数据集概述
本数据集为Inspector Javert's Xref Database（简称IJXD），是由PyOBO从OBO Foundry等来源提取的生物信息学交叉引用数据库。包含标准化的五列交叉引用数据，可实现不同来源标识符的整合与遍历，共6个文件，支持生物信息学中跨数据库标识符映射分析。
文件详解
- 核心数据文件（xrefs.tsv.gz）
- 文件名称：xrefs.tsv.gz
- 文件格式：TSV.GZ
- 字段映射介绍：包含source namespace（来源命名空间）、source identifier（来源标识符）、target namespace（目标命名空间）、target identifier（目标标识符）、provenance（来源）五列标准化交叉引用数据
- 样本数据文件（xrefs_sample.tsv）
- 文件名称：xrefs_sample.tsv
- 文件格式：TSV
- 字段映射介绍：包含prefix（前缀）、identifier（标识符）、xref_prefix（交叉引用前缀）、xref_identifier（交叉引用标识符）、provenance（来源）字段的样本数据
- 汇总数据文件（xrefs_summary.tsv）
- 文件名称：xrefs_summary.tsv
- 文件格式：TSV
- 字段映射介绍：包含各命名空间（如wikidata、ncbitaxon、chembl.compound等）的交叉引用统计数据
- 详细汇总文件（xrefs_summary_detailed.tsv）
- 文件名称：xrefs_summary_detailed.tsv
- 文件格式：TSV
- 字段映射介绍：交叉引用的详细统计数据文件
- 来源汇总文件（xrefs_summary_provenance.tsv）
- 文件名称：xrefs_summary_provenance.tsv
- 文件格式：TSV
- 字段映射介绍：按来源分类的交叉引用统计数据
- 元数据文件（xrefs_metadata.json）
- 文件名称：xrefs_metadata.json
- 文件格式：JSON
- 字段映射介绍：包含version（版本）、git_hash（Git哈希）、date（日期）、count（计数）等元数据字段
数据来源
OBO Foundry及其他来源（由PyOBO提取）
适用场景
- 生物信息学跨数据库标识符映射: 实现不同生物信息学数据库（如Uberon、NCIT、CHEBI等）间标识符的交叉引用与整合
- 生物数据标准化研究: 基于标准化的交叉引用格式，统一多源生物数据的标识符体系
- 生物数据库关联分析: 利用交叉引用数据构建生物实体间的关联网络，支持功能注释与通路分析
- 生物信息学工具开发: 为生物信息学软件提供跨源标识符映射的基础数据支持
- 生物数据溯源追踪: 通过provenance字段追溯交叉引用数据的原始来源，确保数据可信度
