サブルーチン文書登録処理へ進 む。

第 20図は、 文書格納サービスのサブルーチン 「形式変換処理」 を示すフ口一 図である。

形式変換処理は、 次の手順で実行される。

まず、 ステップ S 41において、 格納する構造化文書のスキーマとスキーマ変 換記述から格納構造のスキーマを生成する。

そして、 ステップ S42において、 スキーマ変換記述に従って構造ィヒ文書を変 換し、 その結果をステップ S 41で生成したスキーマと共にサブルーチン文書登 録処理に渡す。 ここで、 上記変換は、 一般に入手可能な XS LTプロセッサ （S a x o n, Xa 1 a n等） または同等機能の処理系を利用する。

第 21図は、 文書格納サービスのサブルーチン 「文書登録処理」 を示すフロー 図である。

文書登録処理は次の手順で実行する。

まず、 ステップ S 51において、 文書を構造格納部に格納する。 ここで、 上記 格納は、 市販の XML格納システム （eXc e l on、 T ami n o等の DOM 木格納、 XMLネイティブ格納方式のもの、 RDBラッパ一方式のもの、 または 同等機能の処理系） を用いる。

そして、 ステップ S 5 2において、 スキーマがスキーマ格納部に登録されてい る力否かを判断する。

ステップ S 5 2で登録されていないと判断された場合 （ステップ S 5 2 ： N O ) は、 ステップ S 5 3において、 スキーマを登録して終了する。 一方、 ステップ S 5 2で登録されていると判断された場合 （ステップ S 5 2 ： Y E S ) は、 その まま終了する。

次に、 文書格納サービスの実行例を以下に示す。

この実行例では、 文書を XMLで表現し、 スキーマを XML D T D (文書型 定義） で表現する。 格納するデータは、 下記の UR Lのサービスを用いて XM L 文書としてローカルに保存する。 配列データは、 G e n B a n kサービスを利用 し、 文献デー タ は、 P u b M e d サー ビス を利用す る （ http ://www. ncbi. nlm. nih. gov/Genbank/ 参照） 。 G e n B a n k力、ら直接取得 できるデータとスキーマの引用は割愛する。

配列データのスキーマ変換記述を sequence, xsl (第 6図） とし、 文献データ のスキーマ変換記述を literature, xsl (第 9図） とする。 以上のデータが形式 変換処理への入力となる。

形式変換処理後、 文書登録処理が行なわれるデータは次のようになる。

配列データは、 sequence, xml (第 7図） 、 スキーマは、 squence. dtd (第 8図 ) となる。

Sequence タグは、 配列全体を意味し、 Title タグは、 配列に関する自然言語 による説明を意味し、 Nucleotide タグは、 塩基配列を意味し、 Peptide タグは、 塩基配列を変換したアミノ酸配列を意味し、 Reference タグは、 参考文献を意味 し、 RefTitle タグは、 参考文献の題名を意味し、 Idタグは、 参考文献の参照番 号を意味する。

また、 文献データの 1レコードは、 literature, xral (第 1 0図） となり、 スキ 一マは、 literature, dtd (第 1 1図） となる。 Literature タグは、 文献データ全体を意味し、 Title タグは、 文献の題名を 意味し、 Abstract タグは、 文献の概要を意味し、 Link タグは、 関連する配列デ ータへの参照番号集合を意味し、 Idタグは、 個々の参照番号を意味する。

( 2 ) 解析処理ツール登録サービス

次に、 解析処理ツール登録サービスコマンド （2 ) を説明する。

解析処理ツール登録サービスコマンド （2 ) は、 次のように実行する。 register ぐツールコマンド名〉 [くリソース定義〉] ここで "register" は、 解析処理ツール登録サービスコマンド名である。 く ッ ールコマンド名〉 には、 登録する解析処理ツールのファイル名を指定し、 く リソ ース定義〉 には、 本システム格納用データスキーマからツールの入力となるデー タ形式への変換指示を X S L言語で記したファイル名を指定する。 ツールへの入 力が格納部内のデータに由来しない場合は、 リソース定義は省略しても良い。 第 2 2図は、 解析処理ツール登録サービスの処理を説明するためのフロー図で ある。

registerコマンドによるツール登録処理は次の手順で実行される。

まず、 ステップ S 6 1において、 解析ツールが実行可能な状態になっているか 否かを判断する。

ステップ S 6 1で実行可能な状態になっていないと判断された場合 （ステップ S 6 1 ： N O) は、 ステップ S 6 2において、 本システムが実行可能な場所に複 写する。

