《道地藥材圖譜檢測數(shù)據(jù)處理 基礎(chǔ)信息模型》

ICS65.020.20

C05

C

團體標(biāo)準(zhǔn)

道地藥材圖譜檢測數(shù)據(jù)處理基礎(chǔ)信息模型

FundamentalInformationModelforDaodiMedicinalMaterials’Spectroscopic

ProfilingDataProcessing

20**-**-**發(fā)布20**-**-**實施

浙江省藥品監(jiān)督管理與產(chǎn)業(yè)發(fā)展研究會發(fā)布

前言

《道地藥材圖譜檢測數(shù)據(jù)處理基礎(chǔ)信息模型》（以下簡稱“本標(biāo)準(zhǔn)”）按照GB/T1.1-2009《標(biāo)準(zhǔn)化

工作導(dǎo)則第1部分：標(biāo)準(zhǔn)的結(jié)構(gòu)和編寫》給出的規(guī)則起草。

本標(biāo)準(zhǔn)由浙江云鑒食藥科技有限責(zé)任公司提出。

本標(biāo)準(zhǔn)由浙江省藥品監(jiān)督管理與產(chǎn)業(yè)發(fā)展研究會歸口。

本標(biāo)準(zhǔn)起草單位：浙江云鑒食藥科技有限責(zé)任公司、浙江工商大學(xué)、浙江中醫(yī)藥大學(xué)、南京財經(jīng)

大學(xué)、浙江濟佰川藥業(yè)有限公司、浙江大晟藥業(yè)有限公司。

本標(biāo)準(zhǔn)主要起草人：王海燕、張寅升、蔣偉麗、曹劍、張正勇、沈宇峰、沈曉霞、侯瑞琪、郭芳

婕、張燕新、趙亞菊、周亞、倪曉峰。

道地藥材圖譜檢測數(shù)據(jù)處理基礎(chǔ)信息模型

1范圍

本標(biāo)準(zhǔn)規(guī)定了道地藥材圖譜檢測數(shù)據(jù)處理中所涉及的信息實體及語義關(guān)系，用于指導(dǎo)

設(shè)計數(shù)據(jù)驅(qū)動的圖譜檢測和分析系統(tǒng)的底層數(shù)據(jù)存儲結(jié)構(gòu)和信息交互格式。

2規(guī)范性引用文件

無

3術(shù)語和定義

下列術(shù)語和定義適用于本標(biāo)準(zhǔn)。

3.1道地藥材DodiMedicinalMaterials

指經(jīng)過中醫(yī)臨床長期應(yīng)用優(yōu)選出來的，產(chǎn)在特定地域，與其他地區(qū)所產(chǎn)同種中藥材相比，品質(zhì)和療

效更好，且質(zhì)量穩(wěn)定，具有較高知名度的中藥材。

3.2圖譜檢測SpectroscopicProfiling

包括質(zhì)譜及其聯(lián)用、振動光譜（如拉曼、紅外、紫外光譜）及核磁共振譜等檢測方式。

3.3本體Ontology

本體（ontology）起源于哲學(xué)，指組成現(xiàn)實（reality）的各類實體（entity）。在信息學(xué)領(lǐng)域，本體是

對目標(biāo)領(lǐng)域內(nèi)實體的規(guī)范化表示。本體實現(xiàn)了計算機系統(tǒng)對于領(lǐng)域知識的一致性“理解”，為構(gòu)建各

