Introduction aux Bases de données en Sciences de la Vie et en Santé.

Présentation au sujet: "Introduction aux Bases de données en Sciences de la Vie et en Santé."— Transcription de la présentation:

1 Introduction aux Bases de données en Sciences de la Vie et en Santé.
UE : Conception de bases de données Master1 - BIG Master1 - MTIBH Fouzia Moussouni-Marzolf L ’informatique c’est le traitement de l ’information. Donc depuis ses débuts un des objectifs est de: stocker ces données, de les stocker de manière intelligente, c’est à dire de les organiser au mieux pour pouvoir y appliquer des traitements. Exemple de données : les informations sur le personnel Exemple de traitement le calcul de la paye, la revalorisation de la paye, le calcul de congés, l’embauche, la retraite, la démission etc.. on pourrait repartir du début de l ’informatique et vous parler des cartes perforées, ruban perforées, fichiers séquentiels, séquentiels indexés etc. Il y a eu donc des évolutions dans les moyens et les outils de stockage jusqu ’à ce qu ’on arrive à une situation où il est apparu nécessaire d’organiser les données d ’une façon plus efficace. Surtout d ’éviter la redondance d ’informations, source d ’erreur et décharger le programmeur du soucis de rapprocher les fichiers….

2 L’utilisateur doit écrire un programme souvent complexe !!!
Un peu d’histoire … Limites de l’utilisation des fichiers Quelles sont mes données ? L’utilisateur doit écrire un programme souvent complexe !!! Comment les structurer? ? Comment y accéder ? Comment créer un index ? ? Comment les manipuler ? L ’informatique c’est le traitement de l ’information. Donc depuis ses débuts un des objectifs est de: stocker ces données, de les stocker de manière intelligente, c’est à dire de les organiser au mieux pour pouvoir y appliquer des traitements. Exemple de données : les informations sur le personnel Exemple de traitement le calcul de la paye, la revalorisation de la paye, le calcul de congés, l’embauche, la retraite, la démission etc.. on pourrait repartir du début de l ’informatique et vous parler des cartes perforées, ruban perforées, fichiers séquentiels, séquentiels indexés etc. Il y a eu donc des évolutions dans les moyens et les outils de stockage jusqu ’à ce qu ’on arrive à une situation où il est apparu nécessaire d’organiser les données d ’une façon plus efficace. Surtout d ’éviter la redondance d ’informations, source d ’erreur et décharger le programmeur du soucis de rapprocher les fichiers…. Application : rigide, longue, coûteuse Données : redondantes, peu fiables, ponctuelles

3 BD Les utilisateurs exigent de plus en plus : SGBD Outils
des systèmes globaux des systèmes cohérents de ne pas écrire des programmes complexes (ou plutôt compliqués!) d’avoir des réponses rapides aux questions qu’ils posent avoir des données à jour, ... modifier interroger décrire SGBD Exhaustive non redondante structurée persistante BD Outils

4 Exemple de base de données PPI : interactions protéines protéines
expériences , complexes, protéines, interactions, familles fonctionnelles. Données : Les expériences, liste des interactions révélées, liste des protéines impliquées, les complexes protéiques auxquels elles participent, leurs familles fonctionnelles, … etc. Applications analyse des interactions, annotations fonctionnelles, aide à la compréhension de phénomènes biologiques

5 BD sur les Interactions protéiques
Données (ou objets) : protéines, interactions, complexes Associations entre objets : binaires : une interaction fait intervenir 2 protéines. n-aires : une protéine peut apparaître dans plusieurs interactions. diverses relations pour un même objet La protéine X (SNF1) intervient dans l’interaction Y (avec SNF4) La protéine X participe au complexe Z L ’interaction Y est détectée dans l ’expérience E

6 BD sur les Interactions protéiques
Des Modèles pour représenter ces objets Objet ou Entité ainsi que leurs associations Données (entités) Interagit Protéines 0:n 2:n Complexe Protéique Associations N° Acc Descrip Sequence Fonction Conformation Cardinalité 0:n pour l´entité <Protéines> : exprime qu‘une protéine peut être partenaire dans aucune (0) ou plusieurs complexes

7 On distingue 3 niveaux dans une BD (norme ANSI/SPARC):
Architecture d'un SGBD On distingue 3 niveaux dans une BD (norme ANSI/SPARC): Niveau interne ou physique. Le niveau interne permet de décrire les données telles qu'elles sont stockées dans la machine, en particulier dans les fichiers qui les contiennent (nom, localisation, taille,…). Niveau logique. Le niveau logique permet de décrire, de manière "abstraite" et structurée, la réalité du monde ou de l'application. Niveau externe Au niveau externe, les schémas ou vues décrivent la partie des données présentant un intérêt pour un utilisateur ou un groupe d'utilisateurs.

8 Fonctionnalités du Niveau Physique
Architecture d'un SGBD Fonctionnalités du Niveau Physique Gestion des données sur mémoire secondaire (fichiers). Partage des données et gestion de la concurrence d'accès. Reprise sur pannes (fiabilité). Distribution des données et interopérabilité.

9 Fonctionnalités du Niveau Logique
Architecture d'un SGBD Fonctionnalités du Niveau Logique Définition de la structure de données : Langage de Description de Données (LDD). Consultation et mise à jour des données : Langages de Requêtes (LR) et langage de manipulation de Données (LMD). Gestion de la confidentialité (sécurité). Maintien de l'intégrité.

10 Fonctionnalités du Niveau Externe
Architecture d'un SGBD Fonctionnalités du Niveau Externe Vues ou schémas externes décrivant la partie des données qui présentent un intérêt pour un utilisateur ou un groupe d'utilisateurs. Environnement de programmation (intégration d’un langage de programmation). Interfaces conviviales. Outils d'aides pour la conception de schémas. Outils de saisie, d'impression. Passerelles (réseaux, autres SGBD, ...).

11 Système de Gestion de Bases de Données (langages « quasi naturels »).
Objectifs Transparence SGBD besoins applications questions réponses des fonctions intégrées Indépendance physique et logique. Manipulation des données sans savoir programmer (langages « quasi naturels »). Efficacité des accès aux données. Administration centralisée. Non redondance. Cohérence. Partageabilité. Sécurité. Résistance aux pannes.

12 Comment assurer ces objectifs ?
Les trois niveaux de descriptions définies par la norme ANSI/ SPARC Niveau interne Stockage Niveau conceptuel ou logique Vues . BD

13

14 Exemple de vues Vues d’une base de données <université> :
Vue1 : Planification des cours (nom du cours, nom du professeur, horaires et salles, liste des étudiants). Vue2 : Paye des professeurs (nom, prénom, age, adresse, grade, nombre d'heures, …). Vue3 : Résultats scolaires des étudiants . Remarque : Les données utilisées par une vue peuvent être « dérivées » de la base de données et ne pas être présentes physiquement dans la base. Exemple : l´age est calculé à partir de la date de naissance.

15 La description des données est le résultat
de la conception d’une base de données Choix d’un modèle de données (relationnel, objet, etc.) Un modèle de données est un : outil intellectuel pour comprendre l’organisation logique des données ou de la connaissance. ensemble de concepts et de règles pour construire la réalité avec des types de données Description des données : Schéma Un SGBD est caractérisé par le modèle de description des données qu’il supporte. Les données sont décrites selon ce modèle grâce à un langage de description des données. Manipulation des données Une fois les données décrites structurellement, on peut : les insérer les lire, afficher les modifier les détruire

16 3 Outils de sauvegarde et récupération après panne
Les composants d ’un SGBD « quelque soit le modèle de données qu’il supporte » 1 Outils de description des données (en gros des langages) : - décrire la vision qu’a l ’utilisateur des données - décrire le stockage physique des données. pouvant être classiques aussi 2 Outils de manipulation des données : - interroger, modifier, détruire, croiser les données, de façon optimisée via : - des langages de manipulation des données, SQL, OQL - des extensions de langages classiques JAVA, C++, Python ... 3 Outils de sauvegarde et récupération après panne 4 Outils pour permettre un accès concurrent aux données de façon cohérente. «Chacun de ces composants sera étudié ».

