李會萍，張文娟

（1.廣東省實驗動物監(jiān)測所，廣東廣州 510663；2.廣東省實驗動物重點實驗室，廣東廣州 510663；3.廣東外語外貿(mào)大學(xué)信息科學(xué)與技術(shù)學(xué)院/網(wǎng)絡(luò)空間安全學(xué)院，廣東廣州 510006）

根據(jù)周光興等［1］前言和夏咸柱等［2］的研究定義，人類疾病動物模型（animal model of human disease）是指生物醫(yī)學(xué)領(lǐng)域中建立的具有人類疾病模擬表現(xiàn)的動物實驗對象和相關(guān)材料，是國家重要的科技戰(zhàn)略資源。截至2017 年，全世界已建立有價值的人類疾病動物模型超過5 000 種，其中我國建有近2 000種［3］。隨著生命科學(xué)、現(xiàn)代醫(yī)學(xué)突飛猛進的發(fā)展，科學(xué)家們已經(jīng)建立了大量的人類疾病動物模型，將這些動物模型的疾病特征、發(fā)病機理與人類相關(guān)疾病之間進行全面評價和比較研究，廣泛應(yīng)用于人類疾病的預(yù)防、診斷和治療，人類疾病動物模型的重要性和實用性日益突顯［1］4。由于人類疾病動物模型研究結(jié)果主要發(fā)表在各類學(xué)術(shù)雜志、專著以及分散在各研究機構(gòu)建立的人類疾病動物模型資源數(shù)據(jù)庫中，整理和挖掘這些極有價值的人類疾病動物模型資源及數(shù)據(jù)成為實驗動物行業(yè)的迫切需求。

1 國內(nèi)外人類疾病動物模型資源現(xiàn)狀

從國外來看，美國國立研究資源中心（NCRR）已建立了突變小鼠資源庫、斑馬魚模型數(shù)據(jù)庫；美國國立癌癥研究所建立了人類疾病動物模型庫（小鼠癌癥模型）；根據(jù)美國弗雷德里克國家癌癥研究實驗室［4-5］官網(wǎng)信息介紹，歐洲小鼠突變資源網(wǎng)是歐洲最全面的突變系小鼠模型資源庫，其共享范圍遍布全球。從國內(nèi)來看，中國醫(yī)學(xué)院醫(yī)學(xué)實驗動物研究所在2020 年建立了人類疾病動物模型資源庫，目前主要收錄、保存了國內(nèi)研究機構(gòu)的部分動物模型資源［6］；黃紅坤等［7］提出了以自發(fā)性、誘發(fā)性和基因工程的分類框架構(gòu)建人類疾病動物模型數(shù)據(jù)庫；丘文峰等［8］、鄧少嫦等［9］提出可伸縮的人類疾病動物模型檢索技術(shù)，并利用該技術(shù)構(gòu)建了腫瘤疾病動物模型文獻分類檢索平臺。

目前，國內(nèi)外人類疾病動物模型數(shù)據(jù)庫均存在一定的局限性，僅限于某一類型的疾病模型較全，比如小鼠或斑馬魚等模型資源庫，尚未有一個能夠涵蓋所有人類疾病動物模型資源的數(shù)據(jù)庫，也未有統(tǒng)一的資源查詢路徑或渠道。人類疾病動物模型資源的共享與合作有利于增進動物模型資源的分享、利用和保存，避免資源的重復(fù)建設(shè)，對促進科技工作者對人類疾病動物模型資源的充分利用有積極意義［10］。為此，筆者所在團隊建立了一種以人類疾病動物模型資源的數(shù)據(jù)分類與編碼方法為基礎(chǔ)，通過語義對多源異構(gòu)的人類疾病動物模型資源數(shù)據(jù)進行整合、提取和挖掘，探索人類疾病動物模型資源共享平臺（以下簡稱“資源共享平臺”）的設(shè)計思路和技術(shù)方法。資源共享平臺建設(shè)的目標(biāo)在于整合和挖掘國內(nèi)外人類疾病動物模型資源數(shù)據(jù)，解決相關(guān)資源數(shù)據(jù)分散、資源共享嚴重不足的問題；同時，為用戶免費提供人類疾病動物模型資源的“一站式”檢索和交流服務(wù)，促進國內(nèi)外相關(guān)資源的社會化共享和資源的最大化利用。