そして、 ステップ S 6 1で実行可能な状態になっていると判断された場合 （ス テツプ S 6 1 ： Y E S ) 、 あるいは、 ステップ S 6 2で複写した後、 ステップ S 6 3において、 解析ツールのコマンド名を記憶する。

さらに、 ステップ S 6 4において、 リソース定義をスキーマリソース定義部に 格納して終了する。 次に、 解析処理ツール登録サービスの実行例を以下に説明する。

本実行例では、 システムに格納された配列データと文献データを対象に文献類 似法による配列検索を行なうための 2つの解析処理ツール （索引付け処理、 検索 処理） をそれぞれ上記手順で登録する。

索引付け処理は、 1 h— i n d e Xコマンドとし、 検索処理は、 1 h— s e a r c hコマンドとする。 1 h— i n d e xコマンドは、 検索対象の文字列と識別 子の組の集合からなる全検索対象データを引数にとる。 本コマンドは、 リソース 定義 I h— i n d e x , x s 1と共に登録する。 1 h— s e a r c hコマンドは、 検索キーである配列を引数にとる。 本コマンドと同時に登録するリソース定義は ない。 '

( 3 ) 解析処理サービス

解析処理サービスコマンド （3 ) は、 次のように実行する。 process <解析ツーノレ名〉 [- toolargsくツール引数リスト〉]

[-serviceargs <サービス引数リスト〉] ここで "process " は、 解析処理サービスコマンド名である。 く解析ツール名 > には、 システムに登録済みの解析ツールの名前を指定し、 く ツール引数リスト > には、 その解析ツールに渡すパラメータを指定する。 解析ツールが追加の引数 を必要としない場合、 ツール引数リストは省略しても良い。 くサービス引数リス ト〉 には、 解析ツールには直接渡さず、 サービスに必要なパラメータを指定する。 必要ない場合は、 サービス引数リストは省略しても良い。

第 2 3図は、 解析処理サービスの処理を説明するためのフロー図である。

process コマンドによる解析処理サービスは、 サービス仲介処理部によって次 の手順で実行される。

まず、 ステップ S 7 1において、 解析ツール （分析ツール） がシステムに登録 されているカ否かを判断する。 ステップ S 71で登録されていないと判断された場合 （ステップ S 71 ： NO ) は、 ステップ S 72において、 エラー処理を行なう。

—方、 ステップ S 71で登録されていると判断された場合 （ステップ S 71 ： YES) は、 ステップ S 73において、 解析ツールに対応したリソース定義がス キーマリソース定義部に登録されている力否かを判断する。

ステップ S 73で登録されていると判断された場合 （ステップ S 73 ： YES ) は、 ステップ S 74において、 （サービス引数リストが存在する場合はそれも 用いて、 ） 構造格納部内の各文書についてリソース定義 （XSL) を適用し、 そ れぞれの結果に解析ツールを適用する。 そして、 ステップ S 75において、 全文 書の処理が終了した力否かを判断することにより、 全文書が終了 （ステップ S 7 5 ： YES) するまでステップ S 74を繰り返す。

一方、 ステップ S 73で登録されていないと判断された場合 （ステップ S 73 ： NO) は、 ステップ S 76において、 解析ツールを実行する。

そして、 ステップ S 76における角析ツールの実行後、 あるいは、 ステップ S 75における処理の終了後、 実行結果を出力して終了する。

次に、 解析処理ツール登録サービスの実行例を以下に説明する。

既に述べたように文献類似法は、 索引作成処理を行なう l h— i n d e xと検 索処理を行なう 1 h— s e a r c h との 2つの解析ツールにより実装される。 索引作成処理では、 次のように p r o c e s sコマンドを起動する。 process In - index -toolargs ©documents -serviceargs -depth=2

1 h— i n d e xツールには、 リソース定義として 1 h— s e a r c h . x s 1が存在しているため、 構造格納部内の全文書に関して XSLT処理を行なう。 この処理は、 リソース定義 1 h— i n d e X. x s 1とサービス引数一 d e p t h = 2の情報を用いて次のように動作する。

