大数据对肿瘤登记发展的影响

对肿瘤登记和大数据的发展、大数据对肿瘤登记的作用和影响进行了系统回顾,大数据和肿瘤登记近年发展快速,大数据的发展促进了肿瘤登记的发展,而肿瘤登记发展又推动了大数据的进步.在大数据的影响下,肿瘤登记将向以下几个方向发展:(ⅰ)肿瘤登记自动化;(ⅱ)及时收集、整合和更新不同来源的肿瘤数据,提高肿瘤资料的质量、可用性和易用性,推动肿瘤资料的开放和共享,扩展肿瘤资料的应用;(ⅲ)各级医疗卫生信息中心的出现将彻底改变肿瘤登记模式;(ⅳ)采用大数据的技术和方法建立各级肿瘤数据中心;(ⅴ)医院肿瘤登记逐步开展,人群肿瘤登记覆盖率大幅提高,部分省将全民开展肿瘤登记.肿瘤登记自动化的理念和技术,迎合了大数据和肿瘤登记发展的趋势,并可借鉴应用到其他疾病的监测和研究.     

癌症个体精准化诊治的挑战和癌细胞纳米生物力学研究的应用前景

中国癌症负担日益加重的今天,临床上急需可以实现癌症早诊早治的方法以及可以在癌症各阶段对患者预后进行精确评估的手段.目前的癌症诊断金标准——病理学诊断对预后的评估能力有限,难以满足临床个体化治疗的要求.即使使用二代测序等先进的基因分析技术,所得的信息也往往是间接和局部的,无法在单细胞水平上对癌细胞的生物学行为,尤其是侵袭或转移的能力进行准确的判断.得益于近年来纳米和微流控技术的发展,研究人员在少量的细胞与组织样品上即可进行细胞生物力学性质与肿瘤微环境的定量分析,进而预测癌细胞的侵袭转移能力,对患者的预后进行快速精准评估.同时,也有研究发现,通过检测肿瘤细胞的生物力学性质,可以评估肿瘤细胞的耐药性和治疗反应.为应对目前临床对肿瘤诊断与治疗的新要求,本文阐述了癌细胞生物力学的分子机制基础研究与其在癌症诊治中可能的应用与展望.     

MOOCs平台大数据的教育实证

随着大数据技术和大规模在线开放课程(MOOCs)的不断发展,基于MOOCs平台数据的教育研究也日益涌现.然而,相关研究在研究问题、理论基础和研究方法等方面还有待进一步探索.MOOCs平台大数据将为教育问题的研究提供不同类型的数据,有助于打破以往的一些限制.目前来看,基于MOOCs平台大数据的教育实证研究可能会出现聚焦MOOCs本身的研究、大规模在线开放式研究和应用于经典教育研究框架内的研究3种类型.     

血清microRNA在肿瘤诊断和预后评估中的应用

介绍了血清microRNA与肿瘤发生的关系, 并且在此基础上系统介绍了国内外将血清microRNA作为肿瘤标志物的研究进展. 尽管血清microRNA作为肿瘤的分子标志物尚有许多问题要解决, 但目前的研究结果已经证明血清microRNA表达谱的变化与多种肿瘤的发生、发展具有明确的相互关系, 说明血清microRNA可以作为肿瘤临床诊断和预后评估的分子标志物. 而且, 血清microRNA自身的特性也决定了其在应用于肿瘤临床诊断和预后评估时具有创伤小、技术快速、便捷等优点.     

预后控制外科:从理论到实践

当前以互联网、大数据和人工智能为代表的信息技术的应用将外科实践提升到了智能化的新高度,以干预者经验为主导的传统医学和过度倚重干预手段的循证医学受到了新的冲击和挑战.为了更好地适应医学科技的飞速发展和医疗需求的不断提高,根据长期的肝胆胰外科临床实践,本文提出了预后控制外科理论.该理论以患者最优预后为根本目标,通过择优干预者、干预手段、干预时机的最佳组合来预控疾病风险.随着人工智能技术的逐渐兴起,本文提出了智能外科的概念,预控外科在其基础上,提倡应用医学影像识别与预测、三维重建与手术规划、术中导航和机器人手术系统为代表的人工智能等信息技术方法,促进外科诊疗的快速、均衡发展.在预控外科理论和方法的指导下,本研究团队创立了微创解剖性肝切除技术、个体化胰腺手术入路体系、模式化肝切除方法、单针全层胰肠吻合技术和胰腺端端吻合技术,提倡胰腺癌整块切除,并归纳总结出了外科四大核心策略:控血、入路、切除、重建,以最小损伤实现患者的最大获益.     