2 人類疾病動物模型資源特點與分類

2.1 資源特點

人類疾病動物模型的基本性質(zhì)具有可重復(fù)性、技術(shù)性、效用性和穩(wěn)定性等特點［11］?？茖W(xué)家們研發(fā)或制備人類疾病動物模型通常采用多種復(fù)制方法，某種系統(tǒng)疾病，比如心肌炎疾病動物模型由不同的研發(fā)者造模而成，其使用的動物種屬、造模方法等也不盡相同，同一類疾病動物模型的表現(xiàn)有一定共性同時也存在差異性，導(dǎo)致疾病表現(xiàn)、藥物作用等病理機制多種多樣［12］。因此，科學(xué)合理地收集和保存不同種類的人類疾病動物模型資源及其數(shù)據(jù)是一項非常復(fù)雜的工程。

2.2 資源分類

根據(jù)周光興等［1］4的研究，動物模型按造模方式可分為自發(fā)性、誘發(fā)性、基因工程三大類；按系統(tǒng)疾病可分為心血管系統(tǒng)、消化系統(tǒng)、呼吸系統(tǒng)、泌尿系統(tǒng)、生殖系統(tǒng)等十六大類疾病模型；按動物種屬分為小鼠、大鼠、犬、小型豬、非人靈長類等物種造模的疾病模型。為使科研工作者更高效、快捷檢索疾病模型資源，本研究以系統(tǒng)疾病為主分類，以動物種屬、造模方法為次分類，通過以上3 個維度的分類結(jié)構(gòu)定義語義數(shù)據(jù)描述規(guī)范，并設(shè)計相應(yīng)數(shù)據(jù)庫（見圖1）。

圖1 人類疾病動物模型資源分類

2.3 資源數(shù)據(jù)

人類疾病動物模型資源的數(shù)據(jù)化表達是對模型資源本質(zhì)特征的客觀描述及其身份驗證的過程，因此將產(chǎn)生海量的模型資源數(shù)據(jù)描述項。在資源共享平臺構(gòu)建過程中，需要充分考慮這些數(shù)據(jù)項采集、保存、管理的規(guī)范化和標(biāo)準(zhǔn)化，才能有效實現(xiàn)相關(guān)資源數(shù)據(jù)的挖掘和整合。本研究以人類疾病動物模型資源的核心元數(shù)據(jù)為采集單元實現(xiàn)數(shù)據(jù)的集成，為用戶高效、智能檢索相關(guān)資源數(shù)據(jù)提供幫助。

2.4 數(shù)據(jù)來源

本研究通過多種渠道整合人類疾病動物模型資源數(shù)據(jù)，包括收集由動物模型資源研究機構(gòu)自行上報的數(shù)據(jù)，以及從國內(nèi)外有關(guān)動物模型實驗研究文獻、動物模型類專著、各研究機構(gòu)動物模型數(shù)據(jù)庫中進行數(shù)據(jù)收錄、整理，挖掘出有價值的資源數(shù)據(jù)。相關(guān)資源數(shù)據(jù)主要來源于PubMed、Web of Science、中國知網(wǎng)、萬方數(shù)據(jù)庫、中國科技期刊數(shù)據(jù)庫等，以及周光興等［1］的《人類疾病動物模型復(fù)制方法學(xué)》等專著。

3 資源共享平臺開發(fā)關(guān)鍵技術(shù)與工具

為實現(xiàn)人類疾病動物模型資源的全面整合以及資源數(shù)據(jù)的最大化共享，本研究對資源共享平臺的架構(gòu)設(shè)計、開發(fā)模式、工具選型、開發(fā)關(guān)鍵技術(shù)、數(shù)據(jù)挖掘技術(shù)、服務(wù)器運行環(huán)境等進行全面分析，提出平臺的總體技術(shù)開發(fā)方案如下：采用瀏覽器與服務(wù)器（B/S）結(jié)構(gòu)、超文本預(yù)處理（PHP）程序語言、數(shù)據(jù)分類編碼方法、元數(shù)據(jù)映射技術(shù)，參考富宇等［13］提出的RDF 語義數(shù)據(jù)描述標(biāo)準(zhǔn)，以及MySQL 數(shù)據(jù)庫和相關(guān)輔助工具進行開發(fā)，平臺用戶群體工作界面以Web 瀏覽器訪問，形成統(tǒng)一的人類疾病動物模型資源查詢和管理窗口，實現(xiàn)社會化、網(wǎng)絡(luò)化的人類疾病動物模型資源數(shù)據(jù)的共享服務(wù)。