構造格納部中の各配列レコード sから参照される文献レコード集合を L 1とす る。 L Iの各文献レコード 1 力 ら参照される配列レコード集合を S 1とする。

S 1の各配列レコード S' 力 ら参照される文献レコード集合を L 2とする。 こ のように配歹リ ·文献の組のパスを 2段階迪つて （この段数を" 一 d e p t = 2 " が指定している。 ） 得られる全集合から自然言語 （テキスト） データのある部 分のみを元の配列 sの I dと共に取り出す。 この XS LT処理の結果を 1 h— i n d e xに渡し （この渡し方を" 一 t o o l a r g s " ©d o cume n t s により指定している。 ) 索引を作成する。

検索処理では、 次のように process コマンドを起動する。 process lh - search - toolargs く酉己列 ID>...

1 h- s e a r c h ツーノレにはリソース定義が存在していないため、 直接 1 h- s e a r c h が起動され、 1 h— i n d e xが作成した索引を用いて配列 I Dに関連のある配列 I D集合を結果に出す。

以上説明してきたように、 本発明によれば、 関係 DBに配列 DBとは独立な拡 張が可能になることで、 配列 D Bレコードの枠組みに収まらないスキーマ拡張が 容易に行なえるようになり、 問題点 （1) を解決している。

+また、 本発明によれば、 構造格納方式の文書記憶部を持ち、 レコードの部分構 造を参照する関係 DBを持つことで、 構造的に違いの大きい複数形式への変換を 総合的に効率よく行なうことができ、 問題点 （2) を解決している。

また、 発明の実施の形態の項で文献類似法の例を挙げて示したように、 本シス テムは、 柔軟性と実装効率を両立しており、 問題点 （2) を解決している。 この 性質は、 構造格納部を RDB技術で実装するよりもネイティブな構造格納技術を 用いた方がより顕著になる。

また、 文献類似法の実装例では、 インデックス作成時に処理対象となるテキス ト部を XSLTを用いて動的に生成した。 そのため、 リンクをたどる段数をパラ メータ化でき、 実行可能な機能の柔軟性が高くなつた。 効率に関しては、 実際の ところ、 上述の実施の形態のようなコマンドラインで解析ツールを結合する仕組 では、 データをバイトストリームで渡すことになり、 そこがネックになるが、 デ ータ空間を共有するタイプのコンポーネント結合技^ fを用いることでそれは角军決 することができる。

また、 文献類似法以外の解析コンポーネントについても、 ツールが必要とする 文書をスキーマ格納部に登録されている文書形式から生成する指示を準備するこ とで柔軟に追加することができる。 また、 登録する構造化文書の形式が多用な場 合でも、 とりあえず構造格納部に格納してしまう運用が可能であり、 このような 柔軟性も備えている。

[他の実施の形態]

さて、 これまで本発明の実施の形態について説明したが、 本発明は、 上述した 実施の形態以外にも、 上記特許請求の範囲に記載した技術的思想の範囲内にぉレヽ て種々の異なる実施の形態にて実施されてよいものである。

例えば、 構造化データ処理装置 1 0 0がスタンドア口ーンの形態で処理を行う ±易合を一例に説明したが、 構造化データ処 置 1 0 0とは別筐体で構成される クライアント端末からの要求に応じて処理を行い、 その処理結果を当該クライア ント端末に返却するように構成してもよい。

また、 実施形態において説明した各処理のうち、 自動的に行なわれるものとし て説明した処理の全部または一部を手動的に行うこともでき、 あるいは、 手動的 に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に 行うこともできる。

この他、 上記文書中や図面中で示した処理手順、 制御手順、 具体的名称、 各種 の登録データや検索条件等のパラメータを含む情報、 画面例、 データベース構成 については、 特記する場合を除レ、て任意に変更することができる。