種應(yīng)用提供基礎(chǔ)的語義支撐，是一種信息模型。

3.4實體Entity

物理世界的事物在計算機系統(tǒng)中的表征。

4信息模型的核心實體

A竇腩

額出

保存似

有多個麻勒

加憫

喵匹建

B甚竇腩D

生成獒掠

額入

有多個有多個

額出

頓炯

mzML,C蠐猊E盔杭

JCAMP-DX<愁>

實線箭頭表示底層數(shù)據(jù)庫中具體的外鍵引用，虛線表示外部引用，如URL或資源路徑。橢圓表示

實體，文檔圖標(biāo)表示外部或中間文件對象。

4.1數(shù)據(jù)集

“數(shù)據(jù)集”是多個“圖譜”實例的集合。一個數(shù)據(jù)集的圖譜是面向同一檢測主題的(例如，分類牛奶

品牌和識別特定的地道藥材)，通過相同的檢測模態(tài)（拉曼或MALDI-TOF-MS），使用相同的數(shù)據(jù)預(yù)處理

方法（如過濾、平均、基線校準(zhǔn))，并具有相同的數(shù)據(jù)維數(shù)(如峰值數(shù))。

“數(shù)據(jù)集”可以導(dǎo)出為矩陣或表格形式，供主要的科學(xué)數(shù)據(jù)分析平臺導(dǎo)入，如MATLAB、R或Python。

在實際的系統(tǒng)操作中，這種中間數(shù)據(jù)格式更易于驅(qū)動整個圖譜數(shù)據(jù)的分析過程。

4.2圖譜數(shù)據(jù)

“圖譜”表示一個圖譜數(shù)據(jù)。該數(shù)據(jù)已經(jīng)過必要的數(shù)據(jù)預(yù)處理，可以直接用于后續(xù)的數(shù)據(jù)分析。

一個圖譜對象包含一個X值數(shù)組（如，用于拉曼的波數(shù)，或用于MALDI-TOF-MS的m/z)和一個可選的y

標(biāo)簽(在有監(jiān)督數(shù)據(jù)分析的情況下)。圖譜數(shù)據(jù)是信息模型的核心實體。

每個“圖譜”實例可以序列化為第三方標(biāo)準(zhǔn)文件格式，如mzML(MS)或JCAMP-DX。對于第三方儀器

系統(tǒng)，如Agilent,Bruker,Horiba,Shimadzu,Thermo,Waters等，這些標(biāo)準(zhǔn)文件格式可以用于交換和共享

圖譜數(shù)據(jù)。

4.3日志

每個“圖譜”實例有多個“日志”項，用于追蹤數(shù)據(jù)狀態(tài)的變化。該實體定義了圖譜數(shù)據(jù)生命周期的幾

個階段，包括生成、預(yù)處理、審查、分析和報告。

4.4流水線

“流水線”是一組算法單元組織起來的流程序列。每個“流水線”都針對于特定的數(shù)據(jù)集和分析目的。

一個典型的圖譜數(shù)據(jù)流水線通常包含若干預(yù)處理單元（如過濾、歸一化、降維）及一個回歸器/分類器。

流水線在運行時（runtime）環(huán)境中被實例為復(fù)合模型（如特征選擇+邏輯回歸、支持向量機或神經(jīng)網(wǎng)絡(luò)），

并由目標(biāo)數(shù)據(jù)集訓(xùn)練。訓(xùn)練后的模型可以持久化到文件中(如MATLAB的.mat文件或python的.pkl文件)。