17 1960 Uniquement des systèmes de gestion de fichiers très sophistiqués
Retour sur l’histoire … 1960 Uniquement des systèmes de gestion de fichiers très sophistiqués (Mais aussi compliqués ! et non adpatés ) 1970 Début des systèmes de gestion de bases de données réseaux et hiérarchiques, très proches des systèmes de gestions de fichiers. Inconvénient : on doit savoir la localité (chemin) de l ’information recherchée. Sortie de la théorie des relations et fondements des bases de données relationnelles (Papier de E.F. CODD) A relational model of data for large shared data banks, Communications of the ACM 13(6), , 1970 1980 Apparition sur le marché des systèmes de gestion de bases de données relationnelles - Capacités plus grandes d'adaptation aux évolutions de la gestion 1990 Les systèmes de gestion de bases de données relationnelles dominent le marché Début des systèmes de gestion de bases de données orienté-objets.

18 A parte Base de données Base de données : données organisées, stockées dans des fichiers liés entre eux grâce à un SGBD Il existe plusieurs « styles » de BDD : Hiérarchique Réseau Relationnelle Objet multi dimensionnelle… j ’ai pensé utile de rappeler ce qu ’était une base de données. L ’informatique c’est le traitement de l ’information. Donc depuis ses débuts un des objectifs est de stocker ces données, de les stocker de manière intelligente, c’est à dire de les organiser au mieux pour pouvoir appliquer des traitements sur ces données. Exemple de données : les informations sur le personnel Exemple de traitement le calcul de la paye, la revalorisation de la paye, le calcul de congés. L’embauche, la retraite, la démission etc.. Je pourrai repartir du début de l ’informatique et vous parler des cartes perforées, ruban perforées, fichiers séquentiels, séquentiels indexés etc. Il y a eu donc des évolutions dans les moyens et les outils de stockage jusqu ’à ce qu ’on arrive à une situation où il est apparu nécessaire d’organiser les données d ’une façon plus efficace. Surtout d ’éviter la redondance d ’informations, source d ’erreur et décharger le programmeur du soucis de rapprocher les fichiers….

19 Base de données hiérarchique
Cellule Chromosome Gène Patron Chef Chef Sous-chef Sous-chef Sous-chef Sous-chef Sous-chef Voici un exemple de base de données hiérarchique. Comme son nom l ’indique elle est très adaptée pour représenter une hiérarchie. Mais elle peut permettre aussi de représenter une nomenclature. Et en fait, elle correspond assez bien à de nombreuses situations. C ’est le premier type de BDD à être apparu. Il en existe encore beaucoup de ce type aujourd’hui et qui fonctionnent sans problème.

20 Base de données réseau Patron Patron Chef Chef Sous-chef Sous-chef
La base de donnée hiérarchique ne permet pas de tout représenter. En particulier les enfants qui ont plusieurs pères. La base de données réseau est plus souple.

21 Base de données relationnelle
Une table ? Plusieurs tables ? Genome Chromosome Gene CodeGene NomGene …. CodeGenome NomGénome …. CodeChromosome NumChromosome …. CodeChromosome CodeGénome La base de données relationnelle est apparu plus tard et a eu un succès lié au fait qu ’elle peut être installée sur des micro. Chaque entité est représenté par une table. Les tables sont liées entre elles par des relations. Le SGBD gère ces relations. On déclare au SGBD une relation en donnant une équivalence entre deux champs. Les tables peuvent être déplacées facilement…; SQL: Algèbre relationnelle qui repose sur la théorie des ensembles : union, intersection, From wikipédia : L'algèbre relationnelle Les bases de données relationnelles tiennent leur utilité des caractéristiques suivantes : La base théorique sur laquelle elles reposent, l'algèbre relationnelle, est à la fois relativement simple et éprouvée, ce qui garantit des résultats stables et prédictibles. Le haut niveau d'abstraction qu'offre l'algèbre relationnelle permet de se concentrer sur les propriétés des données, plutôt que la manière d'accéder à celles-ci. Ces deux caractéristiques permettent en outre aux auteurs de SGBD d'offrir des produits fiables. Select NomGene From TableGene Where CodeChromosome = HUM-10 Select Cekejeuveu From LaTableKeJeudi Where LaConditionKimeuplé SQL

22

23 Base de données objet Séquence ARNt ARNm SnARN Personne Chef Patron
Transcris épissé Taille Séquence ARNt Nom : Fonction : ARNm Niveau d’expression condition SnARN Localisation Moléculaire Personne Adresse Salaire Lieu de travail Chef Scooter de fonction Ref patron Patron Primes de responsabilité Voiture de fonction Sous-chef Vélo de fonction Ref chef Les bases de données objet = nouvelle conception Avant on raisonnait données d’un côté, traitements de l ’autre Objet ce sont des caractéristiques (propriété, attribut) et des action qu ’on peut faire sur ces objets Notion d ’héritage de polymorphisme et d ’encapsulation

24 Conception de Base de données relationnelles,
Algèbre relationnelle et langage SQL La conception d’une base de données n’est pas un domaine réservé aux informaticiens ! Bon nombre de logiciels apparaissent tous les mois, mais l ’algèbre relationnelle a été inventée par E.F. CODD en 1970 Preuve… Les logiciels de type SGBDR sont intégrés aux suites bureautiques les plus connues. Ex: ACCESS du pack Office. Cependant … La maîtrise d’un SGBDR est loin d ’être aussi facile à acquérir que celle d ’un logiciel de traitement de texte par ex.

25 LES ETAPES DE CONSTRUCTION
Structurer les données de la base Modèle conceptuel des données VS. tableaux de données Définir précisément les besoins (i.e. pourquoi créer une base de données?) Communication intensive entre les experts du domaine d ’application et le concepteur de la base de données. Description de la Structure de la base de données sous formes de tableaux de données reliées par des données clés.

26 Tables Visualiser la réalité sous forme de tables de données reliées entre elles. A une table est associée ce qu’on appelle une relation. Ex: Génomes (CodeGenome,Espèce,Nb_chromosome) Génomes Espèce Code Genome Nb_chromosomes Chromosomes Code chromosome N°Chrom Taille Code Genome Relation AutresFragments Code chromosome fin Début type Code Fragment Gènes Code gene Code chromosome Séquence ...

27 Modèle conceptuel de traitement Traitement des besoins (enfin! )
LES ETAPES Modèle conceptuel de traitement Traitement des besoins (enfin! ) Connaissance / Expertise Analyse Traitement Les besoins Requêtes Applications

28 Les interfaces utilisateurs ou L ’APPLICATION
LES ETAPES Les interfaces utilisateurs ou L ’APPLICATION Il s’agit de réaliser une application de consultation et de mise à jour de la base de données. A savoir : Un premier principe d’ergonomie à connaître est qu’une application a pour but d’être utilisée par des gens qui ont une certaine connaissance de son contexte. Vous devez donc réaliser votre logiciel en fonction de ces utilisateurs. Les utilisateurs sont supposés avoir une idée du flot de données qui rend votre base cohérente. Ils connaissent les actions à réaliser pour commencer telle ou telle tâche. Un bouton, quelles que soient les aides que vous pourrez y associer, restera un bouton. Ce n’est pas parce que l’interface est graphique que les utilisateurs sauront ce qu’ils ignorent. « Il ne faut pas présenter des données, il faut présenter des informations »

29     = Illustration avec des études de cas
Algèbre Relationnelle et langage SQL Illustration avec des études de cas Conception facile de n’importe quelle requête aussi complexe soit-elle Mise en œuvre à l ’aide de SQL Maîtrise de l’algèbre relationnelle Protéines NIP NOM Fonction … ……… ……….. … ……… ……….. Opérations classiques sur les ensembles : Une relation est représentée par une table     = ensemble de tuples Opérations propres projection, sélection, jointure, division

30 Gestion simplifiée d’un génome
1 n génome chromosome Génome Espèce Code Genome Nb_chromosomes Arabidopsis _thaliana Yeast Drosophile Mouse Human ZebraFish ARB YST DRL MOU HUM ZBF 5 16 44 46 25 Clé primaire Clé étrangère Chromosomes Code chromosome N°Chrom Taille 1 2 3 4 5 6 ... I II III IV V 29.6 19.6 23.3 17.5 230.2 576.8 code genome ARB HUM DRL MOU attributs n-uplets

31 Clé étrangère Gènes Clé primaire Code Génome Code chromosome Séquence
ADN Clé primaire Nom Source Code Gene Clé étrangère 1 2 3 4 HUM MOU DROZ MOU_KO 1 8 IREG1 TRFr DMT1 TNFa

32 Il existe deux grands types de liens
et les règles de gestion du domaine modélisé : interviews, étude des documents manipulés, des fichiers, ... Identification des objets de gestion : Génomes, Gènes,... Un - plusieurs Plusieurs - Plusieurs Chromosomes CodeChromosome Numéro Taille CodeGénome Génomes CodeGenome Nom Espèce nbChromosomes 1 * Gènes CodeGene Nom-locus Source Sequence Codechromosome CodeGenome * 1 CodeFragment Type séquence début fin CodeChromosome CodeGenome Autres Fragments * Voilà le modèle ! Présence de redondance !?

