PubChemRDF

提供：TogoWiki

2014年4月21日 (月) 01:48時点におけるNakao (トーク | 投稿記録)による版
(差分) ←前の版 | 最新版 (差分) | 次の版→ (差分)
移動： 案内, 検索

PubChemRDF の解説を行ないます。PubChemRDF は2014/01/31に公開されました。内容についてはリリースノースに詳しい解説があります。


目次

データの取得

PubChemRDFはFTPサイトとREST APIで配布され、ユーザはRDFを取得してRDFストアに格納後SPARQLクエリを実行することができるようになりました。いままでは、XMLやSDFの配布物をFTPサイトもしくはウェブサービスからダウンロードしてから扱っていました。SDFを格納するデータベースはありますが、XMLについては汎用的すぎて、定番の処理は無かったと思います。RDF化によってPubChemの内容を手元で扱うのが手軽になったといえます。

FTP サイト

FTPサイト ftp://ftp.ncbi.nlm.nih.gov/pubchem/RDF/ のデータは週一回更新される。VoID ファイルが ftp://ftp.ncbi.nlm.nih.gov/pubchem/RDF/void.ttl にあり、配布されているデータの量やファイルのリストなどのPubChemRDFのメタデータについて知ることができる。

配布しているRDFは ttl.gz 拡張しのあるTurtle形式をgzip圧縮したものである。

データは分割され、一ファイルに含まれる開始ID xxx から終止ID yyy までのファイル名 xxx_yyy.ttl.gz となっている。

RESTful API

PubChemRDF REST APIは、リクエストのAcceptヘッダーのMIME typeの指定に対応している。

RDFXML 

 curl -v -L -H "Accept: text/rdf" -o CID2244.rdf http://rdf.ncbi.nlm.nih.gov/pubchem/compound/CID2244

Turtle 

 curl -v -L -H "Accept: application/x-turtle" -o CID2244.rdf http://rdf.ncbi.nlm.nih.gov/pubchem/compound/CID2244

ntriples 

 curl -v -L -H "Accept: text/plain" -o CID2244.rdf http://rdf.ncbi.nlm.nih.gov/pubchem/compound/CID2244

n3 

 curl -v -L -H "Accept: text/rdf+n3" -o CID2244.rdf http://rdf.ncbi.nlm.nih.gov/pubchem/compound/CID2244

JSON 

 curl -v -L -H "Accept: text/json" -o CID2244.rdf http://rdf.ncbi.nlm.nih.gov/pubchem/compound/CID2244

XHTML 

 curl -v -L -H "Accept: application/xhtml+xml" -o CID2244.rdf http://rdf.ncbi.nlm.nih.gov/pubchem/compound/CID2244

フォーマットの指定は、Acceptヘッダー以外に、拡張子として指定できる。

語彙とオントロジーにもとづくデータ統合

BAO (BioAssay Ontology)

Uma D. Vempati, et al., (2012) Formalization, Annotation and Analysis of Diverse Drug and Probe Screening Assay Datasets Using the BioAssay Ontology (BAO), DOI: 10.1371/journal.pone.0049198 http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0049198

URI の構造

PubChemRDF サブドメイン

「http://wiki.lifesciencedb.jp/mw/PubChemRDF」より作成
個人用ツール