编者按

<正>大数据是海量、高增长率和多样化的信息资产,需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力.大数据在政府、公共事业、商业领域的价值日益凸显,成功案例层出不穷.真实、准确、及时的大数据样本也为心理学研究方法的变革带来了崭新的机遇,拓宽和加深了心理学研究的广度和深度,提升了心理学研究的预测力和控制力.我国已有不少学者投身大数据的洪流,如中国科学院心理研究所朱廷劭研究员创建了"计算网络心理实验室"并基于大数据开发了"国人心理地图"、蔡华俭研究员创建了"云端心理     

近红外光谱分析方法研究:从传统数据到大数据

近红外光谱分析技术作为一种绿色分析技术,在许多领域中已得到广泛应用.随着应用的深入和拓展,近红外光谱的数据类型逐渐从传统数据变成近红外光谱大数据.本文总结了近红外光谱的预处理、奇异样本筛选、多元校正和模型转移等技术及其在相关领域的应用.对近红外光谱大数据分析技术的初步研究,包括近红外光谱在工业品在线检测、不同批次产品鉴别中的应用以及近红外光谱物联网系统等也进行了综述.此外,对于近红外光谱大数据未来的发展及近红外光谱大数据云平台的基本功能、软硬件的设计与开发、建设过程中需要解决的问题等进行了详细阐述.     

面向分子科学的数据智能

分子科学是化学的核心,也是生物、材料、药学等学科的基础.传统的分子科学研究通过实验或理论手段进行,研究成本高、周期长,难以处理高复杂度体系.随着大数据时代的到来,数据驱动的人工智能研究已成为继实验、理论和模拟之后的第4种科学研究范式.数据驱动的机器学习凭借其快速高效的数据处理能力,在分子科学领域展现出巨大的发展潜力.尤其是在分子性质预测、分子设计、化学反应预测及逆合成、量子化学计算、自动化合成等领域获得了广泛应用.本文首先介绍面向分子科学数据智能研究过程中的3个关键部分,即分子科学开放数据集、分子描述符和机器学习算法;然后,列举机器学习在不同分子科学研究方向中的重要应用案例;最后,分析讨论该研究领域可能存在的挑战及潜在发展方向.     

大数据的受、想、形、识

正大数据是数据科学的一个研究领域。要从受(数据采集)、想(数据分析)、形(数据重构)、识(数据挖掘、预测、利用)等四个方面来研究它,从而获得认识现实世界的大智慧。大数据这个新名词,近来总在不同的媒体出现。大数据的浪潮扑面而来,自然会伴随着大量的泡沫。究竟什么是大数据,不同人有着不同的理解与解读,但给人的感觉是总体形象还不十分清晰。如果说成数据科学,那就比较容易理解了,即关于埘象为数据的科学,而大数据应该是数据科学中的问题,是尚未解决的问题,是     

生物医学大数据的现状与展望

生物医学是一门新兴的前沿交叉学科,它综合了医学、生命科学和生物学的理论和方法而发展起来.近年来随着先进仪器装备与信息技术等越来越广泛和深入的整合到生物技术中来,生物医学研究中越来越频繁的涉及到大数据存储和分析等信息技术.大数据时代的来临对生物医学研究产生了重大影响.其中,一个重要发展趋势就是由假设驱动向数据驱动的转变.数十年来分子生物学水平上的实验目的是获得结论或者是提出一种新的假设,而现在基于海量生物医学大数据,可以对海量数据的研究来探索其中的规律,直接提出假设或得出可靠的结论.随着先进的生物分析技术的不断推出和更新,生物医学数据迅速积累.基于此类大数据一些以往不能解决的问题将有望解决,同时相关生物医学研究的新问题也层出不穷.生物医学相关的大数据技术和相关应用主要包括:基于高通量测序的个性化基因组、转录组和蛋白组研究,单细胞水平基因型和表型研究,人类健康相关微生物群落研究,生物医学图像研究等.相关生物医学大数据分析任务均具有着数据密集和计算密集的双密集性特点.要充分地利用这些大数据解决一系列生物医学问题,迫切需要高通量、高效率、高准确性的生物信息存储和分析策略.本文总结和回顾生物医学大数据的生成、管理和分析相关的一系列问题,其中重点讨论人体微生物群落、单细胞表型和基因型、生物医学图像等新近出现的生物医学大数据形式,以及相关数据分析和应用前景等.基于目前生物医学大数据的现状我们可以发现,生物医学大数据的研究正处于蓄势待发状态:适应于生物医学大数据的软硬件平台、大数据存储、大数据分析挖掘等方法等还不成熟,制约着生物大数据的研究.然而一旦相关研究获得突破并有所优化和应用,将会全方位地支撑生物医学大数据的深入解构;进而有助于对医学现象的趋势分析和预测,服务于相关的遗传疾病研究、公共卫生监控、医疗与医药开发等广泛生物医学应用.     