また、 構造ィ匕データ処理装置 1ひ 0に関して、 図示の各構成要素は機能概念的 なものであり、 必ずしも物理的に図示の如く構成されていることを要しない。 例えば、 構造化データ処理装置 1 0 0の各部または各装置が備える処理機能、 特に制御部 102にて行なわれる各処理機能については、 その全部または任意の 一部を、 CPU (C e n t r a l P r o c e s s i n g Un i t) および当 該 CPUにて解釈実行されるプログラムにて実現することができ、 あるいは、 ヮ ィヤードロジックによるハードウエアとして実現することも可能である。 なお、 プログラムは、 後述する記録媒体に記録されており、 必要に応じて構造化データ 処理装置 100に機械的に読み取られる。

すなわち、 ROMまたは HDなどの記憶部 106などには、 OS (Op e r a t i n g S y s t em) と協働して C PUに命令を与え、 各種処理を行うため のコンピュータプログラムが記録されている。 このコンピュータプログラムは、 RAM等にロードされることによって実行され、 CPUと協働して制御部 102 を構成する。 また、 このコンピュータプログラムは、 構造化データ処理装置 10 0に対して任意のネッ 1、ワーク 300を介して接続されたアプリケーションプロ グラムサーバに記録されてもよく、 必要に応じてその全部または一部をダウン口 ードすることも可能である。

また、 本発明にかかるプログラムを、 コンピュータ読み取り可能な記録媒体に 格納することもできる。 ここで、 この 「記録媒体」 とは、 フレキシブノレディスク、 光磁気ディスク、 ROM、 EPROM、 EEPROM、 CD-ROM, MO、 D 等の任意の 「可搬用の物理媒体」 や、 各種コンピュータシステムに内蔵され る ROM、 RAM, HD等の任意の 「固定用の物理媒体」 、 あるいは、 LAN、 WAN, インターネットに代表されるネットワークを介してプログラムを送信す る場合の通信回線や搬送波のように、 短期にプログラムを保持する 「通信媒体」 を含むものとする。

また、 「プログラム」 とは、 任意の言語や記述方法にて記述されたデータ処理 方法であり、 ソースコードやバイナリコード等の形式を問わない。 なお、 「プロ グラム」 は必ずしも単一的に構成されるものに限られず、 複数のモジュールゃラ イブラリとして分散構成されるものや、 OS (Op e r a t i n g Sy s t e m) に代表される別個のプログラムと協働してその機能を達成するものをも含む。 なお、 実施の形態に示した各装置にぉレヽて記録媒体を読み取るための具体的な構 成、 読み取り手順、 あるいは、 読み取り後のインスト一ノレ手順等については、 周 知の構成や手順を用いることができる。

記憶部 106に格納される各種のデータベース等 （構造化データ格納データべ ース 106 a〜処理結果データベース 106 ί) は、 RAM、 ROM等のメモリ 装置、 ハードディスク等の固定ディスク装置、 フレキシブルディスク、 光デイス ク等のストレージ手段であり、 各種処理やウェブサイト提供に用いる各種のプロ グラムゃテ一ブルやフアイルゃデ一タベースゃゥェブベージ用フアイル等を格納 する。

また、 構造ィヒデータ処理装置 100は、 既知のパーソナルコンピュータ、 ヮー クステーション等の情報処理端末等の情報処理装置にプリンタゃモニタやィメー ジスキャナ等の周辺装置を接続し、 該情報処理装置に本発明の方法を実現させる ソフトウェア （プログラム、 データ等を含む） を実装することにより実現しても よい。

さらに、 構造ィ匕データ処理装置 100の分散 ·統合の具体的形態は図示のもの に限られず、 その全部または一部を、 各種の負荷等に応じた任意の単位で、 機能 的または物理的に分散 '統合して構成することができる。 例えば、 各データべ一 スを独立したデータベース装置として独立に構成してもよく、 また、 処理の一部 を CG I (Co mmo n Ga t ewa y I n t e r f a c e) を用いて実現 してもよい。

また、 ネットワーク 300は、 構造化データ処理装置 100と外部システム 2 00とを相互に接続する機能を有し、 例えば、 インターネットや、 イントラネッ トゃ、 LAN (有線/無線の双方を含む） や、 VANや、 パソコン通信網や、 公 衆電話網 （アナログ/デジタルの双方を含む） や、 専用回線網 （アナログ Zデジ タルの双方を含む） や、 CATV網や、 IMT2000方式、 GSM方式または ?0〇 ？0〇ー？方式等の携帯回線交換網7携帯パケット交換網や、 無線呼出 網や、 B 1 u e t o o t h等の局所無線網や、 PHS網や、 C S、 B Sまたは I S D B等の衛星通信網等のうちいずれかを含んでもよレ、。 すなわち、 本システム は、 有線'無線を問わず任意のネットワークを介して、 各種データを送受信する ことができる。