此后，模型文件反序列化后可以加載回運行時環(huán)境中，對新樣本進行預(yù)測分析后，可以生成人可讀的報

告和計算機可處理的結(jié)構(gòu)化報告形式，服務(wù)于進一步的決策支持。

4.5算法單元

算法單元包括基線漂移去除、平均濾波、特征縮放、特征選擇、分類器、回歸器等。每個算法單

元需提供實現(xiàn)代碼或偽代碼。不同的算法單元針對不同的數(shù)據(jù)科學(xué)平臺和編程語言可以有多種實現(xiàn)。算

法工程師既可以直接調(diào)用使用現(xiàn)有的庫，也可以上傳編譯后的二進制代碼來實現(xiàn)。附錄A列舉了基本

的算法單元，應(yīng)內(nèi)置到相關(guān)分析系統(tǒng)中。

5信息模型實體及屬性字段定義

5.1數(shù)據(jù)集

描述：為相同的目的而生成的譜數(shù)據(jù)集合。具有相同的檢測模態(tài)（拉曼或MALDI-TOF-MS），采用相同的

數(shù)據(jù)預(yù)處理方法（過濾、平均、識別、基線漂移去除等），具有相同的數(shù)據(jù)維度。

字段類型描述

數(shù)據(jù)集ID屬性唯一的ID，主鍵。

數(shù)據(jù)集名稱屬性數(shù)據(jù)集的名稱。

數(shù)據(jù)集檢索代碼屬性拼音首字母縮寫，用于快速檢索。

檢測對象屬性樣本來源，例如，嬰兒奶、馬肉、特定草藥等，建議使用公共術(shù)語對對

象進行編碼，如FOODON

檢測主題屬性如，品牌鑒別、產(chǎn)地鑒別、有害物質(zhì)檢測等

SOP屬性產(chǎn)生該檢測數(shù)據(jù)集的標(biāo)準(zhǔn)操作規(guī)程，包括采用的樣品預(yù)處理步驟、儀器

參數(shù)等

檢測模態(tài)屬性從以下取值中選擇：

拉曼值拉曼光譜。

MS值質(zhì)譜。

MALDI_TOF_MS值基質(zhì)輔助激光解析/電離化飛行時間質(zhì)譜。

SELDI_TOF_MS值表面增強型激光解吸/電離化時間飛行質(zhì)譜。

IMS值離子遷移率光譜法。

NIRS值近紅外光譜法。

FIRS值遠(yuǎn)紅外光譜法。

SPI_MS值單光子電離質(zhì)譜。

設(shè)備屬性使用的儀器和客戶端軟件版本。

原始文件路徑屬性設(shè)備端導(dǎo)出的原始數(shù)據(jù)文件路徑。

圖譜數(shù)據(jù)屬性該數(shù)據(jù)集所有圖譜數(shù)據(jù)的二進制存儲。

X標(biāo)簽屬性數(shù)據(jù)集的X標(biāo)簽。

Y標(biāo)簽說明屬性數(shù)據(jù)集的Y標(biāo)簽映射表，如1–合格，0–不合格。

屬性

Y標(biāo)簽樣本分布每個Y標(biāo)簽的樣本數(shù)量分布，使?json格式。

時間戳屬性時間戳。

5.2圖譜數(shù)據(jù)

