赵秀举，41*3915，dzrdez@163.com

中国蛋白质组学有大工程/大设施（凤凰工程和慧眼设施），生物信息学赋能显著（生物大数据与人工智能、生物信息学和生信人主持的青年科学家三个专场）。是代谢组学（不考虑表型组学）的参照。

蛋白质组学和代谢组学相互关注，和远缘的顶尖人工智能合作（生物信息学、计算生物学算近缘），进行生物数据信息智能融合，运用荟萃分析、群体学习和政策立法等切实解决数据共享不足（主要是样本和时间点）的问题，构建生物数据生态系统。

群体学习，采用对等网络和区块链，数据和模型都在本地，只交换模型参数（准确性、灵敏度、特异性、F1分数、AUROC），安全共享。德国人发表于6月《自然》，群体学习的参数不弱于组成它的最优模型。

第三代人工智能中的图计算和图数据库，框架有数据、引擎、服务、接口、应用共五层，具备实时高并发、动态剪枝、低延迟、可解释、可扩展、迁移快速泛化等特征。代表有Neo4j（国际）和Ultipa（国内）。

生物数据学，融合生物信息学（侧重变量）、生物统计学（样本推断总体）、流行病学（侧重样本和时点）和数据学/人工智能（共归一化、群体学习和图数据库），以生物时空多样性为对象，以安全发育健康营养为内容和目标；可能引领人群数据全流程和生态系统。

一家之言，欢迎讨论。

转载本文请联系原作者获取授权，同时请注明本文来自赵秀举科学网博客。
链接地址：https://blog.sciencenet.cn/blog-392245-1308288.html

上一篇：第二届代谢组学年会有感
下一篇：数据分析模型评估