以上詳細に説明したように、 本発明によれば、 構造化記述言語で記述された構 造化データと、 当該構造化データの構造を定義したスキーマデータとを取得し、 取得した構造化データおよびスキーマデータを、 スキーマ形式変換指示情報に基 づいて変換し、 変換された変換後の構造化データおよびスキーマデータをデータ ベースに登録し、 登録されたデータベースにアクセスしてデータ処理を行うツー ルプログラムと、 当該ッールプログラムに入力される構造化データのスキーマの リソースを定義するスキーマリソース定義情報とを対応させて登録し、 ツールプ ログラムが起動された場合に、 起動された当該ツールプログラムに対応するスキ 一マリソース定義情報に従って、 データベースに登録された構造化データおよび スキーマデータを動的に変換して当該ツールプログラムに入力するので、 異なる 構造化言語ゃスキーマ言語で記述された取得データを予めまたは必要に応じて定 めた形式に変換することができる構造化データ処理装置、 構造ィ匕データ処理方法、 プログラム、 および、 記録媒体を提供することができる。

また、 本発明によれば、 各種の外部データベースから取得したデータ間の整合 を容易にとることができるようになり、 データ記述形式 関する高い拡張性を担 保することができるようになる。 その結果、 各種のデータ記述形式に対応する外 部データベースへのアクセスを容易に行うことができるようになる。 すなわち、 統一した特定の構造化記述言語の形式 （例えば、 B SMLや B i o ML等） で内 部のデータベースを管理することが可能になるため、 データベースの利用効率な どを著しく向上させることができる構造化データ処理装置、 構造化データ処理方 法、 プログラム、 および、 記録媒体を提供することができる。

また、 本発明によれば、 スキーマに新たなリソース （例えば、 XMLの要素な ど） が追加された場合であっても、 容易に追加された形式に変換することができ る構造化データ処理装置、 構造化データ処理方法、 プログラム、 および、 記録媒 体を提供することができる。

また、 本発明によれば、 各分析ツールにより随時項目追加が発生し、 その追加 項目を後段の分析ツールの処理で使用するような場合であっても、 分析ツールの 仕様に手を加えることなく、 使用する各データの拡張性を容易に担保することが できる構造化データ処理装置、 構造化データ処理方法、 プログラム、 および、 記 録媒体を提供することができる。

また、 本発明によれば、 共有部分のデータベースの一括形式変換を行うことが できる構造化データ処理装置、 構造化データ処理方法、 プログラム、 および、 記 録媒体を提供することができる。

また、 本発明によれば、 構造化記述言語は、 XM L、 S GML , B i o ML、■ B S ML、 A S N. 1、 G AME , 若しくは、 これらのいずれかを拡張した構造 化記述言語、 または、 これらと同等の記述能力を持つ構造化記述言語であるので、 これらのバイオインフォマティクス分野において一般的に用いられる構造化記述 言語により記述された構造化データを効率的に変換することができる構造化デ一 タ処理装置、 構造化データ処理方法、 プログラム、 および、 記録媒体を提供する ことができる。

また、 本発明によれば、 スキーマデータは、 D T D、 XMLスキーマ、 R E L AX、 若しくは、 これらのいずれかを拡張したスキーマ言語、 または、 これらと 同等の記述能力を持つスキーマ言語により記述されたデータであるので、 これら のバイオインフォマティクス分野において一般的に用いられるスキーマ言語によ り記述されたスキーマデータを効率的に変換することができる構造化データ処理 装置、 構造化データ処理方法、 プログラム、 および、 記録媒体を提供することが できる。

また、 本発明によれば、 スキーマ形式変換指示情報およぴスキーマリソース定 義情報は、 X S L、 若しくは、 これを拡張した言語、 または、 これらと同等の記 述能力を持つ木構造変換言語により記述されたデ一タであるので、 これらのバイ オインフォマテイクス分野において一般的に用いられるスキーマ変換記述言語に より記述されたスキーマ形式変換指示情報およびスキーマリソース定義情報に基 づいて、 構造化データおよびスキーマデータを効率的に変換することができる構 造化データ処理装置、 構造化データ処理方法、 プログラム、 および、 記録媒体を 提供することができる。