33 Cet opérateur ne porte que sur 1 relation.
Opérations propres à l ’algèbre relationnelle Opération PROJECTION / Exemples Génomes Formalisme : R = PROJECTION (R1, liste des attributs) Une seule relation. Pas de doublons. Espèce NB chromosomes Homo sapiens Mus musculus S.Cerevisiae DROSOPHILE.M CodeGenome Espèce Homo sapiens Mus musculus S.Cerevisiae DROSOPHILE.M Espèce NB chromosomes Homo sapiens 25 Mus musculus 22 S.Cerevisiae 17 DROSOPHILE.M 8 Espèce Homo sapiens Mus musculus S. Cerevisiae Drosophile.M R1 = PROJECTION (Génomes, Espèce) R2 = PROJECTION (Génomes, Espèce, NB chromosomes) Espèce NB chromosomes Homo sapiens 25 Mus musculus 22 S.Cerevisiae 17 DROSOPHILE.M 8 Cet opérateur ne porte que sur 1 relation. Il permet de ne retenir que certains attributs spécifiés d'une relation. On obtient tous les n-uplets de la relation à l'exception des doublons.

34 La clause DISTINCT permet d'éliminer les doublons.
Opération PROJECTION SELECT liste d'attributs FROM table ; SELECT DISTINCT table liste d'attributs FROM Exemples : SELECT DISTINCT Espèce FROM Génome SELECT DISTINCT Espèce, NB chromosomes FROM Génome La clause DISTINCT permet d'éliminer les doublons.

35 Cet opérateur ne porte que sur 1 relation.
Opération SELECTION / Exemple : Génome Formalisme : R = SELECTION (R1, condition) Cet opérateur ne porte que sur 1 relation. Espèce NB chromosomes Homo sapiens Mus musculus S.Cerevisiae DROSOPHILE.M CodeGenome R3 = SELECTION(Génome, Nb chromosomes pair) Il permet de ne retenir que les n- uplets répondant à une condition. Espèce NB chromosomes Mus musculus DROSOPHILE.M CodeGenome

36 Quels sont les gènes qui participent au codage de la même protéine PROD (albumine par exemple) ?
Séquence ADN Produit gène ? Code Gene Nom Source Code chromosome taille 1 2 3 4 IREG1 TRFr DMT1 TNFa 1 8 Prod Prod

37 Opération SELECTION en SQL
SELECT * FROM table WHERE condition ; Exemple : SELECT * FROM Génome WHERE NBChromosomes % 2 = 0 La condition de sélection exprimée derrière la clause WHERE peut être spécifiée à l'aide : des opérateurs de comparaison : =, >, <, <=, >=, <> des opérateurs logiques : AND, OR, NOT des opérateurs : IN, BETWEEN, LIKE Autres exemples : Soit la table Gène ( CodeGene, nom, source, sequence, taille, CodeChromosome, produit) SELECT * FROM Gène WHERE taille IN (2000, 2500, 2575, 2600, 3000) SELECT * FROM Gène WHERE taille BETWEEN 2000 AND 3000 SELECT * FROM Gène WHERE produit LIKE '%albumine%' sous Access : LIKE     "*albumine*"

38 Projection sur Espèce sans doublons
Quels sont les espèces pour lesquels il existe des chromosomes à plus de bases Opération JOINTURE Formalisme : R = JOINTURE (R1, R2, condition d'égalité entre attributs) Chromosomes Génomes 1 4 2 Code chromosome N°Chrom Taille > 3 5 II III IV I V 310000 350000 400000 350405 CodeGenome Espèce NB chromosomes Homo sapiens 25 Mus musculus 22 S.Cerevisiae 17 DROSOPHILE.M 8 CodeGenome 1 2 3 4 Cet opérateur porte sur 2 relations ayant au moins un attribut défini dans le même domaine R = JOINTURE (Genome,Chromosome, Genome.CodeGenome=Chromosome.CodeGenome) Les n-uplets sont formés par la concaténation des n-uplets des relations d'origine qui vérifient la condition de jointure. 1 4 2 Code chromosome N°Chrom Taille 3 5 II III IV I V 310000 350000 400000 350405 576800 CodeGenome Espèce NB chromosomes Homo sapiens 25 DROSOPHILE.M 8 Mus Musculus 22 Homo sapiens DROSOPHILE.M Mus Musculus Espèce Projection sur Espèce sans doublons

39 Opération JOINTURE en SQL
En SQL, il est possible d'enchaîner plusieurs jointures dans la même instruction SELECT : SELECT * FROM table1, table2, table3, ... WHERE table1.attribut1=table2.attribut1 AND table2.attribut2=table3.attribut2 AND ...; Exemple : Ou en utilisant des alias pour les noms des tables : SELECT Espece FROM Genome A, Chromosome B WHERE A.CodeGenome =B.CodeGenome and B.taille >= ;

40 Select * from Genome,Chromosome where Genome.nom like ‘ Drosophile.M’
Quels sont les chromosomes : (numéro, taille, …) du génome de la Drosophile ? Question 2 Code Genome Code Chromosome 3 5 1 2 N° Chromosome II V VI . . . Chromosomes Génomes Code Génome 3 5 Souris Fluo! Drosophile.M Nom génome . . . Jointure Sélection ‘ Drosophile.M ’ Génomes Code Génome 5 Drosophile.M Nom génome . . . Code Genome Code Chromosome 5 2 3 N° Chromosome V VI . . . Nom génome Drosophile.M Select * from Genome,Chromosome where Genome.nom like ‘ Drosophile.M’ and Chromosomes.CodeGenome = Genomes.CodeGenome Requête SQL

41 Quels sont les génomes pour lesquels le gène X1 est présent ?
Question 3 jointure1 jointure2 Gènes Code Chromosome X1 . 10 18 Nom du gène Code Genome Code Chromosome 5 3 10 18 N° Chromosome II V . . . Chromosomes Génomes Code Génome 3 5 Souris Fluo! Drosophile.M Nom génome . . . Select genome.nom from Genome, Chromosome, Gene where Gene.nom like ‘ X1 ’ and Genes.CodeChromosome = Chromosomes.CodeChromosome and Chromosomes.CodeGenome = Genomes.CodeGenome Première jointure Deuxième jointure

42 Exercice d'application n°1
Soit le modèle relationnel suivant relatif à une base de données sur des représentations musicales : REPRESENTATION (n°représentation, titre_représentation, lieu) MUSICIEN (nom, n°représentation*) PROGRAMMER (date, n°représentation*, tarif) Remarque : les clés primaires sont soulignées et les clés étrangères sont marquées par * Questions : 1 - Donner la liste des titres des représentations. 2 - Donner la liste des titres des représentations ayant lieu à l'opéra Bastille. 3 - Donner la liste des noms des musiciens et des titres des représentations auxquelles ils participent. 4 - Donner la liste des titres des représentations, les lieux et les tarifs pour la journée du 14/09/96.