3.1 資源共享平臺的架構(gòu)

3.1.1 B/S 結(jié)構(gòu)

資源共享平臺開發(fā)采用當(dāng)前主流的B/S 結(jié)構(gòu)，這種結(jié)構(gòu)的優(yōu)勢在于用戶只需通過Web 瀏覽器訪問，無需安裝客戶端軟件，因此，無論用戶群體規(guī)模多大都不會增加客戶端維護的人力成本，所有開發(fā)程序、運行環(huán)境只需要在服務(wù)器升級維護即可；同時，不同用戶不受時空、地域限制訪問和使用資源共享平臺，解決了資源數(shù)據(jù)一致性、統(tǒng)一管理以及平臺維護工作繁瑣等問題。

3.1.2 PHP 開發(fā)語言

PHP 是一種通用開源腳本語言，主要適用于Windows 系統(tǒng)和Web 開發(fā)領(lǐng)域。與其他編程語言相比，PHP 架構(gòu)獨立，可移植且是動態(tài)的腳本語言，其將程序嵌入到HTML 中執(zhí)行，使得程序編譯可加密、優(yōu)化代碼運行，運行速度更快。根據(jù)李會萍等［14］的研究可以預(yù)見，資源共享平臺構(gòu)建采用PHP 開發(fā)語言，當(dāng)收錄動物模型資源數(shù)據(jù)量龐大時，PHP 語言能夠拓寬鏈接節(jié)點，連通各種來源數(shù)據(jù)庫將數(shù)據(jù)分類儲存，緩解數(shù)據(jù)存儲的壓力，極大地提高資源共享平臺運行效率。

3.1.3 數(shù)據(jù)庫和服務(wù)器運行環(huán)境

資源共享平臺運行服務(wù)器主要以HP ProLiant 服務(wù)器和Web 服務(wù)器為主，能支持Tomcat 服務(wù)器，方便應(yīng)用程序的移植操作。鑒于MySQL 仍然是目前應(yīng)用在B/S 開發(fā)結(jié)構(gòu)模式下最主流的數(shù)據(jù)庫開發(fā)工具，能保障數(shù)據(jù)的分布式處理、數(shù)據(jù)保存的穩(wěn)定性、安全性和持久性，根據(jù)人類疾病動物模型資源共享平臺對數(shù)據(jù)整合、挖掘和共享的目標(biāo)，選擇MySQL 數(shù)據(jù)庫工具有利于滿足平臺各項定制功能。

3.2 資源共享平臺開發(fā)的關(guān)鍵技術(shù)

3.2.1 數(shù)據(jù)分類編碼方法

分類編碼是資源共享平臺核心元數(shù)據(jù)、語義數(shù)據(jù)描述規(guī)范、數(shù)據(jù)整合及挖掘的重要前提。參考我國國家標(biāo)準(zhǔn)《GB/T 32843—2016 科技資源標(biāo)識》、周光興等［1］的《人類疾病動物模型復(fù)制方法學(xué)》以及曹一化等［15］的研究，以層次結(jié)構(gòu)法對人類疾病動物模型資源的數(shù)據(jù)進行分類和編碼。具體來說，采用CSTR09 代表“中國科技資源中的實驗材料”標(biāo)志碼；以字母A 代表系統(tǒng)疾病類型、B 代表動物種屬類型、C 代表造模方法類型、D 代表增加屬性類型，再分別細分為中類、小類別和屬性值，以數(shù)字碼和數(shù)字動態(tài)遞增方式生成順序碼，最終構(gòu)成人類疾病動物模型資源的數(shù)據(jù)分類與編碼。以心血管系統(tǒng)疾病的分類編碼為例，如表1 所示。

表1 人類心血管系統(tǒng)疾病動物模型資源分類編碼結(jié)構(gòu)

3.2.2 元數(shù)據(jù)映射技術(shù)