基于基因表达谱与系统发育树的肿瘤细胞多药耐药性表型预测

应用基因芯片技术预测抗肿瘤药物多药耐药性(multiple drug resistance, MDR)表型时, 探针表达值归一化策略和特征基因集的选取往往是导致实验间结果不一致性的重要原因. 从基因芯片数据出发, 如何建立一个统计学上稳定的预测模型, 已成为MDR表型预测建模研究中迫切需要解决的问题. 本研究以多药耐药肿瘤细胞系的基因表达数据为研究对象, 将探针表达定性为有无表达(1/0)两种状态, 再将其归类到由蛋白质结构域组序(protein domain organization, PDO)定义的基因集中. 在此基础上, 通过引入系统发育学中的基因含量方法(gene content), 在PDO基因集水平上建立了系统发育学模型(细胞树), 并用于MDR表型的预测. 结果显示, 肿瘤细胞系的分类主要受细胞病理分型和MDR表型(紫杉醇和长春碱)的影响. 系统发育学模型在预测样本的MDR表型方面优于特征基因模型. 尽管本文方法的应用受到样本混杂度的限制, 但其对于血液系统肿瘤或纯度较高的细胞系仍具有潜在的应用价值.     

大数据与化学数据挖掘

数据是重要的战略资源,大数据挖掘技术已成为学术界、企业界甚至各国政府关注的热点.本文介绍了大数据的基本概念及发展现状,综述了与化学研究有关的大数据研究状况,讨论了大数据在基础理论与关键技术2个层面上的主要问题以及大数据挖掘技术在化学各领域中的应用,并对大数据发展的未来及其在化学学科中的应用前景进行了展望.     

大数据安全与自主可控

继互联网、物联网、云计算之后,大数据已成为当今信息技术领域的发展热点.大数据在带来"大"价值的同时,也存在"大"安全问题.大数据的基本特征对计算设施、存储、网络、信息资源等提出了更高的安全要求,传统的信息安全手段和管理机制已经跟不上大数据时代的信息安全形势发展.本文在研究大数据安全新特点的基础上,分析了我国大数据发展面临的信息基础设施自主可控程度低、安全防护技术和手段不足等问题;阐述了自主可控对大数据安全的重要性和意义,明确了解决大数据安全的根本之道在于实现我国主要信息产品、设备和技术的自主设计制造,并总结了我国在大数据安全领域自主可控产品的发展现状.大数据安全事关国家安全,本文最后从加强大数据战略规划和安全体系建设、构建中国特色自主可控的发展路线、强化大数据技术在信息安全领域的创新应用等3个方面,探讨提出了解决我国大数据安全的策略和办法,以确保我国大数据时代的信息安全逐步朝着体系化、规范化和技术自主可控的方向发展.     

大数据并行计算框架

大数据是当前IT信息技术研究和应用的热点,但目前的研究多集中在系统和应用层面,而理论基础研究方面相对较少.本文以计算复杂性理论为基础,针对大数据量大、快速和多样性等挑战,着重研究大数据的可计算性及其计算原理.首先将多种类型的大数据抽象到度量空间进行统一化表示以解决多样性问题,其次在度量空间中基于距离对大数据进行划分,最后运用NC类计算理论等并行计算理论和方法对大数据问题进行并行求解,以解决量大和快速等问题.本文从更广的视角,根据大数据的特性和大数据整个生命周期,提出处理大数据的策略和技术以及需要变革思维方法研究大数据.     