また、 本発明によれば、 構造化データは、 塩基配列および/またはアミノ酸配 列を含む配列情報、 文献情報のうち少なくとも一つに関する要素を含むので、 G e n B a n kなどに登録された配列情報や、 P u b M e dなどに登録された文献 情報を取得して形式変換することができる構造化データ処理装置、 構造化データ 処理方法、 プログラム、 および、 記録媒体を提供することができる。 . 産業上の利用可能性

以上のように、 本発明にかかる構造化データ処理装置、 構造化データ処理方法、 プログラム、 および、 記録媒体は、 様々な形式のスキーマ言語により定義された 様々な形式の構造ィ匕データを効率的に処理するのに適している。

Claims

請 求 の 範 囲

1 . 構造ィヒ記述言語で記述された構造ィ匕データと、 当該構造化データの構造を 定義したスキーマデータとを取得する構造化データ取得手段と、

上記構造化データ取得手段にて取得した上記構造化データおよび上記スキーマ データを、 スキーマ形式変換指示情報に基づいて変換する形式変換手段と、 上記形式変換手段にて変換された変換後の構造ィ匕データおょぴスキーマデータ をデータベースに登録する構造化データ登録手段と、

上記構造化データ登録手段にて登録された上記データベースにアクセスしてデ ータ処理を行うツールプログラムと、 当該ツールプログラムに入力される上記構 造ィ匕データのスキーマのリソースを定義するスキーマリソース定義情報とを対応 させて登録する分析ッール登録手段と、

上記ツールプログラムが起動された場合に、 起動された当該ツールプログラム に対応する上記スキーマリソース定義情報に従って、 上記データベースに登録さ れた構造ィ匕データおょぴスキーマデータを変換して当該ツールプログラムに入力 'する分析ツール起動手段と、

を備えたことを特微とする構造ィ匕データ処理装置。

2 . 上記構造化記述言語は、 XML、 S GML , B i o ML、 B S ML、 A S N. 1、 GAME , 若しくは、 これらのいずれかを拡張した構造ィヒ記述言語、 ま たは、 これらと同等の記述能力を持つ構-造化記述言語であること、

を特徴とする請求の範囲第 1項に記載の構造化データ処理装置。

3 . 上記スキーマデータは、 D T D、 XMLスキーマ、 R E L AX、 若しくは、 これらのいずれかを拡張したスキーマ言語、 または、 これらと同等の記述能力を 持つスキーマ言語により記述されたデ一タであること、

を特徴とする請求の範囲第 1項または第 2項に記載の構造ィ匕デ一タ処理装置。

4 . 上記スキーマ形式変換指示情報および上記スキーマリソース定義情報は、 X S L、 若しくは、 これを拡張した言語、 または、 これらと同等の記述能力を持 つ木構造変換言語により記述されたデータであること、

を特徴とする請求の範囲第 1項から第 3項のいずれか一つに記載の構造化デー タ処理装置。

5 . 上記構造化データは、 塩基配列および/またはアミノ酸配列を含む配列情 報、 文献情報のうち少なくとも一つに関する要素を含むこと、

を特徴とする請求の範囲第 1項から第 4項のいずれか一つに記載の構造ィヒデ一 タ処理装置。

6 . 構造化記述言語で記述された構造化データと、 当該構造ィ匕データの構造を 定義したスキーマデータとを取得する構造ィ匕データ取得ステップと、

上記構造化データ取得ステップにて取得した上記構造化データおよび上記スキ 一マデータを、 スキーマ形式変換指示情報に基づいて変換する形式変換ステップ と、

上記形式変换ステップにて変換された変換後の構造化データおよびスキーマデ ータをデータベースに登録する構造化データ登録ステップと、

上記構造ィ匕データ登録ステップにて登録された上記データベースにアクセスし てデータ処理を行うッールプログラムと、 当該ッールプログラムに入力される上 記構造ィヒデータのスキーマのリソースを定義するスキーマリソース定義情報とを 対応させて登録する分析ツール登録ステップと、