人類疾病動物模型資源的核心元數(shù)據(jù)包括資源本身的基本信息，是對資源的具體描述，具體包含資源唯一標(biāo)志碼、資源中英文名稱、數(shù)據(jù)詞典關(guān)鍵字等，對數(shù)據(jù)的收錄、管理、保存、傳輸和交換共享發(fā)揮著重要的作用［16］。資源共享平臺中的數(shù)據(jù)來源于多源異構(gòu)數(shù)據(jù)庫，各自語義和數(shù)據(jù)標(biāo)準(zhǔn)都不一致，需要把這些數(shù)據(jù)轉(zhuǎn)換成可獨立處理的結(jié)構(gòu)化、標(biāo)準(zhǔn)化數(shù)據(jù)，因此參考萬長林等［17］的研究，引入可擴展標(biāo)記語言（extensible markup language,XML）的元數(shù)據(jù)映射技術(shù)，通過多源異構(gòu)數(shù)據(jù)集成方法將數(shù)據(jù)與程序之間分離，消除非結(jié)構(gòu)化語義沖突，實現(xiàn)平臺下的所有數(shù)據(jù)無縫銜接（見圖2），而資源共享平臺使用者無需了解數(shù)據(jù)的挖掘規(guī)則即可直接通過快速檢索到所需的動物模型資源數(shù)據(jù)。

圖2 人類疾病動物模型資源共享平臺的元數(shù)據(jù)映射與數(shù)據(jù)交換流程

3.2.3 語義數(shù)據(jù)描述規(guī)范

資源共享平臺在進行數(shù)據(jù)共享前首先要考慮數(shù)據(jù)項的描述規(guī)范。參考萬長林［17］等的研究，應(yīng)用資源描述框架（resource description framework,RDF）對數(shù)據(jù)項進行處理。RDF 是一種描述互聯(lián)網(wǎng)元數(shù)據(jù)的語言，采用XML 標(biāo)準(zhǔn)語法描述資源對象，使得所描述的資源的元數(shù)據(jù)信息成為計算機可理解的信息，因此RDF 可以作為一種標(biāo)準(zhǔn)化的元數(shù)據(jù)語義描述規(guī)范。以該描述規(guī)范為基礎(chǔ)建立人類疾病動物模型資源的數(shù)據(jù)詞典并形成語義樹，尋找數(shù)據(jù)間的關(guān)聯(lián)性，間接地定位數(shù)據(jù)項間的語義關(guān)系，并利用語義相似度算法進行數(shù)據(jù)間的相似性、一致性檢索，為平臺的數(shù)據(jù)整合、數(shù)據(jù)挖掘和共享提供重要的技術(shù)支撐。

4 資源共享平臺架構(gòu)與功能

4.1 總體架構(gòu)

資源共享平臺總體架構(gòu)設(shè)計（見圖3）遵循全面性、可擴展性、開放性、穩(wěn)定性和安全性原則，充分考慮后期功能增加與擴展的需求，依據(jù)多層體系結(jié)構(gòu)，從上到下分為應(yīng)用接入層、業(yè)務(wù)邏輯層、數(shù)據(jù)核心層，并且層與層之間盡可能保持獨立，盡量減少各層在平臺功能擴展時受到的影響。

圖3 人類疾病動物模型資源共享平臺的總體架構(gòu)

4.2 功能與實現(xiàn)

資源共享平臺的功能模塊由一個后臺管理系統(tǒng)、一個數(shù)據(jù)管理中心和相關(guān)業(yè)務(wù)應(yīng)用功能組成，具體功能包括用戶管理、碼表管理、數(shù)據(jù)管理、數(shù)據(jù)檢索、模型定制以及在線訂購與咨詢等。

4.2.1 系統(tǒng)管理

（1）資源單位管理

資源共享平臺收錄資源單位的疾病動物模型資源數(shù)據(jù)，為資源提供方開通單位注冊和登錄管理功能。在資源提供方加入資源共享平臺時進行資質(zhì)審核，只有符合相關(guān)條件方可審核通過，對入駐的資源單位嚴格把關(guān)。

