河南省郑州市第七中学高二（9）班 450000
摘 要：生物医学是生物学与医学的交叉学科，综合了两个学科的理论技术。伴随着科技的发展，生物医学的实验设计转变为以大数据为基础的信息科学。本文对生物医学中大数据的产生、整理及统计进行了研究，探讨其研究现状与前景。
关键词：生物医学 大数据 前景
一、概述
生物医学是生物学领域与医学范畴的交叉学科，综合各个学科的理论技术，是信息学、影像学、基因学和材料科学共同发挥作用的产物。伴随科技的发展，生物医学的实验设计转变为以大数据为基础的信息科学。这种信息科学摆脱了以往的以假设设计实验的思路，应用大量的实验数据进行统计分析，发现问题和规律，直接提出具有可信度的结论观点。数据的数量越多，则研究结果越可信，使得之前的研究未解决的难题得以解开。生物医学实验应用大数据的研究方向如下：以高通量测序为基础的基因组学研究、转录组学研究与蛋白组学的研究，以单细胞为基础的基因型与表型的研究，联系健康的微生物群落学及生物医学的图像学研究。
本文对生物医学中大数据的产生、整理及统计进行了研究，探讨其研究现状与前景。未来是大数据的时代，是关于生物医学的大数据的方向。目前，生物医学的大数据所使用的程序软件与设备硬件的水平不高，关于生物医学的大数据的储备和统计处理的技术不完善，在一定程度上抑制了生物医学的大数据的发展。但是如果上述的问题被解决了，则可能全方位、多角度地为生物医学的大数据奠定建设的基石，加速生物医学的大数据的发展，促进生物医学的状况分析及结果预报，更好地为遗传病的防治领域、公共卫生的监控领域和医药的开发领域服务。
期刊文章分类查询,尽在期刊图书馆
二、生物医学大数据的特征
2008年，Howe发表文章指出了大数据研究在自然与社会科学中的作用。2014年，“Big biological impacts frombig data”一文提出生物学的研究也进入了大数据时代。大数据的主要特征是数量大、高维、处理迅速且准确和数据的源头多样化。单样本的人类基因测序有一百G的数据，而一次试验能产生几百至几万的样本。可见，对于大数据的发展可能出现数据分析的难题，需要从大量的数据中分析规律。由于生命系统组分和功能的复杂性，生物医学的数据搜集难度大，费用高，生物医学的大量数据需创建其相关的数学模型，并对处理的结果进行临床验证试验。生物医学与大数据是相辅相成的，要提升其在生物医学的基础研究和临床应用中的效率。
三、生物医学大数据的应用
生物医学实验统计的大数据是与临床医学关系密切的各个基因组学和单细胞的数据。生物学和信息学的相辅相成使得生物医学的数据库日益扩大。目前已经建成并具备一定规模的数据库有GenBank、EBI和DDBJ。初步建立的数据库有Uni-Prot和MG-RAST等。21世纪是基因组测序的年代。2008年，关于亚洲人的基因组学的文章问世，使得疾病的预测研究工作进入了基因时代。凭借基因表达的调控，许多疾病可能被攻克。而个人的基因图谱的检测费用变得更加便宜，使其推广成为可能。2012年，Snyder根据测序与血液检查，通过跟踪生理指标，分析总结疾病的风险，提出了iPOP，使体格检查与疾病的预防治疗更加个性化、系统化与准确化。未来需要解决的问题是确定大样本与大数据的搜集标准，以及合理利用与分析的方法。
人体中的微生物的群落地点有皮肤、口、胃、肠和血，严重影响着生理康复和营养健康。2008年创立的人类微生物的基因组学项目是为了分析微生物对人类健康的影响。2015年发现，孕妇肠道的微生物会产生自适应改变的现象，其虽然能提供充足的营养供给，但是会造成孕妇体重增加的不良后果。目前，肠道的微生物测序结果有多于三百万种的未研究的基因，患有糖尿病的病人的肠道微生物种类较低。未来关于宏基因组的大数据将增加，需要进一步研究的问题有数据储存分析的方法，以及生物医学大数据在环境状况监测与疾病防治的应用。
四、结语
与大数据实验方法相结合的生物医学能促进健康与疾病课题的宽度和广度。高科技的现代化仪器设备的问世，将推动生物医学领域的大数据的产生。先进优异的软件与硬件的配备，促进了分析能力的提高，有利于大数据中潜在的规律的发现。今后，关于生物医学领域中的大数据的搜集、储存与分析的新型方法的研究，将成为研究的重点之一；而生物医学领域中大数据的深入探寻与总体趋势的分析及预测，将成为研究的主要方向，有助于在遗传领域、公共卫生领域及医药领域的价值研究。
参考文献
[1]Engel G L The need for a new medical model: A challenge for biomedicine.Science,1977,196:129-136。
[2]Collins F S Mansoura M K The human genome project.Cancer, 2001,91:221-225。
[3]LI Y Chen L Big biological impacts from big data.Science, 2014,12:187-189。
[4]Snyder M iPOP and its role in participatory medicine.Genome Med,2014,6:6。
论文作者:宋诗淳
论文发表刊物:《教育学》2016年7月总第102期
论文发表时间:2016/8/8
标签：数据论文; 生物医学论文; 领域论文; 微生物论文; 基因论文; 生物学论文; 疾病论文; 《教育学》2016年7月总第102期论文;