描述：表示一個圖譜數(shù)據(jù)，通常是預(yù)處理后的。

字段類型描述

圖譜ID屬性統(tǒng)一屬性ID，主鍵。

導(dǎo)出文件的緩存屬性矩陣、表格文件或mzML、JCAMP-DX等格式。服務(wù)端緩存的（如果已

路徑經(jīng)存在，則不會重新創(chuàng)建）文件路徑，可以供外部科學(xué)數(shù)據(jù)分析平臺

導(dǎo)入，如MATLAB、R或Python。

摘要屬性數(shù)據(jù)的數(shù)字指紋或摘要。

Y標(biāo)簽屬性此數(shù)據(jù)的類別或Y標(biāo)簽。用于有監(jiān)督學(xué)習(xí)。

序列屬性圖譜數(shù)據(jù)的壓縮字節(jié)數(shù)組。

檢測模態(tài)屬性測試/檢測方式。

X軸含義值X軸的物理化學(xué)意義。

X軸單位屬性X軸單位。如拉曼的cm-1。

日志記錄屬性日志集合的導(dǎo)航屬性，用于跟蹤數(shù)據(jù)的歷史狀態(tài)變化。

元數(shù)據(jù)屬性該數(shù)據(jù)相關(guān)的其他元數(shù)據(jù)?？梢孕蛄谢癁閖son或xml對象。

時間戳屬性時間戳。

5.3日志

描述：跟蹤圖譜數(shù)據(jù)狀態(tài)變化。

字段類型描述

日志ID屬性唯一的ID，主鍵。

操作員屬性導(dǎo)致數(shù)據(jù)狀態(tài)變更的操作者，如審核人。

操作屬性下列枚舉值之一。生成/獲??；預(yù)處理；審核；分析；報告

操作場所屬性執(zhí)行該操作的機構(gòu)或?qū)嶒炇摇?/p>

附加信息屬性附加消息或補充說明。

圖譜ID外鍵屬性指向相關(guān)圖譜對象的外鍵。

日志的時間戳屬性日志條目的創(chuàng)建時間戳。

5.4流水線

描述：流水線是一組算法模塊組成的數(shù)據(jù)分析流程，如“特征提取+分類+可視化”。流水線用于構(gòu)建一

個串行化的機器學(xué)習(xí)模型，經(jīng)過數(shù)據(jù)集訓(xùn)練后可用于新樣本的預(yù)測分析。

字段類型描述

流水線ID屬性唯一的ID，主鍵。

流水線名稱屬性流水線的名稱。

流水線檢索代碼屬性首字母縮寫，用于快速搜索。

描述屬性流水線的文獻或文檔。

流水線URL屬性該算法流水線的知識庫URL

流水線說明屬性對流水線的描述。

流水線元數(shù)據(jù)屬性流水線元數(shù)據(jù)?？梢孕蛄谢膉son對象。

流水線模板屬性可以用快速實例化的流水線模板，如ipynb格式的文件

流水線時間戳屬性最新修訂的時間戳。

5.5算法單元

描述：算法單元或模塊，是構(gòu)造流水線的基本元素。

字段類型描述

算法實體唯一的ID，主鍵。

算法ID屬性該算法來自公共實現(xiàn)還是自定義實現(xiàn)。

算法來源屬性

算法名稱屬性算法的名稱

算法檢索代碼屬性首字母縮寫，用于快速搜索。

算法類別屬性算法的類別。取值為以下之一：預(yù)處理、降維、特征選擇、回歸、

分類、聚類、可視化

算法標(biāo)簽屬性該算法附加的自定義標(biāo)簽。

算法參考文獻屬性說明算法內(nèi)部設(shè)計原理和實現(xiàn)細(xì)節(jié)等。

算法的URL屬性知識庫鏈接。

算法描述屬性對該算法的簡要描述。

算法元數(shù)據(jù)屬性關(guān)于該算法的元數(shù)據(jù)。序列化的json或xml對象。

屬性

算法的實現(xiàn)?于算法實現(xiàn)的編程語?或腳本。取值為以下之?：Python、C/C++、

C#、Javscript、R、Java、Matlab、Octave、Go

算法代碼屬性該算法的代碼片段或偽代碼。

算法時間戳屬性最新修訂的時間戳。

附錄A內(nèi)置算法單元

算法單元類別默認(rèn)實現(xiàn)

standardscaler

sklearn.preprocessing.StandardScaler

標(biāo)準(zhǔn)化縮放

re-scalerpreprocessing

sklearn.preprocessing.MinMaxScaler

一般縮放預(yù)處理

imputer

sklearn.preprocessing.Imputer

異常值處理

LASSO(leastabsoluteshrinkage

andselectionoperator)featureselectionsklearn.linear_model.Lasso

最小絕對收縮和選擇操作符特征選擇

elasticnet

sklearn.linear_model.ElesticNet

彈性網(wǎng)絡(luò)

linearregressor

regressionsklearn.linear_model.LinearRegression

線性回歸

回歸

ridgeregressor

sklearn.linear_model.Ridge

嶺回歸

ANOVA(analysisofvariance)

meantestscipy.stats.f_oneway

方差分析

均值檢驗

MANOVA(multivariantANOVA)

statsmodels.multivariate.manova

多元方差分析

logisticregressionsklearn.linear_model.LogisticRegressio

邏輯回歸n

supportvectorclassifier

sklearn.svm.SVC

支持向量機classification

k-neighborsclassifier分類

sklearn.neighbors.KNeighborsClassifier

K最近鄰

lineardiscriminantanalysissklearn.discriminant_analysis.LinearDis

線性判別分析criminantAnalysis

autoencoder

keras

自編碼器

VAE(variationalautoencoder)

keras

變分自編碼器

PCA(principalcomponent

analysis)sklearn.decomposition.PCA

主成分分析dimension

NMF(non-negativematrixreduction

factorization)降維sklearn.decomposition.NMF

非負(fù)矩陣分解

MDS(multidimensionalscaling)

sklearn.manifold.MDS

多維縮放

t-SNE(t-distributedstochastic

neighborembedding)sklearn.manifold.TSNE

t分布隨機鄰域嵌入

boxplot

matplotlib.pyplot.boxplot

箱圖visualization

histogram可視化

matplotlib.pyplot.hist

頻率直方圖

目錄

1范圍.........................................................................................................................................................4