43 Correction de l'exercice d'application n°1
(faire un graphique) 1 - Donner la liste des titres des représentations. R = PROJECTION(REPRESENTATION, titre_représentation) 2 - Donner la liste des titres des représentations ayant lieu à l'opéra Bastille. R1 = SELECTION(REPRESENTATION, lieu="Opéra Bastille") R2 = PROJECTION(R1, titre_représentation) 3 - Donner la liste des noms des musiciens et des titres des représentations auxquelles ils participent. R1 = JOINTURE(MUSICIEN, REPRESENTATION, Musicien.n°représentation=Représentation.n°représentation) R2 = PROJECTION(R1, nom, titre_représentation) 4 - Donner la liste des titres des représentations, les lieux et les tarifs pour la journée du 14/09/96. R1 = SELECTION(PROGRAMMER, date=14/09/96) R2 = JOINTURE(R1, REPRESENTATION, R1.n°représentation=Représentation.n°représentation) R3 = PROJECTION(R2, titre_représentation, lieu, tarif)

44 Correction de l'exercice d'application n°1
En SQL 1 - Donner la liste des titres des représentations. SELECT titre_représentation FROM REPRESENTATION; 2 - Donner la liste des titres des représentations ayant lieu à l'opéra Bastille. SELECT titre_représentation FROM REPRESENTATION WHERE lieu="Opéra Bastille" ; 3 - Donner la liste des noms des musiciens et des titres des représentations auxquelles ils participent. SELECT nom, titre_représentation FROM MUSICIEN, REPRESENTATION WHERE MUSICIEN.n°représentation = REPRESENTATION.n°représentation ; 4 - Donner la liste des titres des représentations, les lieux et les tarifs pour la journée du 14/09/ SELECT titre_représentation, lieu, tarif FROM REPRESENTATION, PROGRAMMER WHERE PROGRAMMER.n°représentation=REPRESENTATION.n°représentation AND date='14/06/96' ;

45 Opération DIVISION Formalisme : R = DIVISION (R1, R2)
Un Exemple hors Bio Qui a participe à toutes les épreuves ? PARTICIPER EPREUVE DIVISION (PARTICIPER, EPREUVE) Athlète Epreuve Epreuve Athlète Dupont 200 m m Dupont Durand 400 m m Dupont 400 m m H Martin 110 m H Dupont 110 m H Martin 200 m La concaténation donnant un n-uplet du dividende Tous les attributs du diviseur doivent être des attributs du dividende. Quels sont les gènes du génome Y qui sont présents dans tous les chromosomes ? … à vos idées! ... "L'athlète Dupont participe à toutes les épreuves" Le dividende doit avoir au moins une colonne de plus que le diviseur

46 Le dividende doit avoir au moins une colonne de plus que le diviseur
Opération DIVISION Le dividende doit avoir au moins une colonne de plus que le diviseur dividende Formalisme : R = DIVISION (R1, R2) Quels sont les gènes qui sont présents dans tous les chromosomes du génome de la Drosophile.M Tous les gènes du génome y X1 x2 1 10 18 Nom du gène Code Chromosome Tous_les_Gènes_de_5 diviseur Code Genome Code Chromosome 5 1 10 18 N° Chromosome II V VI . . . Tous les Chromosomes du génome Y Tous_les_Chromosomes_de_5 X1 Nom du gène La division La concaténation donnant un n-uplet du dividende

47 Attention ! Il n'existe pas en SQL d'équivalent direct à la division.
Opération DIVISION Attention ! Il n'existe pas en SQL d'équivalent direct à la division. Cependant il est toujours possible de trouver une autre solution, notamment par l'intermédiaire des opérations de calcul et de regroupement. Dans l'exemple présenté, on souhaite trouver les athlètes qui participent à toutes les épreuves. En algèbre relationnelle une autre solution que la division pourrait être : N=CALCULER(EPREUVE, Comptage()) R1=REGROUPER_ET_CALCULER(PARTICIPER, Athlète, Nb:Comptage()) R2=SELECTION(R1, Nb=N) R3=PROJECTION(R2, Athlète) N=CALCULER(Tous_les_chromosomes_de_y, Comptage()) R1=REGROUPER_ET_CALCULER(Tous_les_gènes_de_y, NomDuGène, Nb:Comptage()) R2=SELECTION(R1, Nb=N) R3=PROJECTION(R2, NomDuGène) et en SQL : SELECT NomDuGène,Count(*) FROM Tous_les_gènes_de_y GROUP BY NomDuGène HAVING COUNT(*) = N et en SQL : SELECT Athlète, Count(*) FROM PARTICIPER GROUP BY Athlète HAVING COUNT(*) = N ;

48 R1=CALCULER(Gènes, Somme(taille))
Opération CALCULER R = CALCULER (R0, fonction1, fonction2, ...) ou N = CALCULER (R0, fonction) On désire obtenir la taille totale des zones codantes Gènes Code chromosome IREG1 TRFr DMT1 TNFa 1 8 Nom Source Séquence ADN Code Gene 2 3 4 Produit gène ? Prod1 Prod2 taille 20000 30000 45000 3000 En SQL SELECT fonction1(attribut1), fonction2(attribut2), FROM table; R1=CALCULER(Gènes, Somme(taille)) Somme(taille) 98000 SELECT SUM(taille) FROM Gènes;

49 On désire obtenir le total de la zone codante par chromosome
Opération REGROUPER_ET_CALCULER R=REGROUPER_ET_CALCULER(R0, att1, att2, ..., fonction1, fonction2, ...) On désire obtenir le total de la zone codante par chromosome Le regroupement s'effectue sur un sous ensemble des attributs de la relation R0. Gènes Code chromosome IREG1 TRFr DMT1 TNFa 1 8 Nom Source Séquence ADN Code Gene 2 3 4 Produit gène ? Prod1 Prod2 taille 20000 30000 45000 3000 Sum (taille) R2=REGROUPER_ET_CALCULER (Gènes,CodeChromosome, codante : Somme(taille)) Code chromosome codante La relation résultat comportera autant de lignes que de groupes de n-uplets, les fonctions s'appliquant à chacun des groupes séparément.

50 EN SQL Select codeChromosome, SUM(taille) as codante from Genes Group by CodeChromosome

51

52 Union Intersection Différence Produit Les opérations ensemblistes !!
A U B Intersection A n B A - B Différence !! A x B !!! Produit

53 Formalisme : R = UNION (R1, R2)
Opération UNION On désire obtenir l'ensemble des enseignants élus au CA ou représentants syndicaux. Formalisme : R = UNION (R1, R2) E1 : Enseignants élus au CA E2 : Enseignants représentants syndicaux n° enseignant nom_enseignant n°enseignant nom_enseignant 1 DUPONT DUPONT 3 DURAND MARTIN 4 MARTIN MICHEL 5 BERTRAND n°enseignant nom_enseignant 1 DUPONT 3 DURAND 4 MARTIN 5 BERTRAND 6 MICHEL R1=UNION (E1, E2) Les deux relations doivent avoir le même nombre d'attributs définis dans le même domaine. On parle de relations ayant le même schéma. La relation résultat possède les attributs des relations d'origine et les n-uplets de chacune, avec élimination des doublons éventuels.

54 Sélection Cycle ou lipide
Revenons à la génomique : Exemple 1 Quels sont les gènes qui sont connus d’être impliqués dans le métabolisme du fer OU dans le cycle cellulaire ? Gènes Clé chromosome X1 . 1 8 Nom du gène Métabolisme Description Fonctionnelle .blablabla Iron blabla .blabla cell cycle blabla Sélection Fer  Sélection Cycle ou lipide

55 Opération UNION en langage SQL
SELECT liste d'attributs FROM table1 UNION SELECT liste d'attributs FROM table 2 ; Exemple : SELECT NomGène FROM Gènes Where Description_Fonctionnelle like «%iron homéostasie%» UNION SELECT NomGène FROM Gènes Where Description_Fonctionnelle like «%cell cycle%» Exemple : SELECT n°enseignant, NomEnseignant FROM E1 UNION SELECT n°enseignant, NomEnseignant FROM E2

56 Formalisme : R=INTERSECT (R1, R2)
Opération Intersection On désire obtenir l'ensemble des enseignants du CA qui sont représentants syndicaux. Formalisme : R=INTERSECT (R1, R2) E1 : Enseignants élus au CA E2 : Enseignants représentants syndicaux n° enseignant nom_enseignant n°enseignant nom_enseignant 1 DUPONT DUPONT 3 DURAND MARTIN 4 MARTIN MICHEL 5 BERTRAND R1=INTERSECT (E1, E2) n°enseignant nom_enseignant 1 DUPONT 4 MARTIN Cet opérateur porte sur deux relations de même schéma. La relation résultat possède les attributs des relations d'origine et les n-uplets communs à chacune.

