Databaser for å effektivt administrere mellom store, lav hastighet, flerdimensjonale data i vev engineering

Vitenskapen baserer seg på stadig mer komplekse datasett for fremdrift, men vanlige metoder for dataadministrasjon, for eksempelregneark programmer, er utilstrekkelige for å øke omfanget og kompleksiteten i denne informasjonen. Mens database management systemer har potensial til å rette opp disse problemene, er de ikke ofte utnyttet utenfor virksomheten og informatikk felt. Likevel, mange forskningslaboratorier allerede generere "medium sized", lav hastighet, multi-dimensjonale data som kan ha stor nytte av å implementere lignende systemer. I denne artikkelen gir vi en konseptuell oversikt som forklarer hvordan databaser fungerer og fordelene de gir i vevs tekniske applikasjoner. Strukturelle Fibroblast data fra individer med en Lamin A/C mutasjon ble brukt for å illustrere eksempler innenfor en spesifikk eksperimentell kontekst. Eksempler omfatter visualisering av flerdimensjonale data, kobling av tabeller i en relasjonsdatabase struktur, tilordning av en semi-automatisert datakanal for å konvertere rådata til strukturerte formater og forklare den underliggende syntaksen for en spørring. Resultater fra analysere dataene ble brukt til å lage tomter av ulike ordninger og betydning ble demonstrert i celle organisasjonen i justerte miljøer mellom positiv kontroll av Hutchinson-Gilford progeria, en velkjent laminopathy, og alle andre eksperimentelle grupper. I forhold til regneark, database metoder var enormt tid effektiv, enkel å bruke en gang satt opp, tillatt for umiddelbar tilgang til opprinnelige filen steder, og økt data rigor. Som svar på National Institutes of Health (NIH) vekt på eksperimentell rigor, er det sannsynlig at mange vitenskapelige felt vil etter hvert vedta databaser som vanlig praksis på grunn av deres sterke evne til å effektivt organisere komplekse data.