需要帮助构建复杂的多表查询

Question

这个问题是许多学习生物信息学和DNA数据分析的新手都在努力解决的问题：。

假设我有20个表具有相同的列标题。每个表代表一个病人样本，每一行代表一个在该样本中发生突变的位点(站点)。每一个位点都是由染色体数目和碱基号两列组成的唯一标识。1和43535，1和33456，1和3454353)。有几个列给出了每个突变的不同特征，包括一个名为基因的列，它给出了该位点上的基因。多个位点可以在一个基因中发生突变--这意味着基因列可以在一个表中多次具有相同的值。

我想要同时查询所有这些表，比如。我从基因列输入一个值，并希望输出基因列中存在基因名称的所有表(样本)的名称，以及每个样本的整个行(最好)，以便在一个输出页上比较该基因在多个样本中的突变特征。

我还想输入一个数字，比如说4，并希望输出至少在20个病人中有4个发生突变的基因列表(至少在20个表中的4个表中，名字出现在基因列中的基因列表)。

做这件事的“最简单的方法”是什么？假设除了这两个问题之外，我还想提出更灵活的查询，那么“最佳方式”是什么呢？

我是一个MD，没有任何特定的软件专业知识，但我愿意投入必要的时间来建立这个查询系统。几行代码都不能阻止我..。

数据：

Func    Gene    ExonicFunc                 Chr  Start       End        Ref  Obs
exonic  ACTRT2  nonsynonymous SNV           1   2939346     2939346     G   A
exonic  EIF4G3  nonsynonymous SNV           1   21226201    21226201    G   A
exonic  CSMD2   nonsynonymous SNV           1   34123714    34123714    C   T

这仅仅是列的三分之一。移除多个列以适应这里的页面大小.

谢谢。

Answer 1

如果您所拥有的是一堆Excel文件，则可以将它们全部导入到同一个表中，其中包含一个用于病人id的不同列。没有必要为此创建20个不同的表--事实上，这是个坏主意。

完成之后，转到Access的查询设计、SQL视图并使用以下查询：

若要创建返回输入基因名称的所有字段的查询，请执行以下操作：

select *
from gene_data
where gene = [GeneName]

若要创建返回在4个以上样本中发生突变的基因名称的查询，请执行以下操作：

select gene
from
(select gene, sample_id
from gene_data
group by gene, sample_id) g
group by gene
having count(sample_id) > 4

在此之后，更改为设计视图--您将看到如何使用GUI创建类似的查询。

Answer 2

创建一个联合的视图，该视图将所有表放在一起。您可能应该添加关于哪个表ti来自于哪个表的其他信息：

create view allpatients as
    select 'a' as whichtable, t.*
    from tableA t
    union all
    select 'b' as whichtable, t.*
    from tableB t
    ...

您可能会发现，通过与所有患者一起创建一个表来“实例化”视图更容易。只要有一个通过组合20个表重新创建表的存储过程即可。

或者，您可以发现您有大型的单个表(数百万行)。在这种情况下，您将希望将每个原始表视为一个分区。