57  FER! Cycle cellulaire! Exemple Génomique
Quels sont les gènes qui sont connus d ’être impliqués dans le métabolisme du fer ET dans le cycle cellulaire ? Autres façons d’organiser les gènes : catégoriser les gènes par métabolisme et créer une table pour chaque métabolisme ? FER! Cycle cellulaire! CodeGène Produit/rôle CodeGène Produit/rôle ...  CodeGène Produit/rôle 1 . 4 .

58 Opération INTERSECTION
SELECT attribut1, attribut2, ... FROM table1 INTERSECT SELECT attribut1, attribut2, ... FROM table2 ; OU SELECT attribut1, attribut2, ... FROM table1 WHERE attribut1 IN (SELECT attribut1 FROM table2) ; Exemple : SELECT CodeGène, Produit FROM FER INTERSECT SELECT CodeGène, Produit FROM Cycle ; Exemple : SELECT n°enseignant, NomEnseignant FROM E1 INTERSECT SELECT n°enseignant, NomEnseignant FROM E2 ; ou SELECT CodeGène, Produit FROM FER WHERE CodeGène IN (SELECT CodeGène FROM Cycle) ; ou SELECT n°enseignant, NomEnseignant FROM E1 WHERE n°enseignant IN (SELECT n°enseignant FROM E2) ;

59 Formalisme : R=DIFFERENCE (R1, R2)
Opération Différence On désire obtenir l'ensemble des enseignants du CA qui ne sont pas représentants syndicaux. Formalisme : R=DIFFERENCE (R1, R2) E1 : Enseignants élus au CA E2 : Enseignants représentants syndicaux n° enseignant nom_enseignant n°enseignant nom_enseignant 1 DUPONT DUPONT 3 DURAND MARTIN 4 MARTIN MICHEL 5 BERTRAND Cet opérateur porte sur deux relations de même schéma. La relation résultat possède les attributs des relations d'origine et les n-uplets de la première relation qui n'appartiennent pas à la deuxième. Attention ! DIFFERENCE (R1, R2) ne donne pas le même résultat que DIFFERENCE (R2, R1) R1=DIFFERENCE (E1, E2) n°enseignant nom_enseignant 3 DURAND 5 BERTRAND

60  Revenons aux bases de données génomiques : FER! Cycle cellulaire!
Exemple 1 Quels sont les gènes qui sont connus d ’être impliqués dans le métabolisme du fer mais pas dans le cycle cellulaire ? FER! Cycle cellulaire! CodeGène Produit/rôle CodeGène Produit/rôle ...  CodeGène Produit/rôle 3 . 5 .

61 SELECT attribut1, attribut2, ... FROM table1
Opération DIFFERENCE SELECT attribut1, attribut2, ... FROM table1 EXCEPT SELECT attribut1, attribut2, ... FROM table2 ; ou SELECT attribut1, attribut2, ... FROM table1 WHERE attribut1 NOT IN (SELECT attribut1 FROM table2) ; Exemple : SELECT CodeGène, Produit FROM FER EXCEPT SELECT CodeGène, Produit FROM Cycle ; Exemple : SELECT n°enseignant, NomEnseignant FROM E1 EXCEPT SELECT n°enseignant, NomEnseignant FROM E2 ; ou SELECT n°enseignant, NomEnseignant FROM E1 WHERE n°enseignant NOT IN (SELECT n°enseignant FROM E2) ; ou SELECT CodeGène, Produit FROM FER WHERE CodeGène NOT IN (SELECT CodeGène FROM Cycle) ;

62 Sélection Cycle ou lipide
Base de données génomique : Quels sont les gènes impliqués dans le métabolisme du fer ou dans le cycle cellulaire ? Quels sont les gènes impliqués à la fois dans le métabolisme du fer, et dans le cycle cellulaire (ou des lipides) ? Quels sont ceux qui sont cycle cellulaire mais pas fer (pour l’instant !) ? Gènes Clé chromosome X1 . 5-II Nom du gène Métabolisme_ familleFonctionnelle_... .blablabla Iron blabla .blabla cell cycle blabla Sélection Fer    Sélection Cycle ou lipide

63 Formalisme : R = PRODUIT (R1, R2)
Opération PRODUIT CARTESIEN Formalisme : R = PRODUIT (R1, R2) Etudiants Epreuves n°étudiant nom libellé épreuve coefficient 101 DUPONT Informatique 2 102 MARTIN Mathématiques 3 Gestion financière 5 Examen = PRODUIT (Etudiants, Epreuves) n°étudiant nom libellé épreuve coefficient 101 DUPONT Informatique 2 101 DUPONT Mathématiques 3 101 DUPONT Gestion financière 5 102 MARTIN Informatique 2 102 MARTIN Mathématiques 3 102 MARTIN Gestion financière 5

64 Opération PRODUIT CARTESIEN
SELECT * FROM table1, table2 ; Exemple : SELECT * FROM Etudiants, Epreuves ; Facile ! Mais attention à son utilisation. Ce n ’est pas une JOINTURE, ni une UNION ! Exemple d’utilisation - sémantiquement : Expression de chaque gène dans tous les organes Expression = Gene X Organe (+ colonne de mesure d ’expression)

65 au moins un attribut commun
Principe d'écriture d'une requête Les interrogations portant sur une base sont réalisées en enchaînant plusieurs requêtes successives sélection critère 1 projection {atti} jointure au moins un attribut commun projection {attj} sélection Critère 2

66 Exemple1 Soient les deux tables (ou relations) suivantes :
* Soient les deux tables (ou relations) suivantes : CLIENT COMMANDE CodeClient N°Commande NomClient, Date AdrClient, CodeClient* TélClient On désire obtenir le code et le nom des clients ayant commandé le 10/06/97 ??? Remarque : les clés primaires sont soulignées et les clés étrangères sont marquées par *

67 On désire obtenir le code et le nom des clients ayant commandé le 10/06/97 ???
COMMANDE N°Commande Date CodeClient* INPUT sélection Date = 10/06/97 R2 N°Commande Date CodeClient NomClient adrClient TélClient R1 N°Commande Date CodeClient* jointure CodeClient = CLIENT CodeClient NomClient, adrClient, TélClient CodeClient NomClient projection R3 CodeClient NomClient OUTPUT

68 Exemple Soient les deux tables (ou relations) suivantes : Chromosomes
CodeGenome Gènes CodeChromosome, CodeChromosome Taille, Nom_Numéro Position Métabolisme ... On désire obtenir tous les gènes impliqués dans le métabolisme des lipides de l ’espèce E, et qui sont compris entre la position n1 et n2 du chromosome II 1 * Remarque : les clés primaires sont soulignées et les clés étrangères sont marquées par *

69 R1 INPUT R2 Espèce = « E » Gènes jointure sélection Chromosome
Le chromosome II du génome de l ’espèce E CodeGénome Nb_chromosome Taille Espèce Génome R1 CodeGénome Espèce INPUT jointure R2 CodeGenome CodeChromosome Espèce Taille, etc Espèce = « E » sélection CodeGénome = CodeGénome et Nom_Numéro = « II » jointure Chromosome CodeGenome CodeChromosome Taille, Nom_Numéro, ... Les gènes du chromosome II du génome de l ’espèce E Gènes CodeChromosome CodeGene Nom Métabolisme Position Taille R3 CodeChromosome Espèce, taille, Nom, métabolisme etc... Etc etc Selection (lipides) puis projection CodeChromosome = CodeChromosome

70 Principe d'écriture d'une requête
Une même instruction SELECT (SQL) permet de combiner Sélections, Projections, Jointures. Exemple : SELECT DISTINCT CLIENT.CodeClient, NomClient FROM CLIENT, COMMANDE WHERE CLIENT.CodeClient=COMMANDE.CodeClient AND Date='10/06/97'; Remarque importante Si l'on ne précisait pas CLIENT.CodeClient au niveau du SELECT, la commande SQL ne pourrait pas s'exécuter. En effet il y aurait ambiguïté sur le CodeClient à projeter : celui de la table CLIENT ou celui de la table COMMANDE ?

