随着大数据获取与检测技术的快速发展,生物医学研究正全面进入“组学时代”,以实现从医学数据积累到医学知识挖掘的转变。其具体体现于以精准化研究模式,为医学领域提供更有价值的信息。这客观上需要应用、改进、研发数据挖掘分析方法,使得基于医学大数据提取及识别具有指导价值的关键知识信息。可见,数据挖掘分析为医学组学研究提供了方法学基础,是大数据背景下精准医疗的关键技术,因而成为领域内的关注焦点。目前传统医学研究方法远不能阐明复杂疾病发生发展机制,导致难以研发有效治疗方法。而大脑又是全世界最精密、最灵敏的器官,其患病涉及复杂的病理过程,其发生发展机制未被完全阐明。对此,本文探讨应用于医学组学研究的数据挖掘策略方法,通过整合、优化、创新数据挖掘分析方法,针对脑部疾病（创伤性脑损伤和缺血性中风）的大鼠实验模型,开展实验样本的组学研究（代谢组学与蛋白质组学）,以揭示脑部疾病病理生理学的创新信息特征,为探究组学生物学意义研究提供新视角。本文的主要内容及创新点如下:（1）提取创伤性脑损伤模型大鼠血浆,获取代谢组学实验数据,借助数据挖掘分析平台,通过多元统计、变量选择、富集分析和单变量分析等数据挖掘策略方法,建立创伤性脑损伤疾病识别分类模型,筛选、分析并验证包含疾病特征关联的具有统计学意义的生物代谢关键信息。基于该策略,挖掘结果揭示涉及创伤性脑损伤疾病进展的代谢机制新证据。（2）提取缺血性中风模型大鼠脑组织,获取定量蛋白质组学实验数据,通过显著性差异判断、本体论、蛋白质网络分析和富集分析等数据挖掘策略方法,基于数据挖掘分析方法,发现疾病相关的具有统计意义的表达蛋白质信息,并揭示关联蛋白质间的相互作用关系及其生物学功能诠释,探究和验证缺血性中风病理生理学机制的蛋白质组学新证据基础。（3）通过对创伤性脑损伤大鼠实验模型的血浆代谢组学数据构建了VISSA-PLSDA新算法,实现对变量选择的优化配置,并通过变量选择、多元统计和富集分析等数据挖掘策略方法,此策略捕获传统方法无法揭示的涉及疾病病理生理学进程的代谢产物信息,建立更为精准和可靠的判别模型,提高诊断复杂疾病的效率,同时揭示创伤性脑损伤病理生理机制的生物学意义,解析和验证代谢产物参与创伤性脑损伤疾病的作用过程研究新参考。（4）提出一种分析模式-数据挖掘串联分析研究策略,通过多元统计、变量选择、富集分析、数据库关联分析、变量选择和富集分析等数据挖掘策略,针对创伤性脑损伤模型大鼠脑皮质及海马组织的代谢组学数据,建立不同组学数据（代谢组学-蛋白质组学）之间的关联。此挖掘策略在节省大量时间和研究成本的同时,扩展和丰富单组学数据的挖掘价值,并避免多源数据间的关联性仅来自计算机分析结果。基于该策略,筛选出不同脑组织（皮质和海马）的参与创伤性脑损伤病理生理学失调的代谢产物,并挖掘出不同脑组织的代谢产物关联的蛋白质及诠释其生物学功能,预测创伤性脑损伤生理病理机制中多个组学间的关联性作用,提供创伤性脑损伤病理生理学机制更为全面和动态的新数据。