目前基础医学研究与临床治疗之间不能建立有效关联,基础医学最新的研究成果不能快速应用到临床实践中,由此,国际医学领域提出了转化医学的概念。由于生物信息学数据的多样性、复杂性和海量性,转化医学的实现需要综合多种异构的生物学数据库中的数据进行统一的处理、分析和整合。本论文的主要研究内容是面向转化医学的生物学数据的分析和集成。论文首先分析了转化医学研究和生物信息学数据库的特点和发展趋势,指出了实现转化医学需要解决的数据存储、统一注释、数据分析等问题。然后提出了面向转化医学的统一生物数据模型,该模型采用实体关系-实体属性值混合存储模型来解决转化医学研究中数据种类多、数据属性不确定的问题,并保证了一定的数据查询效率。论文通过一个基于基因本体论的统一语义框架解决转化医学集成的不同数据库之间的语义异构问题。论文在对比目前常用的几种生物数据库搜索算法的基础上,提出了一种基于后缀树的相似性搜索算法ST_Index算法,该算法采用以后缀树为基础的索引表来加快搜索速度并通过分块局部查找以保证搜索的敏感度。实验证明,该算法在敏感度和效率方面比BLAST算法有一定的优势,从而为转化医学中组学分析和序列比对提供了一种快速有效的搜索方法。论文最后通过一个实例分析了转化医学的研究内容并设计了面向转化医学的数据融合系统及其数据库概念模型,然后结合疾病诊断、数据查询和生物标志物的筛选分析了数据融合的应用。生物学数据在融合过程中,使用统一的数据模型,可为转化医学研究中对相关的基因组学、蛋白组学、临床组学等多种组学数据进行有效整合提供技术参考,从而在基础医学的研究和临床实践之间建立快速转化的桥梁,可促进转化医学的尽快实用。