71 Compléments : Opération TRI
Foprmalisme : R = TRI(R0, att1À, att2Å, ...) Espèce Catégorie Conditionnement Rosé des prés Conserve Bocal Rosé des prés Sec Verrine Coulemelle Frais Boîte Rosé des prés Sec Sachet plastique Champignons R1 = TRI (CHAMPIGNONS, EspèceÅ, CatégorieÀ, ConditionnementÀ) Le tri s'effectue sur un ou plusieurs attributs, dans l'ordre croissant ou décroissant. La relation résultat a la même structure et le même contenu que la relation de départ. Espèce Catégorie Conditionnement Rosé des prés Conserve Bocal Rosé des prés Sec Sacher plastique Rosé des prés Sec Verrine Coulemelle Frais Boîte

72 En langage SQL SELECT attribut1, attribut2, attribut3, FROM table ORDER BY attribut1 ASC, attribut2 DESC, ... ; ASC : par ordre croissant (Ascending) DESC : par ordre décroissant (Descending) Exemple : SELECT Espèce, Catégorie, Conditionnement FROM Champignons ORDER BY Espèce DESC, Catégorie ASC, Conditionnement ASC ; Remarque : par défaut le tri se fait par ordre croissant si l'on ne précise pas ASC ou DESC.

73 Attributs calculés et renommés
Atributs calculés R=PROJECTION(R0, att1, att2, att3, att4, att1*att2, att3/att2) Un attribut calculé est un attribut dont les valeurs sont obtenues par des opérations arithmétiques portant sur des attributs de la même relation. Le calcul est spécifié lors d'une projection ou lors de l'utilisation d'une fonction. Attributs renommés R=PROJECTION(R0, att1, att2, att3, att4, newatt1:att1*att2, newatt2:att3/att2) Il est possible de renommer n'importe quel attribut en le faisant précéder de son nouveau nom suivi de ":".

74 Exemple LIGNE_COMMANDE N°BonCommande CodeProduit Quantité PuHt
R=PROJECTION(LIGNE_CO MMANDE,N°BonCommande, CodeProduit,Montant:Quanti té*PuHt) R N°BonCommande CodeProduit Montant A B A A B

75 Les Fonctions ensemblistes
Ces fonctions sont utilisées dans les opérateurs : calculer regrouper-et-calculer. Les fonctions de calcul portent sur un ou plusieurs groupes de n-uplets et évidemment sur un attribut de type numérique. Somme(attribut) : total des valeurs d'un attribut Moyenne(attribut) : moyenne des valeurs d'un attribut Minimum(attribut) : plus petite valeur d'un attribut Maximum(attribut) : plus grande valeur d'un attribut

76 Les Fonctions ensemblistes
La fonction de comptage : Comptage() La fonction de comptage donne le nombre de n-uplets d'un ou de plusieurs groupes de n-uplets. Il n'est donc pas nécessaire de préciser d'attribut.

77 Les Fonctions ensemblistes : en SQL
Les fonctions de calcul SUM (attribut) : total des valeurs d'un attribut AVG (attribut) : moyenne des valeurs d'un attribut MIN (attribut) : plus petite valeur d'un attribut MAX (attribut) : plus grande valeur d'un attribut La fonction de comptage COUNT(*) : nombre de n-uplets COUNT(DISTINCT attribut) : nombre de valeurs différentes de l'attribut

78 SQL : Syntaxe simplifiée de l'instruction SELECT
SELECT [ * | DISTINCT] att1 [, att2, att3, ...] FROM Table1 [, Table2, Table3, ...] [WHERE conditions de sélection [et/ou de jointure]] [GROUP BY att1 [, att2, ...] [HAVING conditions de sélection sur les groupes de GROUP BY]] [ORDER BY att1 [ASC | DESC] [, att2 [ASC | DESC], ...] ; [ ] : optionnel | : ou

79 SQL est un langage de Manipulation de données relationnelles
LMD-R Assertionnel - complet Logique des prédicats d ’ordre 1 Spécifier sans dire comment y accéder Opérations : Recherche de tuples vérifiant certains critères Insertion de tuples Suppression de tuples vérifiant certains critères Modification de tuples vérifiant certains critères Ce langage n’est pas utilisable à lui seul, il doit aussi pouvoir être incorporable dans un langage de programmation classique.

80 Le langage SQL est un langage normalisé. C’est à la fois :
un langage d'interrogation de données (LID) : SELECT; un langage de manipulation de données (LMD) : UPDATE, INSERT, DELETE; un langage de définition des données (LDD) : ALTER, CREATE, DROP; un langage de contrôle des données et des utilisateurs (LCD) : GRANT, REVOKE.

81 Exercice d'application n°2
Soit le modèle relationnel suivant relatif à la gestion des notes annuelles d'une promotion d'étudiants : Etudiant Matière 1 * Evaluer ETUDIANT(N°Etudiant, Nom, Prénom) MATIERE(CodeMat, LibelléMat, CoeffMat) EVALUER(N°Etudiant*, CodeMat*, Date, Note) Remarque : les clés primaires sont soulignées et les clés étrangères sont marquées par * Questions : 1 - Quel est le nombre total d'étudiants ? 2 - Quelles sont, parmi l'ensemble des notes, la note la plus haute et la note la plus basse ? 3 - Quelles sont les moyennes de chaque étudiant dans chacune des matières ? 4 - Quelles sont les moyennes par matière ? 5 - Quelle est la moyenne générale de chaque étudiant ? 6 - Quelle est la moyenne générale de la promotion ? 7 - Quels sont les étudiants qui ont une moyenne générale supérieure ou égale à la moyenne générale de la promotion ?

82 Correction de l'exercice d'application n°2
1 - Quel est le nombre total d'étudiants ? N=CALCULER(ETUDIANT, Comptage()) 2 - Quelles sont, parmi l'ensemble des notes, la note la plus haute et la note la plus basse ? R=CALCULER(EVALUER, Minimum(Note), Maximum(Note)) 3 - Quelles sont les moyennes de chaque étudiant dans chacune des matières ? R1=REGROUPER_ET_CALCULER(EVALUER, N°Etudiant, CodeMat, MoyEtuMat : Moyenne(Note)) R2=JOINTURE(R1, MATIERE, MATIERE.CodeMat=R1.CodeMat) R3=JOINTURE(R2, ETUDIANT, ETUDIANT.N°Etudiant=R2.N°Etudiant) MOYETUMAT=PROJECTION(R3, N°Etudiant, Nom, Prénom, LibelléMat, CoeffMat, MoyEtuMat) (faire un graphique)

83 4 - Quelles sont les moyennes par matière
4 - Quelles sont les moyennes par matière ? Idem question 3 puis : R4=REGROUPER_ET_CALCULER(MOYETUMAT, LibelléMat, Moyenne(MoyEtuMat)) Quelle est la moyenne générale de chaque étudiant ? Idem question 3 puis : MGETU=REGROUPER_ET_CALCULER(MOYETUMAT, N°Etudiant, Nom, Prénom, MgEtu : Somme(MoyEtuMat*CoeffMat)/Somme(CoeffMat)) Quelle est la moyenne générale de la promotion ? Idem question 5 puis : MG=CALCULER(MGETU, Moyenne(MgEtu)) 7 - Quels sont les étudiants qui ont une moyenne générale supérieure ou égale à la moyenne générale de la promotion ? idem question 5 et 6 puis : R=SELECTION(MGETU, MgEtu>=MG)

84 Correction de l'exercice d'application n°2
1 - Quel est le nombre total d'étudiants ? SELECT COUNT(*) FROM ETUDIANT ; 2 - Quelles sont, parmi l'ensemble des notes, la note la plus haute et la note la plus basse ? SELECT MIN(Note), MAX(Note) FROM EVALUER ; 3 - Quelles sont les moyennes de chaque étudiant dans chacune des matières ? CREATE VIEW MOYETUMAT AS SELECT ETUDIANT.N°Etudiant, Nom, Prénom, LibelléMat, CoeffMat, AVG(Note) AS MoyEtuMat En SQL FROM EVALUER, MATIERE, ETUDIANT WHERE EVALUER.CodeMat = MATIERE.CodeMat AND EVALUER.N°Etudiant = ETUDIANT.N°Etudiant GROUP BY ETUDIANT.N°Etudiant, Nom, Prénom, LibelléMat, CoeffMat;