（2）用戶管理

用戶是資源共享平臺資源的使用者，通過注冊后方可在資源共享平臺上檢索資源、定制資源、在線訂購、咨詢留言，并獲取相關(guān)的推送服務(wù)等。

（3）權(quán)限管理

資源共享平臺的系統(tǒng)后臺為超級管理員、資源單位、用戶、專家等群體對象分配相應(yīng)的權(quán)限，不同的群體對象執(zhí)行各自功能作用，是整個資源共享平臺的資源管理者、提供者和使用者。其中，超級管理員擁有所有系統(tǒng)管理功能，可對其他群體對象進行管理及權(quán)限配置；資源單位負責(zé)上傳人類疾病動物模型資源數(shù)據(jù)，接受專家的監(jiān)督和管理；用戶是資源的具體使用者，對資源單位具有咨詢、反饋、評價權(quán)限；專家隊伍是資源共享平臺的重要技術(shù)支撐力量，審核資源單位以及所有數(shù)據(jù)的準(zhǔn)確性、有效性和可靠性。

（4）系統(tǒng)配置

包括對資源共享平臺運行環(huán)境配置、安全配置、短信功能推送配置、日志管理、數(shù)據(jù)備份、數(shù)據(jù)統(tǒng)計等，便于資源共享平臺日常管理和維護。

4.2.2 編碼管理

主要是動態(tài)生成和管理人類疾病動物模型資源的分類編碼。當(dāng)資源共享平臺在收錄人類疾病動物模型資源數(shù)據(jù)時，選擇對應(yīng)的分類編碼并生成該資源的唯一身份號，為平臺數(shù)據(jù)管理、數(shù)據(jù)挖掘提供了極大的便利。數(shù)據(jù)分類編碼管理過程示例如表2所示。

表2 人類疾病動物模型資源共享平臺的自動分類編碼表管理

4.2.3 數(shù)據(jù)管理

（1）數(shù)據(jù)采集

數(shù)據(jù)采集主要包括以下3 種方式：一是根據(jù)語義數(shù)據(jù)描述規(guī)范自定義從有關(guān)人類疾病動物模型研究文獻采集的資源數(shù)據(jù)，并通過XML 映射篩選出有價值的數(shù)據(jù)；二是從相關(guān)專著等素材中收錄、整理數(shù)據(jù)入庫；三是相關(guān)資源單位以有償或無償?shù)姆绞?，按照資源共享平臺的數(shù)據(jù)描述規(guī)范分享資源數(shù)據(jù)到平臺數(shù)據(jù)庫中。通過以上方式采集的人類疾病動物模型資源數(shù)據(jù)均具有統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和數(shù)據(jù)結(jié)構(gòu)（如表3 所示）。同時，為了便于用戶群體在資源共享平臺上快速檢索到所需資源和資源屬性，平臺在收錄數(shù)據(jù)的同時不斷收集人類疾病動物模型資源的數(shù)據(jù)詞典建成語義庫，并通過語義識別程序提高用戶檢索的精確性和有效性。

表3 人類疾病動物模型資源共享平臺的數(shù)據(jù)表結(jié)構(gòu)

（2）數(shù)據(jù)審核

人類疾病動物模型資源數(shù)據(jù)被資源共享平臺的后臺數(shù)據(jù)庫收錄后，將會處于待審核未發(fā)布狀態(tài)，此時由平臺系統(tǒng)管理員對數(shù)據(jù)進行篩選、格式處理，之后將數(shù)據(jù)分派給相應(yīng)的專家進行審核。專家主要從數(shù)據(jù)的準(zhǔn)確性、完整性和穩(wěn)定性、可重復(fù)性等方面審核。專家審核通過的數(shù)據(jù)則對外發(fā)布，否則返回修改或作退稿處理，從而保證人類疾病動物模型資源數(shù)據(jù)質(zhì)量。

（3）數(shù)據(jù)導(dǎo)出

可按資源單位、系統(tǒng)疾病類型、動物種屬類型以及相似語義條件篩選出所需資源的數(shù)據(jù)項，以文本格式、Excel 格式等批量導(dǎo)出，實現(xiàn)對人類某種疾病動物模型的數(shù)據(jù)挖掘和數(shù)據(jù)分析，探討模型的造模特點和影響因素，提高科技工作者造模成功率以及促進人類疾病動物模型資源的廣泛應(yīng)用。

