药学大数据的挖掘与分析.pptxVIP

药学大数据的挖掘与分析汇报人：药学信息学课题组

目录药学大数据概述药学大数据挖掘方法药学大数据分析典型应用挑战与展药学大数据概述01

药学大数据的概念与特征VVolume体量性VVariety多样性VVelocity高速性VValue价值密度低体量性（Volume）基因组学、蛋白质组学等组学数据呈指数增长，单次高通量筛选可产生百万级化合物数据多样性（Variety）涵盖结构化数据（临床指标、药代参数）、半结构化数据（电子病历）与非结构化数据（文献、影像）高速性（Velocity）实时监测数据、不良反应上报数据要求即时处理与响应价值密度低（Value）海量数据中有效信号稀疏，需依赖挖掘算法提取高价值信息

药学大数据的主要来源研发阶段数据高通量筛选（HTS）化合物活性数据组学数据（基因组、转录组、蛋白组、代谢组）分子对接与动力学模拟数据药物发现早期临床与上市后数据核心临床试验数据（I-IV期）电子病历与真实世界数据（RWD）药物不良反应自发报告系统数据（如FAERS）数据价值最高的阶段文献与知识库数据生物医学文献（PubMed、CNKI等）药物知识库（DrugBank、ChEMBL、PubChem）知识支撑层

药学大数据的技术架构→→→→1数据层?多源异构数据采集?清洗与标准化(ETL)?统一标识与本体映射2存储与计算层?分布式存储(HDFS)?云计算平台