2規(guī)范性引用文件.....................................................................................................................................4

3術(shù)語和定義.............................................................................................................................................4

4信息模型的核心實體.............................................................................................................................4

5信息模型實體及屬性字段定義..............................................................................................................6

前言

《道地藥材圖譜檢測數(shù)據(jù)處理基礎(chǔ)信息模型》（以下簡稱“本標(biāo)準(zhǔn)”）按照GB/T1.1-2009《標(biāo)準(zhǔn)化

工作導(dǎo)則第1部分：標(biāo)準(zhǔn)的結(jié)構(gòu)和編寫》給出的規(guī)則起草。

本標(biāo)準(zhǔn)由浙江云鑒食藥科技有限責(zé)任公司提出。

本標(biāo)準(zhǔn)由浙江省藥品監(jiān)督管理與產(chǎn)業(yè)發(fā)展研究會歸口。

本標(biāo)準(zhǔn)起草單位：浙江云鑒食藥科技有限責(zé)任公司、浙江工商大學(xué)、浙江中醫(yī)藥大學(xué)、南京財經(jīng)

大學(xué)、浙江濟佰川藥業(yè)有限公司、浙江大晟藥業(yè)有限公司。

本標(biāo)準(zhǔn)主要起草人：王海燕、張寅升、蔣偉麗、曹劍、張正勇、沈宇峰、沈曉霞、侯瑞琪、郭芳

婕、張燕新、趙亞菊、周亞、倪曉峰。

道地藥材圖譜檢測數(shù)據(jù)處理基礎(chǔ)信息模型

1范圍

本標(biāo)準(zhǔn)規(guī)定了道地藥材圖譜檢測數(shù)據(jù)處理中所涉及的信息實體及語義關(guān)系，用于指導(dǎo)

設(shè)計數(shù)據(jù)驅(qū)動的圖譜檢測和分析系統(tǒng)的底層數(shù)據(jù)存儲結(jié)構(gòu)和信息交互格式。

2規(guī)范性引用文件

無

3術(shù)語和定義

下列術(shù)語和定義適用于本標(biāo)準(zhǔn)。

3.1道地藥材DodiMedicinalMaterials

指經(jīng)過中醫(yī)臨床長期應(yīng)用優(yōu)選出來的，產(chǎn)在特定地域，與其他地區(qū)所產(chǎn)同種中藥材相比，品質(zhì)和療

效更好，且質(zhì)量穩(wěn)定，具有較高知名度的中藥材。

3.2圖譜檢測SpectroscopicProfiling

包括質(zhì)譜及其聯(lián)用、振動光譜（如拉曼、紅外、紫外光譜）及核磁共振譜等檢測方式。

3.3本體Ontology

本體（ontology）起源于哲學(xué)，指組成現(xiàn)實（reality）的各類實體（entity）。在信息學(xué)領(lǐng)域，本體是

對目標(biāo)領(lǐng)域內(nèi)實體的規(guī)范化表示。本體實現(xiàn)了計算機系統(tǒng)對于領(lǐng)域知識的一致性“理解”，為構(gòu)建各

