前面两篇博文，介绍了数据的来源及把数据导入MySQL数据库的方法，对并涉及的基因表和文献表进行了简单的介绍。当然，如果只想简单的查下数据库里的基因或者文献。这两个表也可以用EXCEL打开，只是查询和分析没那么方便罢了。用MySQL不是那么容易入手，但入门了以后，会发现这个会比EXCEL方便得多。这东西我现在也只是会点皮毛，但就是这点皮毛，也让我感到的确是有用。所以,分享一本关于MySQL的电子书（http://yunpan.cn/cgqBFH6SgJjug （提取码：403e））。我这里的数据库是在LINUX系统下运行的，如果是windows下的MySQL,有的东西可能需要自己研究解决。比如把文献表中，日文字符干掉的方法。

      重新回到基因表（genelist_14922）.这个表的字段如下：

trait_gene_id,这个前面说过，和文献数据库中的Oryzabase_ref_Id一致，也就是说，知道了基因的trait_gene_id,就能根据这个号，在文献数据库中把相应的文献找到。在基因表中，这个号是没有重复的，而且每个基因都有一个对应的号.但基因符号（symbol）,是有重复的。可以看下下面的例子:

SELECT symbol, COUNT( trait_gene_id ) 
FROM `genelist_14922` 
GROUP BY symbol
ORDER BY COUNT( trait_gene_id ) 

部分结果：

symbol	count(trait_gene_id)
OsCAO, (cao-1, cao-2, cao-3, cao-4, cao-5)	5
rpl2	5
rrn5	5
Gaijin	5
25S rRNA	7
R2R3-MYB	28

 比如：Gaijin有5个不同的trait_gene_id

SELECT trait_gene_id, symbol, name_en, chromosome_no
FROM `genelist_14922` 
WHERE symbol = "Gaijin"

难怪，这是一个转座子，所以分布在不同的染色体上。

chromosome_no,染色体号。这个就不用多解释了。染色体上已知基因的分布（姑且把一个trait_gene_id当成一个基因）

SELECT chromosome_no, COUNT( trait_gene_id ) FROM `genelist_14922` GROUP BY chromosome_no
ORDER BY chromosome_no

chromosome_no	count(trait_gene_id)
	1705
1	1550
10	632
11	664
12	580
2	1155
3	1298
4	1042
5	863
6	987
7	783
8	719
9	611
Mt	179
Pt	191

RAP_id,以Os开头的水稻基因编号，这个是根据水稻基因组序列，通过序列注释的方法产生的基因，所以这个字段如果有内容意味着基因的序列已知。一般情况克隆了的基因都会有个相应的RAP_id.但如果反过说，那就不对了。还有一种水稻基因的编号是以LOC开头的，这两者之间可以相互转化，比如在这里：http://rapdblegacy.dna.affrc.go.jp/tools/converter

有文献报道的RAP_id有多少，及其染色体分布如何？

SELECT chromosome_no, COUNT( DISTINCT RAP_id ) FROM `genelist_14922` , reflist_14922
WHERE LEFT( RAP_id, 2 ) = "Os" AND trait_gene_id = Oryzabase_ID GROUP BY chromosome_no

总数为7369

报道RAP_id数量,前10名的期刊：

SELECT journal, COUNT( DISTINCT RAP_id ) FROM `genelist_14922` , reflist_14922
WHERE LEFT( RAP_id, 2 ) = "Os" AND trait_gene_id = Oryzabase_ID GROUP BY journal
ORDER BY COUNT( DISTINCT RAP_id )