赵秀举 dzrdez@163.com

导语

混杂因素的存在需要随机化试验，不同随机化试验的不可传达性需要数据整合共享。数据集整合共享的类脑生态基础理论，即全过程数据活动机制DCSAE：多样兼顾、环节衔接、安全共享、权责一致、生态使能。

概要

弱关联数据，存在传递性、扩展性、延迟、深度和可解释问题。为此提出生物数据学，概括其类脑生态基础理论即数据全过程活动机制DCSAE（类脑→相邻哈希和临近存储→知识分级和场景导向→原生、遍历、并发和链式程序→生态）。

内容

弱关联数据，与独立样本和强相关数据相对而言。弱关联数据，存在传递性、扩展性、延迟、深度和可解释性问题，挑战了统计学、生物信息学和流行病与卫生统计学的原理和方法。
我们1提出生物数据学，3概括其类脑生态基础理论（即数据全流程活动机制DCSAE），2倡议生物数据信息智能技术（BDIITs）融合，4兼顾深度计算、海量存储和高并发通讯，5混合事务分析处理（HTAP）与原生结合整合多样化数据，6数据环节概括为设计、采样、分析和治理（DAAG），汇总模型参数概念和公式，7概括从原始数据到类脑图数据库的决策逻辑，8明确统计学两大分支（独立与强相关数据、弱相关数据）对应关系和人工智能（AI）四类十方面，9概括多端数据共享模式KANC，10概括治理含义和立法五性（必要、合法、可行、合理、衔接），11概括生态进程和含义（物料平衡、能量守恒、简单优先），12呼吁研发者秉持开明态度、建议远缘交叉融合、希望构建数据生态系统，试图对这一挑战做点事。
1生物数据学
远缘交叉融合统计物理学、数量经济学、生物信息学、生物统计学、分析科学、流行病学、人工智能、数据学和法理学。
生物（微生物、植物、动物、人）时空多样性弱关联数据（变量、样本、时点）为对象，零假设和半模式基础上推断和发现为方法，安全发育健康营养为内容和目标。

［生物数据学进展https://mp.weixin.qq.com/s/LnV0MNmIkdRdSbybV_GBtg］

3DCSAE
DCSAE（多样兼顾，环节衔接，安全共享，权责一致，生态使能）：零（无效）假设和半模式是生物（微生物、植物、动物、人）时空多样性的数据学形式。多样化弱关联数据集通过原生类脑方式（动力引擎和思想知识双轮驱动，算法和算力协调匹配）预测发现。数据环节，概括为设计、采样、预处理与分析和治理，通过应用程序接口、软件开发包、模型参数等衔接。匿名化和去标识化，对抗训练，群体学习，高性能图计算，图查询语言，混合事务分析处理等，兼顾深度计算、海量存储和高并发通讯，实现数据安全共享。以比例原则分配不同数据参与方的权利与义务、权力与职责。数据在使用中升值，不同数据参与方都能从中获益，形成数据生态系统（物料平衡、能量守恒、简单优先）。
2BDIIT
描述统计学三要素自由度、集中趋势和离散程度［生物统计学本科教材可扩展普适性的内容］；数据和知识双轮驱动（知识分级数据集），算法和算力协调匹配；数据→信息→知识→智慧→智能→数据的创新闭环
4效率（计算存储通信）
相邻哈希、近临存储、分布式、拓扑结构，杰卡德相似度、遍历同时去重、多边有向无环图、广度优先，链式查询语言，实时低延迟、深度、可解释、高可视化。
5架构（原生+HTAP）
微服务、容器化、运维、持续交付，数据、引擎、算法、界面、场景层
6DAAG
特征：（融合）随机、无偏、无损微创、注释、混合（事务分析）、公平，
定义：数据集、数据库、（四代）图，可解释性、可扩展性、总拥有成本，民事权利、可持续、包容
公式：R^2、Q^2，准确性、敏感度、特异性、精确度，F、G分数
7抉择逻辑
从原始数据到类脑生态的算法抉择逻辑：自动→缺失→均匀→IID→标注→成分→聚类→分类→解释→原生→HTAP

数据预处理分析流程：特征选择→变换→个体匹配→归一化→推断发现，如Box-Cox变换→得分倾向匹配→COCONUT共归一化或meta加权→LASSO-Logistic或GBRTw或图数据库
8分支
统计学：独立、强相关→计算→帕斯卡频率→假设检验→最小二乘法→模式识别→建模推断→孤立端节点；弱相关→计算存储通信→贝叶斯先后验→半模式→极大似然法→机器学习→预测发现→云群体生态
人工智能［四大类十方面］：对象 视觉音频图像，自然语言处理（理解、生成），感觉知觉推理（人机物交互），机器人与多智能体，知识表示，方法 模式识别，机器学习， 综合 预训练模型，图数据库 治理 博弈与伦理
9KANC
在知识指导下，端数据的模型参数融合更新群体动态协调者，融合参数反馈需要的端，共享端不弱于或相当于单个最优端，产生新知识
10治理
利益冲突声明回避
拟合并解释数据
立法五性：必要、合法、可行、合理、衔接，有活力和创造
11生态
端网云边群结合，统一管理智能控制弹性调度，提供多层防护，形成标准和建议。物料平衡、能量守恒、简单优先，保持多样、相互尊重理解交流，遵守规范、自由转换。
12联系
正则化超参数，大筛子模型思想
经验贝叶斯多层模型、自助法、非参数
广义线性模型、高斯过程模型启发，结构方程模型、深度学习纽带
物理启发机器学习
统计学两大分支结合
混合效应模型、LASSO/Logistic等构建人群数据解释模型，预测危险因素进行各种疾病数据挖掘，提高健康收益，促进研发范式转变。

https://mp.weixin.qq.com/s/END3fDgmSxkOHl0b6-knlw