Я использую две таблицы, которые описывают одни и те же концепции, но используют разные формулировки в записях, так что во многих случаях существует идеальное взаимно однозначное соответствие.
Можно ли выполнить соединение, используя список слов, которые соответствуют друг другу, но не равны? Например, одна организация использует слово protein, тогда как NCBI называет эти функции CDS. NCBI также ссылается на базы данных перекрестных ссылок по неидентичному тексту, UniProtKB - это их имя, но NCBI использует UniProtKB/Swiss_Prot.
Table: `gene_ontology`
database entry type go_id
---------- ---------- ---------- ----------
UniProtKB P0A776 gene GO:0016818
UniProtKB P37351 gene GO:0004751
UniProtKB P14375 protein GO:0006351
Table: `NCBI_xref`
database entry type locus_tag
-------------------- ------------ ---------- ------------
UniProtKB/Swiss_Prot P14375 CDS b4004
NCBI ABUW_RS19635 gene ABUW_RS19635
NCBI WP_000271233 CDS ABUW_RS19635
Я бы хотел внутреннее соединение, но очевидно, что есть проблемы с нестандартным неймингом. Нижняя строка в gene_ontology должна совпадать с верхней строкой из NCBI_xref. Это связано с тем, что database и type соответствуют, а entry идентичны.
Должна быть возможность сгенерировать список синонимов между ними, но я бы предпочел не изменять или продублируйте данные.