2. 药物研发全流程数据地图
药物研发的数据地图不是把六个阶段简单排成一条直线，而是要回答三个问题：每个阶段产生什么数据、这些数据如何向下游流动、以及它们在合规治理中应被当作什么级别的资产来管理。理解这张地图，是后续做数据分级、元数据登记、审计追踪和归档策略的前提。
从资产视角看，药物研发数据具有三个共性特征：一是长周期，从靶点发现到上市后监测可跨越十到十五年，数据必须可追溯、可复现；二是强关联，一个化合物从筛选到临床再到申报，其身份标识（如化合物编号、批次号、受试者编号）贯穿始终；三是受监管，临床和申报阶段的数据直接受GxP、ICH、NMPA/FDA/EMA等法规约束，必须满足ALCOA+原则（可归属、清晰、同步、原始、准确、完整、一致、持久、可用）。
各阶段数据类型与资产特征
靶点发现阶段的数据以组学与文献为主：基因组、转录组、蛋白组、通路数据库、文献证据、生物信息学分析结果。这类数据体量大、更新快，资产特征偏向“研究参考型”，治理重点是来源可追溯、版本可区分、引用可核查。例如一个靶点假设往往由多组差异表达数据和通路富集结果支撑，若原始测序数据与中间分析脚本未绑定，后续无法复现结论。
化合物筛选阶段产生大量结构化实验数据：化合物库信息、结构式、分子量、溶解度、LogP、IC50/EC50、ADMET初筛结果、高通量筛选板数据。这一阶段的数据流是“化合物身份—实验条件—测量结果”三元组。资产特征是高通量、高冗余、强结构化，治理重点是化合物唯一标识、实验条件元数据（温度、溶剂、细胞系、批号）和原始仪器文件的保存。示例：某化合物编号CMP-00123在HTS中记录IC50=0.85 μM，若缺少细胞系和孵育时间，该数值无法被下游复现或比较。
临床前研究阶段的数据类型包括药效学、药代动力学（PK）、毒理学、安全药理、CMC（化学、制造与控制）数据。数据流从体外转向动物模型，再转向工艺放大。资产特征为“证据链型”：每个结论需要由原始数据、分析报告和总结报告三层支撑。治理重点是GLP合规、动物伦理批件、原始记录与报告的一致性、以及批次追溯。例如毒理试验中NOAEL的确定，必须能回溯到每只动物的给药记录、临床观察和病理切片结果。
临床试验阶段是数据密度和合规要求最高的环节：受试者人口学、入排标准、随机化、给药记录、疗效终点、不良事件（AE/SAE）、实验室检查、PK/PD采样、电子病例报告表（eCRF）、EDC系统数据、query与数据清理记录。数据流是“受试者—访视—表单—字段”的层级结构，并伴随源数据核查（SDV）和稽查轨迹。资产特征为“受监管关键型”，治理重点是21 CFR Part 11、GCP、数据锁定与揭盲、以及从源数据到分析数据集的映射可追溯。示例：某受试者第4周访视的ALT=120 U/L，若该值触发SAE报告，则必须保留原始检验报告、报告时间戳、报告人和后续随访记录。
注册申报阶段的数据以CTD/eCTD模块为载体：模块1行政信息、模块2总结、模块3质量、模块4非临床报告、模块5临床报告。数据流是从各阶段汇总、格式化、验证并提交。资产特征为“法规提交型”，治理重点是文档版本控制、电子签名、提交格式（如PDF、XML、SEND、SDTM/ADaM）、以及申报后变更的留痕。例如临床数据集需按CDISC SDTM和ADaM标准转换，并保留从原始eCRF到SDTM的映射说明。
上市后监测阶段的数据包括自发报告、真实世界数据（RWD）、电子健康记录、保险理赔、文献病例、信号检测结果、定期安全性更新报告（PSUR）。数据流是“报告—编码—信号—评估—行动”。资产特征为“持续监测型”，治理重点是MedDRA编码、信号管理、隐私保护、以及跨来源数据的整合与去重。例如某药品上市后收到多例罕见肝损伤报告，需通过MedDRA PT编码、时间关联性评估和去激发/再激发逻辑判断是否构成信号。
数据流与资产分级示意
下图把六个阶段的数据对象、主要流向和资产特征放在同一张地图中。箭头表示数据或证据的传递方向，颜色区分阶段属性，右侧标注该阶段最关键的治理抓手。
从数据地图到治理动作
把这张地图落到日常治理，需要做三件具体的事。第一，建立阶段—数据对象—责任人的对应表。例如靶点发现阶段的数据责任人可能是生物信息学负责人，化合物筛选阶段是HTS实验室负责人，临床试验阶段是数据管理经理和统计师。第二，为每个阶段定义最小元数据集。以化合物筛选为例，最小元数据至少包括：化合物唯一编号、实验日期、细胞系或靶点、检测方法、仪器编号、原始文件路径、分析软件及版本。缺少其中任何一项，该数据在跨阶段复用时都可能被质疑。第三，设计跨阶段的数据传递检查点。例如从临床前进入临床申报时，需检查毒理报告是否已锁定、PK参数是否可追溯、CMC批次是否与临床用批一致。
需要特别注意的是，数据流并非单向。上市后监测产生的真实世界证据可能反馈到靶点发现，形成新的假设；临床试验中的安全性信号也可能要求补充临床前研究。因此，数据地图应保留反馈回路，并在治理上确保反馈数据同样具备可追溯性和版本控制。只有把每个阶段的数据类型、流向和资产特征同时看清，后续的数据分级、元数据登记、审计追踪和归档策略才有稳定的依据。