85 Remarque : la commande CREATE VIEW va permettre de réutiliser le résultat de la requête (notamment aux deux questions suivantes) comme s'il s'agissait d'une nouvelle table (bien qu'elle soit régénérée dynamiquement lors de son utilisation). Sous Access, il ne faut pas utiliser la commande CREATE VIEW mais seulement enregistrer la requête. Il est alors possible de s'en resservir comme une table. 4 - Quelles sont les moyennes par matière ? Avec la vue MOYETUMAT de la question 3 : 5 - Quelle est la moyenne générale de chaque étudiant ? Avec la vue MOYETUMAT de la question 3 : CREATE VIEW MGETU AS SELECT N°Etudiant, Nom, Prénom, SUM(MoyEtuMat*CoeffMat)/SUM(CoeffMat) AS MgEtu FROM MOYETUMAT GROUP BY N°Etudiant, Nom, Prénom ; SELECT LibelléMat, AVG(MoyEtuMat) FROM MOYETUMAT GROUP BY LibelléMat ;

86 6 - Quelle est la moyenne générale de la promotion ?
Avec la vue MGETU de la question 5 : SELECT AVG(MgEtu) FROM MGETU ; 7 - Quels sont les étudiants qui ont une moyenne générale supérieure ou égale à la moyenne générale de la promotion ? Avec la vue MGETU de la question 5 : SELECT N°Etudiant, Nom, Prénom, MgEtu FROM MGETU WHERE MgEtu >= (SELECT AVG(MgEtu) FROM MGETU) ;

87 Du monde Réel au SGBD SGBD SYSTEMES D’INFORMATIONS Monde Réel
Modèle Conceptuel Modèle Logique Modèle Physique SGBD

88 Modélisation Conceptuelle
Objectif essentiel de la modélisation Conceptuelle  Définir les informations pertinentes pour les applications envisagées en mettant l'accent sur : 1. La structure (l'organisation) de ces informations. 2. Le haut niveau d'abstraction : un schéma conceptuel doit être indépendant de tout choix d'implémentation. En pratique, le modèle conceptuel le plus utilisé est le modèle Entité-Association, initialement proposé en 1976.

89 Le modèle Entité-Association
Il se construit par : - Perception (entités? Associations?) - Classification (mêmes entités? Mêmes associations?) - Description (quelles caractéristiques? quels attributs?) - Abstraction (quels types? quelles classes?)

90 Le modèle Entité-Association
Entité : Représentation d'un objet concret présent dans la réalité du monde et présentant un intérêt pour la compréhension de cette réalité (phase d’abstraction). Une entité existe en tant que telle, a une identité propre, c'est-à-dire qu'elle peut être décrite et manipulée sans qu'il soit nécessaire de connaître les autres entités de ce réel. Exemple : une personne, une voiture, une salle, ...

91 Le modèle Entité-Association
Attribut : Propriété ou caractéristique d'une entité. C'est une information élémentaire dont la décomposition ne présente aucun intérêt pour l'application. Exemple : nom, prénom, date de naissance, ... Identifiant ou Clé : Attribut (ou ensemble d'attributs) permettant d'identifier de manière unique les occurrences de l'entité. Exemple : (nom, prénom). Souvent, on crée un identifiant abstrait (un numéro par exemple).

92 Le modèle Entité-Association
Lien sémantique entre deux (ou plusieurs) entités. Une association n'existe que par rapport aux entités qu'elles relient. Une association n'est pas autonome, contrairement à une entité. Cardinalité d'une association : Couple de valeurs [m,n] (avec m < n), traduisant les nombres minimum et maximum d'occurrences d'associations auxquelles peut participer une occurrence d'entité. Une occurrence d'association est définie par une occurrence de chacune des entités participantes.

93 Modèle Entité-Association
Entités est-partenaire Protéines 0.n 2.n Complexe Protéique N° Acc Descrip Sequence Fonction Conformation Associations Cardinalité 0.n pour l´entité Protéines exprime qu‘une protéine peut être partenaire dans 0 ou plusieurs complexes protéiques

94 Entités Cardinalités Professeur Identifiant donne Association
Cours Professeur Identifiant # id nom vol hor filière # nom prenom adresse grade 1.n 0.n donne Association Attributs Cardinalité 1.n pour l´entité Professeur exprime qu‘un professeur donne (1) cours ou plusieurs (n) cours. Cardinalité 0.n pour l ’entité Cours exprime : un cours est donné par aucun (0) ou plusieurs professeurs.

95 Le modèle Entité association

96 Modèle de Données Définition : Un modèle de données est un ensemble de concepts et de règles de composition de ces concepts permettant de décrire les données.

97 Modèle Relationnel Le modèle de données proposé dans le modèle relationnel consiste à percevoir l'ensemble des données comme des tables (Relations). Nom de la relation Attribut Génome Code Genome Espèce Nb_chromosomes Arabidopsis _thaliana Yeast Drosophile Mouse Human ZebraFish ARB YST DRL MOU HUM ZBF 5 16 44 46 25 tuple n-uplet

98 Modèle Relationnel : Définitions
Un domaine est un ensemble de valeurs. Exemple : L'ensemble des entiers N. L'ensemble des booléens {0,1}. L'ensemble des couleurs {jaune, vert, gris, ...}. Un attribut prend ses valeurs dans un domaine. Plusieurs attributs peuvent appartenir à un même domaine. Un n-uplet (ou tuple) est une liste de n valeurs (v1, …,vn) où chaque valeur vi est la valeur d'un attribut Ai de domaine Di (vi  Di).

99 Modèle Relationnel : Définitions
Le Produit cartésien D1  ...  Dn entre des domaines D1, … , Dn est l'ensemble de tous les n-uplets possibles (v1, ... vn) où vi  Di Une Relation définie sur les attributs A1, ..., An est un sous-ensemble du produit cartésien D1  ...  Dn où D1,..., Dn sont les domaines respectifs de A1, ..., An. R est un ensemble de n-uplets. Une relation R est représentée sous forme d'une table. L'ordre des colonnes ou des lignes n'a pas d'importance. Les colonnes sont distinguées par les noms d'attributs et chaque ligne représente un élément de l'ensemble R (un n-uplet). Un attribut peut apparaître dans plusieurs relations.

100 Modèle Relationnel : Définitions
Le schéma d'une relation R est défini par le nom de la relation et la liste des attributs, avec pour chaque attribut son domaine. Notation : R(A1:D1, … , An:Dn) ou plus simplement : R(A1, … , An) Exemple : COURS(Id: char(10), Nom:char(20), VolHor:num, Filiere:char(30)) ou COURS(Id, Nom, VolHor, Filiere) L'arité d'une relation R est le nombre de ses attributs (nombre de colonnes). Par exemple, la relation COURS est d'arité 4.

101 Modèle Relationnel : Définitions
Une Base de Données Relationnelle est un ensemble de relations. Le schéma logique d'une Base de Données Relationnelle est l'ensemble des schémas de ses relations.

102 Conception et Définition d'un Schéma Relationnel
La première étape de la construction d'une base de données est la définition du schéma logique de la base. Pour une « bonne » définition du schéma logique, il est nécessaire de concevoir au préalable un schéma conceptuel décrivant de manière structurée et formalisée les informations de l'application pour laquelle on veut construire la base de données. Des règles sont définies pour le passage d'un schéma conceptuel (conçu selon un modèle conceptuel choisi : Entité-Association, Merise, OMT, UML²...) vers un schéma logique (dans le modèle de données choisi : relationnel, objets, …)

103 Règles de passage du modèle Entité-Association au modèle Relationnel
Chaque entité devient une relation (ou table). Chaque attribut de l'entité devient un attribut de la relation, y compris l'identifiant. Les attributs issus de l'identifiant constituent la clé de la relation. Remarque : Pour les distinguer des autres attributs, on les souligne dans le schéma de la relation. Exemple : PROFESSEUR(nom, Prenom, Adresse, Grade) COURS(Id, Nom, VolHor, Filiere)

104 Règles de passage du modèle Entité-Association au modèle Relationnel
Soit une association entre deux entités A et B. Chacune des entités A et B devient une relation, respectivement RA et RB. Puis, si ... Association x.1/x.n : L'identifiant de B devient attribut supplémentaire de RA. Ce sera une clé étrangère. Association x.n/y.n : On crée une relation RAB pour l'association. La clé de RAB est la concaténation des clés des relations RA et RB. Les attributs de l'association deviennent des attributs de RAB. RA RB asso 1.1 1.n Entries Espèce Clé espèce RA RB asso 1.n ac Entries Références coderef ref_num

105 Règles de passage du modèle Entité-Association au modèle Relationnel
Seance (Id,Id,Id,tarif)

106 Modèle Relationnel : Opérations
Modifications Insertion : Insérer un n-uplet dans une relation. Destruction : Détruire un n-uplet dans une relation. Modification : Modifier une ou plusieurs valeurs d'un attribut dans une relation.