種應(yīng)用提供基礎(chǔ)的語義支撐，是一種信息模型。

3.4實體Entity

物理世界的事物在計算機系統(tǒng)中的表征。

4信息模型的核心實體

A竇腩

額出

保存似

有多個麻勒

加憫

喵匹建

B甚竇腩D

生成獒掠

額入

有多個有多個

額出

頓炯

mzML,C蠐猊E盔杭

JCAMP-DX<愁>

實線箭頭表示底層數(shù)據(jù)庫中具體的外鍵引用，虛線表示外部引用，如URL或資源路徑。橢圓表示

實體，文檔圖標(biāo)表示外部或中間文件對象。

4.1數(shù)據(jù)集

“數(shù)據(jù)集”是多個“圖譜”實例的集合。一個數(shù)據(jù)集的圖譜是面向同一檢測主題的(例如，分類牛奶

品牌和識別特定的地道藥材)，通過相同的檢測模態(tài)（拉曼或MALDI-TOF-MS），使用相同的數(shù)據(jù)預(yù)處理

方法（如過濾、平均、基線校準(zhǔn))，并具有相同的數(shù)據(jù)維數(shù)(如峰值數(shù))。

“數(shù)據(jù)集”可以導(dǎo)出為矩陣或表格形式，供主要的科學(xué)數(shù)據(jù)分析平臺導(dǎo)入，如MATLAB、R或Python。

在實際的系統(tǒng)操作中，這種中間數(shù)據(jù)格式更易于驅(qū)動整個圖譜數(shù)據(jù)的分析過程。

4.2圖譜數(shù)據(jù)

“圖譜”表示一個圖譜數(shù)據(jù)。該數(shù)據(jù)已經(jīng)過必要的數(shù)據(jù)預(yù)處理，可以直接用于后續(xù)的數(shù)據(jù)分析。

一個圖譜對象包含一個X值數(shù)組（如，用于拉曼的波數(shù)，或用于MALDI-TOF-MS的m/z)和一個可選的y

標(biāo)簽(在有監(jiān)督數(shù)據(jù)分析的情況下)。圖譜數(shù)據(jù)是信息模型的核心實體。

每個“圖譜”實例可以序列化為第三方標(biāo)準(zhǔn)文件格式，如mzML(MS)或JCAMP-DX。對于第三方儀器

系統(tǒng)，如Agilent,Bruker,Horiba,Shimadzu,Thermo,Waters等，這些標(biāo)準(zhǔn)文件格式可以用于交換和共享

圖譜數(shù)據(jù)。

4.3日志

每個“圖譜”實例有多個“日志”項，用于追蹤數(shù)據(jù)狀態(tài)的變化。該實體定義了圖譜數(shù)據(jù)生命周期的幾

個階段，包括生成、預(yù)處理、審查、分析和報告。

4.4流水線

“流水線”是一組算法單元組織起來的流程序列。每個“流水線”都針對于特定的數(shù)據(jù)集和分析目的。

一個典型的圖譜數(shù)據(jù)流水線通常包含若干預(yù)處理單元（如過濾、歸一化、降維）及一個回歸器/分類器。

流水線在運行時（runtime）環(huán)境中被實例為復(fù)合模型（如特征選擇+邏輯回歸、支持向量機或神經(jīng)網(wǎng)絡(luò)），

并由目標(biāo)數(shù)據(jù)集訓(xùn)練。訓(xùn)練后的模型可以持久化到文件中(如MATLAB的.mat文件或python的.pkl文件)。

此后，模型文件反序列化后可以加載回運行時環(huán)境中，對新樣本進行預(yù)測分析后，可以生成人可讀的報

告和計算機可處理的結(jié)構(gòu)化報告形式，服務(wù)于進一步的決策支持。

4.5算法單元

算法單元包括基線漂移去除、平均濾波、特征縮放、特征選擇、分類器、回歸器等。每個算法單

元需提供實現(xiàn)代碼或偽代碼。不同的算法單元針對不同的數(shù)據(jù)科學(xué)平臺和編程語言可以有多種實現(xiàn)。算

法工程師既可以直接調(diào)用使用現(xiàn)有的庫，也可以上傳編譯后的二進制代碼來實現(xiàn)。附錄A列舉了基本

的算法單元，應(yīng)內(nèi)置到相關(guān)分析系統(tǒng)中。

5信息模型實體及屬性字段定義

5.1數(shù)據(jù)集

描述：為相同的目的而生成的譜數(shù)據(jù)集合。具有相同的檢測模態(tài)（拉曼或MALDI-TOF-MS