上記ツールプログラムが起動された場合に、 起動された当該ツールプログラム に対応する上記スキーマリソース定義情報に従って、 上記データベースに登録さ れた構造化データおよびスキーマデータを変換して当該ツールプログラムに入力 する分析ッール起動ステップと、 を含むことを特徴とする構造化データ処理方法。

7. 上記構造化記述言語は、 XML、 SGML, B i oML、 BSML、 AS N. 1、 GAME, 若しくは、 これらのいずれかを拡張した構造化記述言語、 ま たは、 これらと同等の記述能力を持つ構造化記述言語であること、

を特徴とする請求の範囲第 6項に記載の構造化データ処理方法。

8. 上記スキーマデータは、 DTD、 XMLスキーマ、 RELAX、 若しくは、 これらのいずれかを拡張したスキーマ言語、 または、 これらと同等の記述能力を 持つスキーマ言語により記述されたデ一タであること、

を特徴とする請求の範囲第 6項または第 7項に記載の構造ィヒデータ処理方法。

9. 上記スキーマ形式変換指示情報およぴ上記スキーマリソース定義情報は、 XSL、 若しくは、 これを拡張した言語、 または、 これらと同等の記述能力を持 つ木構造変換言語により記述されたデータであること、

を特徴とする請求の範囲第 6項から第 8項のいずれか一つに記載の構造ィヒデ一 タ処理方法。

10. 上記構造化データは、 塩基配列および Zまたはアミノ酸配列を含む配列 情報、 文献情報のうち少なくとも一つに関する要素を含むこと、

を特徴とする請求の範囲第 6項から第 9項のいずれか一つに記載の構造ィヒデ一 タ処理方法。

11. 構造化記述言語で記述された構造化データと、 当該構造化データの構造 を定義したスキーマデータとを取得する構造化データ取得ステップと、

上記構造化データ取得ステップにて取得した上記構造ィ匕デ一タおよび上記スキ 一マデータを、 スキーマ形式変換指示情報に基づいて変換する形式変換； と、

上記形式変換ステップにて変換された変換後の構造化データおよびスキーマデ ータをデータベースに登録する構造化データ登録ステップと、

上記構造ィ匕データ登録ステップにて登録された上記データベースにアクセスし てデータ処理を行うツールプログラムと、 当該ツールプログラムに入力される上 記構造ィ匕データのスキーマのリソースを定義するスキーマリソース定義情報とを 対応させて登録する分析ッール登録ステツプと、

上記ツールプログラムが起動された場合に、 起動された当該ツールプログラム に対応する上記スキーマリソース定義情報に従って、 上記データベースに登録さ れた構造化データおよびスキーマデータを変換して当該ツールプログラムに入力 する分析ツール起動ステップと、

を含む構造ィ匕データ処理方法をコンピュータに実行させることを特徴とするプ ログラム。

12. 上記構造化記述言語は、 XML、 SGML, B i oML、 B SML、 A SN. 1、 GAME, 若しくは、 これらのいずれかを拡張した構造ィヒ記述言語、 または、 これらと同等の記述能力を持つ構造化記述言語であること、

を特徴とする請求の範囲第 1 1項に記載のプログラム。

13. 上記スキーマデータは、 DTD、 XMLスキーマ、 RELAX、 若しく は、 これらのいずれかを拡張したスキーマ言語、 または、 これらと同等の記述能 力を持つスキーマ言語により記述されたデータであること、

を特徴とする請求の範囲第 11項または第 12項に記載のプログラム。

14. 上記スキーマ形式変換指示情報およぴ上記スキーマリソース定義情報は、 XSL、 若しくは、 これを拡張した言語、 または、 これらと同等の記述能力を持 つ木構造変換言語により記述されたデータであること、 を特徴とする請求の範囲第 1 1項から第 1 3項のいずれか一^ ^に記載のプログ ラム。

1 5 . 上記構造化データは、 塩基配列および/またはァミノ酸配列を含む配列 情報、 文献情報のうち少なくとも一つに関する要素を含むこと、

を特徴とする請求の範囲第 1 1項から第 1 4項のいずれ力一^ ^こ記載のプログ ラム。

1 6 . 上記請求の範囲第 1 1項から第 1 5項のいずれか一つに記載されたプロ グラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。