107 Modèle Relationnel : Opérations
Interrogations Rq : Le résultat de l'interrogation d'une ou de plusieurs relations est une nouvelle relation. Cinq opérations de base pour exprimer toutes les requêtes : Opérations unaires : sélection, projection. Opérations binaires : union, différence, produit cartésien. Autres opérations qui s'expriment en fonction des 5 autres fonctions de base : jointure, intersection, division.

108 Petit exercice - modèle relationnel
On souhaite créer une base de données concernant une entreprise. Une première étude a mis en évidence trois relations. Pour chacune des relations, la clé est soulignée. EMPLOYE (NumEmp, Nom, Prénom, Adresse, Téléphone, Qualification) SERVICE (NomService, Responsable, Téléphone) PROJET (NomProjet, DateDeb, DateFin, NumEmp) En considérant les possibilités offertes par ce schéma, répondre aux questions suivantes en justifiant vos réponses par rapport au modèle relationnel et par rapport à la sémantique intuitive des relations : Question 1 : Un employé peut il avoir plusieurs qualifications ? Question 2 : Un employé peut il faire plusieurs projets en même temps ? Question 3 : Une personne peut elle être responsable de plusieurs services ? Question 4 : Un service peut il avoir plusieurs responsables ? TD de modélisation

109 Sur le contrôle de la cohérence lors d’une
interrogation ou d’un accès concurrent Instant t0 : Select attribut X FROM TABLE WHERE condition User 1 Instant t1 : Update attribut X FROM TABLE User 2 t0 X = a commit X = a t1 X := b commit X = b

110 Cohérence lors de plusieurs
interrogations ou MAJ Si l ’utilisateur ne veut pas que l’on modifie la table pendant une session de travail il peut la verrouiller en mode partagé : LOCK TABLE nom_table IN SHARE MODE NOWAIT NOWAIT spécifie que le process qui demande le verrou n ’est pas mis en attente si celui-ci n ’est pas disponible. Pour s ’assurer l ’accès exclusif en modification à une table, on peut verrouiller cette table en mode EXCLUSIF : LOCK TABLE nom_table IN EXCLUSIVE MODE NOWAIT La table n ’est accessible aux autres utilisateurs qu’en lecture et ne peuvent plus la verrouiller ni en mode exclusif, ni en mode mise à jour partagé ni en mode partagé jusqu ’à la fin de la transaction.

111 L'emploi de verrous implique que certaines transactions soient mises en attente quand elles ne peuvent pas obtenir un verrou. Pour que cette attente ne soit pas infinie, on utilise souvent une file d'attente FIFO, ce qui assure que toute transaction passera à son tour, sauf s'il y a un interblocage (ou DEADLOCK) des transactions qui s'attendent mutuellement. Exemple d'interblocage : temps Transaction A Transaction B t1 XFIND E1 t2 XFIND E2 t3 XFIND E2 t4 XFIND E1 La transaction A est mise en attente au temps t3 et B au temps t4. Les deux transactions s'attendent mutuellement.

112 Deux cas de figures de rupture de cohérence
contrainte d’intégrité : A = B A et B sont les objets de la base de données M.A.J à partir d’une valeur périmée A est un objet de la base de données A = 3 ; B = 3 ; T1 1 : a : = A; 2: b := A; 3: b := b+1; 4: A := b; 5: a := 2*a; 6: A := a; T2 T1 1 : A := A*2; 2: A := A+1; 3: B := B+1; 4: B := B*2; T2 A=6 A=7 B=4 B=8 valeur de A déjà périmée A=7 ; B=8 Avec une telle exécution, les données ne sont pas mises à jour correctement, Ce qui rend A ‡ B Une exécution séquentielle de T1 puis T2, sauvegarde la cohérence Incohérence survenue lorsqu’une transaction T1 exécute un calcul ou une MAJ à partir d’une valeur périmée de données, modifiée par une autre transaction

113 Dans tout SGBD on trouve un composant chargé du contrôle de l ’accès concurrent aux données.
Il doit être tel que chaque utilisateur obtienne des données cohérentes en cas de mises à jour simultanées de la base.

114 Droits d’accès aux tables
La protection des objets d’une BD est décentralisée : c’est le créateur d’un objet qui possède tous les droits de lecture, de modif, de suppression, … Les autres utilisateurs n ’ont aucun droit d ’accès à cet objet à moins que le créateur ne les leur accorde explicitement par une commande GRANT GRANT privilège ON (nom_table/nom_vue) to nom_utilisateur Les privilèges pouvant être accordés : SELECT INSERT UPDATE(col,…) DELETE ALTER ALL Un utilisateur ayant reçu un privilège avec GRANT peut le transmettre à son tour. Exemple : GRANT SELECT ON emp TO douglas GRANT SELECT,UPDATE ON emp TO PUBLIC

115 Bases de données avancées
En dépit de sa simplicité et de son élégance, le modèle relationnel n’apporte pas une réponse satisfaisante à tous les problèmes des applications, tel que : Prendre en compte les objets de structure complexe ainsi que les opérations qui leurs sont associées (BD Orienté Objet) Les Objets (dans les SGBDO) ont : une identité propre : une adresse en mémoire de la machine des attributs : comme couleur ou taille un état : comme vert ou 50 un comportement : comme dessiner ou changer-couleur

116 Illustration sur quelques modèles objet …
Notion d’héritage Illustration sur quelques modèles objet … Une classe est une représentation de Type Abstrait de Données, une description générique d’objets de même type. Un objet est une instance d’une classe. Les variables peuvent être à leur tour des classes ou variables statiques, ou instance de variables

117 Modèle orienté objet pour un gène
GENE 1 * est composé compose FRAGMENT PROMOTOR TERMINATOR TRANSCRIBED FRAGMENT NON TRANSCRIBED/ REGULATOR is a mRNA SPLICED TRANSCRIPT * ORF 1 INTRON COMPONENT (EXON) is a PRIMARY POLYPEPTIDE compose est composé snRNA tRNA rRNA PROTEIN

118 Classes et sous-classes
Gene 3 descriptions Protein-gene RNA-gene

119 Modèle de données : échantillons de cellules d ’une expérience transcriptome : MGED 1999 (hedeilberg)

120 Essais de standardisation
Diverses technologies pour la conception de bases de données DBMS Orienté-objet DBMS relationnel DBMS hybride Essais de standardisation ASN.1,XML ...

121 Pourquoi utiliser la technologie ORIENTE-OBJET (OO) ?
Puissance d ’expression de données complexes (nos données bio en question!) Réutilisation : données et codes - modularité Requête concise et intuitive sur les objets Une navigation facile de données complexes Identifiant unique d’un objet Pourquoi ne pas utiliser la technologie OO ? Relationnel DBMS simple, Relationnel DBMS mature, Tout le monde a un Relationnel DBMS ! Standardisation SQL3

122 Autres bases de données avancées
Prendre en compte des données peu structurées : sons, texte, images, vidéo (BD multi-média) Faire le pont avec l ’intelligence artificielle : permettre l’inférence de faits (nouvelles données) à partir des données de la base (BD déductives) – comme DATALOG

123 Entrepôt de BDs, insertion et réutilisation flexible
Propriétés pertinentes Une exigence de haute performance données énormes, données complexes ... analyse complexe : la réalisation d’une seule tâche nécessite une intégration d’une large gamme d ’objets complexes et hétérogènes … intégration des données d’intérêt à partir de sources externes en vue de construire un environnement intégré pour réaliser des analyses plus pointues (localement!).

124 accès à la base de données
Navigation entre objets requêtes déclaratives ou complexes analyses pointues de données INTERFACE accès à la base de données Entrepôt Biologique CHARGEUR / SOURCES

125 Données expérimentales
Un cas de figure … Outils Sources génomique Intégration Données cliniques Possible ? Analyse Entrepôt biologique Micro Array Macro Array SAGE ... Données expérimentales Hypothèses ? D’autres investigations ? Expériences ?

126 Source : Jef Wijsen

127

128

129

130

131 en M2 ! avec le Web Sémantique et les ontologies de domaine.
NON ! en M2 ! avec le Web Sémantique et les ontologies de domaine.