snp数据库(snp 分子标记的检测技术)

大家好，感谢邀请，今天来为大家分享一下snp数据库的问题，以及和snp 分子标记的检测技术的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！

数据库中job干吗用的

oracle数据库采用SNP进程来管理和运行JOB，SNP进程和实例中其他进程最大区别是这个进程被杀掉后，系统就会自动重新启动一个SNP，因此并不影响oracle实例运行.SNP进程本身也是被系统周期性地调用去查看数据字典中的JOB序列目录，看是否有JOB需要去运行，运行之后SNP就进入休眠状态.唤醒,SNP被调用的时间的设置是在数据库初始化文件里通过参数job_queue_interval设置进行的，数据库在打开的时候根据初始化文件去初始化SNP进程。

一、SNP参数说明参数

job_queue_interval的粒度不能太大，不要大于JOB执行的间隔（由参数interval来决定），否则的话可能造成有的作业无法执行.粒度也不能太细，否则会使系统频繁调用SNP而增加了系统的吞吐量，所以一定要根据具体环境中JOB而设定.

参数job_queue_interval的设定了系统中最多可运行的SNP数量。

二、当SNP开始执行一个任务时,其过程如下：

1.以任务所有者的用户名开始一个新的数据库会话。

2.当任务第一次提交或是最后一次被修改时,更改会话NLS设置和目前就绪的任务相匹配。

3.通过interval日期表达式和系统时间,计算下一次执行时间。

4.执行任务定义的PL/SQL。

5.如果运行成功,任务的下一次执行日期被更新,否则,失败则日志文件中的计数加1。

6.经过JOB_QUEUE_INTERVAL秒后，又到了另一个SNP运行时间，重复上边的过程。

三、作业失败如何处理

网上和书本上理论讲，当作业失败后，系统会在1分钟后重新运行这个JOB，如果还是失败，就在和第1次失败间隔2分钟的时候继续运行这个JOB,如果还是失败，就在和第2次失败相隔4分钟后运行这个JOB（可以用T=2t－1表示，t表示第1次失败后检测的次数）,直到T≥interval（JOB正常工作的时间设置参数）后，系统检测的时间间隔就为interval.直到第16次失败就会将这个job置为broken.但是这些介绍都很粗略,如果需要真正设计一些合理的job的时候就会忽略一些细微的问题,而这些细微的问题恰好是关键的地方.

提出问题：说明在oracle后台有这样的机制，就是需要判断T是否T≥interval，那么在job失败后是先判断呢，还是等1分钟后检测之后才判断.

实验之后得出结果：先判断，然后才检测，其中由于操作误差，和理论值稍有轻微偏差.

snp 分子标记的检测技术

基因分型：是指利用数据库中已有的SNP进行特定人群的序列和发生频率的研究，主要包括因芯片技术，Taqman技术，分子信标技术和焦磷酸测序法等。

（一）、基因芯片技术

基因芯片技术：是在固相支持介质上进行分子杂交和原位荧光检测的一种高通量SNP分析方法。

优缺点：

优点是高通量，一次可对多个SNP进行规模性筛选，被捡起始材料也很少，操作步骤简单。缺点是芯片设计成本高，由于DNA样品的复杂性，有些SNP不能被捡起。

（二）、Taqman技术

在pcr反应系统中加入2种不同荧光标记的探针，他们分别与两个等位基因完全配对。探针运用了荧光共振能量转换技术，探针的5’端和3’端分别用特殊染料标记，称为供体-受体染料对或爆-猝灭燃料对。

（三）、分子信标技术

与Taqman技术相似，分子信标技术也是在PCR反应体系种加入荧光标记的探针与靶序列杂交，通过仪器检测荧光值的变化，进行基因分型。

优缺点：

分子信法在选择荧光染料时，不必像Taqman法那样考虑染料之间光谱的重叠性，一次可以使用4种或4种以上染料，同时对多个SNP进行分析。Taqman法和分子信标法优点都是简单操作，可以自动化；缺点是不能达到高通量分析，荧光探针费用高。

（四）、焦磷酸测序法

焦磷酸测序法是一种不依赖平板胶或毛细管电泳，不依赖DNA的荧光标记/激发/检测体系的序列分析技术，适用于已知SNP的序列验证及基因分型。焦磷酸测序法主要是由4种酶催化同一反应体系中的酶级联反应，包括DNA聚合酶、硫酸化酶、荧光素酶和双磷酸酶，反应底物为adenosine5’phosphosulfate和荧光素

TCGA数据库介绍

肿瘤基因组图谱(TCGA)计划由美国 National Cancer Institute(NCI)和 National Human Genome Research Institute（NHGRI）于 2006年联合启动的项目，目前共计研究 36种癌症类型。

TCGA利用大规模测序为主的基因组分析技术，通过广泛的合作，理解癌症的分子机制。提高人们对癌症发病分子基础的科学认识及提高我们诊断、治疗和预防癌症的能力。最终完成一套完整的与所有癌症基因组改变相关的「图谱」。

TCGA临床数据有两种：

数据文件有(HTSeq count/ FPKM/ FPKM-UQ)3种

介绍链接

生成raw read counts数据记录==在mirnas.quantification.txt==文件中。多比对用cross-mapped列标注。文件中包括associates miRNA IDs with read count and a normalized count in reads-per-million-miRNA-mapped。

RPM counts记录在==isoforms==.quantification.txt文件中。文件中包括miRNA表达量定量分析中的所有列，除此之外还增加了isoforms的基因组坐标信息以及miRNA信息（前体或成熟&accession）

使用Affymetrix SNP 6.0芯片，基于TCGA level 2数据，最终生成txt文件，包含5列（片段名称，染色体，基因组位置，结合到芯片上的探针数量，seqment_mean)

包括以下几个平台：

文件包括以下这些列：

如果你还想了解更多这方面的信息，记得收藏关注本站。