2. 实验结果的数据模型与元数据设计
药物研发实验的数据管理，难点往往不在“存下来”，而在“存得能被理解、能被复用、能被追溯”。HTS 筛出的一个 IC50 值、ADME 测得的清除率、毒理实验中的 NOAEL、药效模型里的抑制率，如果只留下一个数字，几个月后连实验者自己都难以判断它对应哪批细胞、哪台仪器、哪种溶剂体系。因此，本节的核心任务是：为实验结果设计结构化数据模型，并定义支撑该模型的元数据标准与扩展机制。
一、结果数据模型：把“一个数值”拆成可计算的结构
实验结果的最小单元不是数值本身，而是“测量事件”。一个测量事件至少包含四个维度：测什么（指标/终点）、在什么条件下测（实验条件）、用什么测（仪器与参数）、测的是谁（样本与批次）。据此可以抽象出如下核心实体：
- Experiment（实验）：一次实验活动的顶层容器，如“2024-05-12 HTS 化合物库初筛”。
- Batch（批次）：实验执行的最小可追溯单元，如“Plate P-0037”。
- Sample（样本）：被测量的对象，如化合物 CID-1024、细胞系 A549、血浆样本 S-088。
- Assay（检测方法）：测量所依据的方法定义，如“荧光偏振法测定激酶活性”。
- Measurement（测量结果）：一次具体测量产生的数值、单位、不确定度与判定。
- Instrument（仪器）：产生原始信号的设备，如 EnVision 2105、LC-MS/MS。
这些实体之间不是孤立的，而是通过外键与角色关系连接：一个 Experiment 包含多个 Batch，一个 Batch 包含多个 Sample，每个 Sample 在特定 Assay 下产生若干 Measurement，Measurement 由某台 Instrument 在特定参数下采集。这种“实体—关系”结构，使数据既能按实验整体检索，也能按单个样本回溯。
二、关键元数据：让结果可解释、可比较
元数据是附着在实体上的描述性字段。对药物研发实验而言，以下四类元数据缺一不可：
| 类别 | 典型字段 | 作用 |
|---|---|---|
| 实验条件 | 温度、pH、孵育时间、培养基、血清浓度、复孔数 | 判断结果是否可跨实验比较 |
| 仪器参数 | 仪器型号、检测模式、激发/发射波长、增益、板型 | 解释信号差异、支持方法复现 |
| 批次信息 | 批次号、板号、孔位、操作人、日期、试剂批号 | 定位异常、追溯污染或漂移 |
| 样本标识 | 样本 ID、化合物 ID、细胞系、代次、浓度梯度 | 关联生物学身份与剂量关系 |
以 HTS 为例，一个孔的测量结果若只记录“抑制率 = 62%”，无法判断是化合物真实活性还是边缘孔蒸发效应。若同时记录孔位（A01）、复孔数（n=3）、DMSO 终浓度（0.5%）、孵育时间（60 min）、酶批号（E-2024-03），就能在复核时快速区分系统误差与真实信号。ADME 实验同理：清除率必须绑定肝微粒体蛋白浓度、NADPH 再生系统、孵育时间与 LC-MS/MS 的离子对参数，否则不同实验室的数据无法合并。
三、元数据标准与扩展机制
标准化的目标是“同名同义、同值同单位”。建议采用分层策略：核心层为所有实验共用的最小字段集（实验 ID、样本 ID、批次号、日期、操作人、仪器 ID、指标名、数值、单位、判定）；领域层按实验类型扩展，如 HTS 增加 Z' 因子、S/B 比，毒理增加 NOAEL、剂量组，药效增加 EC50、Hill 斜率；项目层允许项目自定义字段，但必须注册到元数据字典，避免同义异名。
扩展机制的关键是“受控词表 + 键值对”。受控词表规定字段名、数据类型、单位、允许值域；键值对则允许在不破坏核心结构的前提下追加新属性。例如，某项目新增“氧浓度”字段，需在字典中登记：字段名 oxygen_conc，类型 float，单位 %，允许范围 0–21。这样既保持灵活性，又保证机器可解析。
四、从模型到落地：一次 HTS 结果的结构化示例
假设某次 HTS 实验，化合物 CID-1024 在 10 μM 下测得抑制率 62%，复孔 n=3，板号 P-0037，孔位 C07，仪器 EnVision 2105，检测模式荧光强度，激发 485 nm，发射 535 nm，孵育 60 min，温度 25 ℃，DMSO 0.5%。按上述模型，可组织为：Experiment(HTS-2024-0512) → Batch(P-0037) → Sample(CID-1024) → Assay(激酶活性荧光偏振) → Measurement(抑制率, 62%, n=3) → Instrument(EnVision 2105, Ex485/Em535)。每个节点携带对应元数据，形成一条完整、可追溯的数据链。
上图展示了从 Experiment 到 Instrument 的实体链，以及四类关键元数据在链上的挂载位置。可以看到，一个测量结果并不是孤立数值，而是被实验条件、批次、样本和仪器参数共同“包裹”的结构化对象。只有这种结构，才能支撑后续的数据查询、跨批次比较、异常回溯与统计建模。
五、设计要点与常见陷阱
在实际落地中，有几个容易被忽视的细节。第一，单位必须显式存储，不能依赖字段名隐含单位，否则“IC50 = 120”到底是 nM 还是 μM 会引发严重误读。第二，缺失值要有明确语义，区分“未测”“测了但无效”“低于检测限”，建议用状态码而非空字符串。第三，批次与样本的层级不能混用，批次是操作单元，样本是生物学单元，一个批次可含多个样本，一个样本也可跨批次复测。第四，扩展字段要有版本，元数据字典本身应记录变更历史，避免旧数据在新字典下无法解析。