大数据时代下金融业的发展方向、趋势及其应对策略

首先简要回顾了大数据的定义、内涵及其主要特征;其次,通过研究发现,金融业是信息密集型服务产业,在数据特征和数据处理方面基本符合"大数据"概念和特征,正步入大数据时代的初级阶段;接下来,论述了在大数据时代未来的金融体系尤其是银行业将具有"开放、数字化、高生产力、科学决策"的显著特征与发展趋势,并指出在通往大数据时代之路上金融业面临来自文化、管理与技术方面的挑战;最后,给出了在大数据时代金融业发展的应对策略.研究结果将不仅对金融业务未来发展规划具有非常现实的指导意义;同时,也将为大数据时代下新金融理论的拓展奠定基础.     

生物大数据可视化的现状及挑战

在过去的10年中,以基因组学、医学遗传学和神经信息学等为代表的生命科学各研究领域,以前所未有的增长趋势,积累了海量的数据信息.这些数据类型复杂、数量庞大,其中蕴含的价值更是不可估量.通过传统的处理手段,难以理清海量原始数据中错综复杂的关联信息.而针对生物大数据的可视化研究,将有利于科研人员对复杂数据进行多角度观察并获取有效信息.生物数据量越大,复杂性越高,可视化在生物有效信息挖掘方面发挥的作用就越大.本文通过例举若干生物机构中心现存的数据规模和数据增长速率,说明生物研究领域已进入大数据时代,然后由生物数据的组成特征及可视化的特点引出生物大数据可视化的重要性和必要性.本文总结了生命科学研究领域中不同类型生物大数据的可视化研究进展,最后讨论了目前生物大数据可视化所面临的挑战,并提出可能的解决方案.     

肥胖与结肠癌

<正>研究发现,肥胖是导致预后不良的因素之一,即使在分子标志物提示预后较好的结肠癌患者中,亦是如此。一项未发表的涉及近5 000例患者的前瞻性研究数据表明,肥胖是导致结肠癌患者预后不良的因素之一,包括拥有与肿瘤良好预后相关标志物——肿瘤微卫星不稳定性(MSI)的结肠癌患者。美国癌症协会(ACS)肿瘤资源库的一项研究发现,相比身体质量指数(BMI,即用体重公斤数     

循环肿瘤细胞捕获微纳技术

循环肿瘤细胞被认为是肿瘤转移的一个重要因素,其精确检测对监控患者病情、治疗效果以及预测预后具有重要的临床指导意义。然而,由于在外周血中的循环肿瘤细胞个数极少,对它的检测要求使用高特异性、高灵敏度的快速检测技术。近些年纳米技术的发展为循环肿瘤细胞的检测提供了新的机遇。文章综述了近年来循环肿瘤细胞分离与检测技术的研究进展,重点介绍了纳米材料、微流控技术在循环肿瘤细胞捕获中发挥的重要性。     

科学研究大数据挑战

现代科学研究的一个重要模式就是大科学项目,其特点是大科学装置和合作,并产生海量的科研数据.数据密集型的大科学项目对数据的采集、存储、分发和处理有着巨大的需求.本文以大科学项目为案例讨论了科研大数据在数据采集、处理、存储以及网络等方面的挑战,以及相应的应对方法.其中,国际上的高能物理实验每年产生数十拍字节(PB)的数据,这些数据需要妥善地记录和保存下来,并高效地分发到世界各地进行分析处理.高能物理学家基于网格技术合作建立了大数据处理的WLCG网格平台,该平台成功地支持了大型强子对撞机实验数据的处理和分析,同时也支持了其他大科学项目,取得很好的效果.另外,为了解决对数据的高效存储和访问,新的存储技术和网络技术,如软件定义网络和云存储等,被开发应用到科学大数据中.最后还介绍了云计算技术在科研大数据中的应用.     

拓展与深化中国全境的环境变化遥感应用

中国幅员辽阔,仅靠局部定点环境监测,远不能满足社会需求.而对大空间范围来说,遥感是唯一可行的环境变化监测手段.虽然国内外拥有强大的卫星数据获取能力和大量的卫星遥感数据,以中国全境为对象的遥感环境变化研究并不多.本文将环境变化过程归纳为环境变化驱动力、环境变化、物质迁移与转化、物质浓度与富集度变化、人或生态系统暴露与感染变化及环境变化影响等方面内容.评估了遥感对这些环节的潜力,评述了中国环境变化遥感已取得的进展.指出遥感对于研究中国环境变化在方法体系上不但要支撑实验与观测、理解与认识,还要重视和模拟与预测的衔接从而支持环境政策研究.在应用层面,应突破常规遥感观测项目,在物种多样性、生物入侵、公众健康、空气和水质量变化监测等新的领域取得突破.在技术层面全面系统加强实用化和自动化研究.