Fast Query Processing for Large Scientific Databases

点击翻译按钮获取中文摘要

本年度は研究計画に基づき，（１）プロパティグラフ集合ならびに（２）文字列シーケンス集合に対するモチーフに基づくデータ要約技術の開拓と，これらの技術を活用した類似・相関問合せ処理の高速化手法の開発に取り組んだ．各取り組みと研究成果について以下に記載する．（１）本項目では創薬を目的として公開されているタンパク質DBをプロパティグラフ集合とみなし，データ要約と要約に基づく高速な相関問合せ処理手法の開発を行った．データ要約手法ではタンパク質DBにおいて頻出構造を捉える．ランダムに選択した頻出構造はタンパク質DB内において単一ノードなどの簡潔な構造へと要約を行う．このような要約DBを事前に複数構築し，問合せ処理の際には全ての要約DBに対して乱択アルゴリズムに基づいて検索処理を実行する．各要約は少数のノードから構成されることから，従来よりも高速に問合せ処理を実行可能である．また，乱択アルゴリズムにより偽陰性を排除することが可能である．本研究の成果は現在，国際会議に投稿中である．（２）本項目ではDNAシーケンサを用いて獲得したDNAシーケンスDBを題材としてデータ要約技術ならびに問合せ処理技術の開発を行った．DNAシーケンスは４種類の文字から構成される文字列として保存されている．本研究では編集距離を用いたDNAシーケンスDBにおける類似問合せに取り組んだ．（１）で示した方式と同様に，データベース内で頻出する部分シーケンスを着目し，これらを短い文字列へと置き換えることでデータ要約を行う．要約したDNAシーケンス集合に対して編集距離計算を行う際は，各要約から導き出される編集距離の値の上界・下界を用いて探索不要なDNAシーケンスを特定し，問合せ処理の対象から除外する．この方式により，大規模なDNAシーケンスDBに対する高速な問合せ処理を実現した．本研究の成果は国際会議にて発表を行った．