4.2.4 數(shù)據(jù)檢索

當(dāng)資源共享平臺收錄了海量的人類疾病動物模型資源數(shù)據(jù)時，用戶通過檢索提取所需數(shù)據(jù)。用戶可以通過資源共享平臺設(shè)置的系統(tǒng)疾病、動物種屬、造模方法3 種分類結(jié)構(gòu)快速精確檢索，也可以采用布爾邏輯法并結(jié)合語義關(guān)鍵詞進行多條件檢索，檢索出來的數(shù)據(jù)結(jié)果可在線閱讀或保存、下載或是生成二維碼分享，極大地推動人類疾病動物模型資源的社會化共享。

4.2.5 模型定制

資源共享平臺除了實現(xiàn)人類疾病動物模型資源的數(shù)據(jù)整合、集中管理之外，也著眼于加強相關(guān)資源的進一步深入研究和應(yīng)用，促進相關(guān)行業(yè)資源單位的相互合作、共建共享。各級科研單位及科技工作者可以根據(jù)個性化需求在資源共享平臺上定制動物模型、提交模型資源申請，通過平臺將申請單推送給具體的有關(guān)資源單位，實現(xiàn)人類疾病動物模型的在線定制服務(wù)。

4.2.6 在線訂購

將資源共享平臺收錄資源的共享模式設(shè)置為有償、無償、合作共建等方式，當(dāng)用戶通過Web 訪問平臺查詢到所需的動物模型資源時，可直接在平臺頁面詢價、在線咨詢留言，并填寫訂購表單，促進資源提供方與使用方之間的合作。

5 結(jié)論與展望

本研究探索便于數(shù)據(jù)挖掘的人類疾病動物模型資源共享平臺的設(shè)計思路，建設(shè)目的在于擴展科學(xué)研究的空間和時間，更大程度地滿足科技工作者對于有關(guān)人類疾病動物模型資源數(shù)據(jù)公開化的需求。主要以系統(tǒng)疾病、動物種屬、造模方法3 個維度，從數(shù)據(jù)整合、數(shù)據(jù)挖掘的視角提出人類疾病動物模型資源共享平臺的構(gòu)建體系，重點介紹了資源共享平臺的數(shù)據(jù)分類編碼、數(shù)據(jù)挖掘的關(guān)鍵技術(shù)、數(shù)據(jù)庫設(shè)計以及平臺的實現(xiàn)。以期通過該平臺，為人類疾病動物模型研究機構(gòu)之間搭建一個資源數(shù)據(jù)共建共享的機制，為構(gòu)建統(tǒng)一標(biāo)準(zhǔn)的人類疾病動物模型數(shù)據(jù)庫，有效進行數(shù)據(jù)管理、數(shù)據(jù)交換與共享、數(shù)據(jù)檢索以及數(shù)據(jù)深度挖掘提供重要支撐和保障作用。

該平臺的構(gòu)建是一項復(fù)雜的系統(tǒng)工程，從相關(guān)資源數(shù)據(jù)收集、整理、保存、管理到對外開放共享，需要多方主體協(xié)助平臺提供支持，保證平臺的有效運轉(zhuǎn)；平臺開發(fā)方是建設(shè)、管理和運行主體，需要充分調(diào)動資源研究機構(gòu)、用戶群體的積極性，發(fā)揮各參與方的最大協(xié)同效應(yīng)，積極推進資源共享平臺的建設(shè)和應(yīng)用，并制定資源共享機制和相關(guān)制度，保護資源提供者的知識產(chǎn)權(quán)和利益。其中，資源研究機構(gòu)按照結(jié)構(gòu)化或非結(jié)構(gòu)化方式將有關(guān)人類疾病動物模型數(shù)據(jù)進行分類整理上傳、保存到平臺數(shù)據(jù)庫；用戶使用者為平臺長期運行發(fā)揮著重要的支撐作用。在多方主體的共同推動下，帶動實驗動物產(chǎn)業(yè)市場的發(fā)展；市場發(fā)展所帶來的需求又會間接推動人類疾病動物模型資源共享平臺的建設(shè)。目前，該資源共享平臺處于開發(fā)試運行階段，主要以公益性面向行業(yè)單位開放使用，在后續(xù)運行過程中還需不斷總結(jié)運營模式，保持長期穩(wěn)定運行。