RDF 数据模型：三元组、资源、属性、字面量
学 SPARQL 前，先得搞懂 RDF 数据模型。说白了吧——RDF 就是一张超级大网，里头每个节点都绑着一条条“主语-谓语-宾语”的边。你在药物图谱里查药、查靶点、查通路，本质上都是在遍历这张网。我刚开始接触药物图谱时，也傻傻地以为 RDF 就是个带属性的 JSON，结果写出来的 SPARQL 查询要么漏数据，要么跑半天。后来才明白，**抓住三元组，就抓住了 RDF 的灵魂**。
三元组：RDF 最小的叙事单元
一条 RDF 数据就长这样：主语 – 谓语 – 宾语。主语是资源，谓语是属性，宾语是另一个资源或一个字面量。你看，三条信息就能表达一个事实。比如：
阿司匹林 – 治疗 – 头痛
阿司匹林 – 不良反应 – 胃出血这里“阿司匹林”“头痛”“胃出血”都是资源（后面再细说），“治疗”“不良反应”是属性。三条东西拼在一起，就成了计算机能理解的断言。我曾帮一个制药团队从结构化文档里抽了 20 万条这种三元组，最后用一条 SPARQL 就把所有非甾体抗炎药的交叉副作用找出来了。说实话，当时的感觉就像把一屋子散落的手稿编成了索引卡片。
| 位置 | 含义 | 在药物图谱中的例子 |
|---|---|---|
| 主语（Subject） | 描述的对象 | 药物、靶点、疾病、基因 |
| 谓语（Predicate） | 对象之间的关系或属性 | 治疗、抑制、互作 |
| 宾语（Object） | 关系的目标值 | 另一个资源或字面量 |
一条原则：每个事实只用一个三元组表达。 你想想看，一个药能治多个病，那就要拆成多条。RDF 不怕数据量大，就怕语义模糊。
资源：图谱里的每个“东西”
资源（Resource）就是 RDF 世界里的实体。可以是物理对象（阿司匹林片）、概念（头痛）、数字标识（UniProt 编号），甚至是一段描述。每个资源都有一个 IRI（国际资源标识符），类似 Web 上的 URL。比如：
<http://example.org/drug/Aspirin>
<http://identifiers.org/uniprot/P35354>IRI 保证了全局唯一——你把两个图的 IRI 放一起对比，就知道是不是在说同一个东西。我遇到过最坑的事，就是两个团队分别爬了 DrugBank 和 ChEMBL，把同一个药「阿司匹林」写成了不同的 IRI。后来用了一个简单的 owl:sameAs 对齐，才把图谱合起来。嗯，这里要记住：IRI 是 RDF 的身份证明，别手写，用标准命名空间。
属性：连接资源的“关系线”
属性（Property）定义在谓语位置上。它本身也是一个资源——有 IRI，可以被定义、被约束。在药物图谱里，常见属性和它们的 IRI 前缀：
rdf:type– 实例与类的归属关系（阿司匹林rdf:type药物）rdfs:label– 人类可读的名称obo:RO_0002451– 治疗关系（OBO Foundry 标准）bio:hasTarget– 药物针对的靶点
我个人习惯在建模时先把属性清单列出来，用表格控一下命名空间和定义域/值域。下面是我整理的一张药物图谱常用属性表（节选）：
| 属性 | IRI 示例 | 预期主语类型 | 预期宾语类型 |
|---|---|---|---|
治疗 | obo:RO_0002451 | 药物 | 疾病 |
靶点 | bio:hasTarget | 药物 | 基因/蛋白质 |
副作用 | obof:hasSideEffect | 药物 | 不良反应事件 |
互作 | bio:interactsWith | 蛋白质A | 蛋白质B |
曾踩过的坑： 把属性当作字面量来写。比如把“治疗”直接写成 "治疗"^^xsd:string 而不是一个 IRI。结果 SPARQL 查也查不到，因为 RDF 里属性必须用 IRI 表示。记住：属性和资源一样，都是资源，都得有 IRI。
字面量：储存具体值的“叶子”
字面量（Literal）是三元组宾语的另一种形式——它是 具体的值，比如字符串、数字、日期。字面量不能当作主语或谓语，只能当宾语。常见类型：
"布洛芬"^^xsd:string
"200 mg"^^xsd:string
"2024-01-15"^^xsd:date
3.14^^xsd:float字面量可以加语言标签："头痛"@zh、"headache"@en。这在多语言药物标签里特别好使。你想想看，一个药在不同的国家注册名称不同，但 IRI 是同一个——通过字面量的语言标签就能把多语言描述挂上去。
我曾经处理过一个跨国临床数据合并项目，不同来源的药物剂量写到不同的单位里：mg、μg、µmol。要是不给每个量配一个 xsd:float 并加上单位属性，查出来的结果就是一团乱码。所以我的建议是：字面量一定要标类型，数字必须带单位，文本尽量打语言标签。
一张图看懂三部曲
把上面三个概念串起来——直接看下面这张 RDF 数据模型结构图。我用一个简单的药物图谱片段来展示：
核心摘要
- RDF 数据模型的最小单元是三元组（Subject - Predicate - Object）
- 资源必须有 IRI，属性也是资源，必须用 IRI 表示
- 字面量是纯值，不能当主语/谓语，记得标类型和语言标签
- 一张药物图谱就是几百万条这样的三元组拼成的——SPARQL 就是在这张网上做“SQL 式的图查询”
为什么偏要搞这套模型？
我猜你会问：用关系数据库存药物数据不香吗？对于固定格式、强模式的表，确实香。但药物领域的数据异构性强：同一个药，可能被不同数据库用不同的字段、不同的单位、不同的关系网络描述。RDF 的优势在于：你可以在不改变已有数据模式的前提下，随时加新的属性、加新的资源。举个例子：你今天突然知道阿司匹林还能降低某酶的表达水平，就在现有三元组集里加一条：
阿司匹林 – 下调表达 – COX-2不需要改表结构，不需要写 migration，直接插入。这就是 RDF 的“schema-last”哲学——先有数据，再有模型。我记得第一次跟药企的数据架构师聊这个时，他们惊呼“那我不需要提前设计几十个表了？！” 确实，但这也会带来查询效率隐患——所以我们才需要 SPARQL 来高效检索这张网。