Jub：面向生命科学与健康医疗的可扩展通用大数据平台，实现数据向洞察的转化

《Scientific Reports》：Turning data into insights in Jub, an extensible generic big data platform for life science and healthcare applications

为解决传统生命科学与健康医疗数据平台（LSHDP）在可编程性、配置性、适应性及韧性（PCA-FAIR-R）方面的不足，研究人员开发了Jub平台。该平台基于通用沙盒模型，通过配置化方法自动将数据集转化为海量信息产品，并构建了16个战略数据观测站。案例研究表明，Jub能够有效整合异构数据，揭示健康与环境因素间的潜在关联，为数据驱动决策（DDDM）提供了强大支持。

　　

在生命科学与健康医疗领域，数据正以前所未有的速度增长。从人口死亡登记、环境污染物监测到医学影像，这些海量数据蕴含着推动科学发现和公共卫生决策的巨大潜力。然而，将这些异构数据转化为可操作的洞察却面临着严峻挑战。传统的数据驱动决策（Data-Driven Decision-Making, DDDM）过程通常需要依赖特定的云服务提供商，这不仅可能导致供应商锁定（Vendor Lock-in），还使得组织难以对数据和流程保持完全的控制权。此外，现有的数据平台往往缺乏灵活性，难以适应不同研究领域的需求，数据融合能力有限，且难以确保数据的可查找、可访问、可互操作和可重用（FAIR）原则。

为了应对这些挑战，来自墨西哥Cinvestav Tamaulipas、圣路易斯波托西自治大学等机构的研究团队开发了Jub。这是一个基于通用沙盒模型的生命科学与健康医疗数据平台（Life Science and Healthcare Data Platform, LSHDP），旨在通过自动化、透明化的方式，将原始数据集转化为海量信息产品，并构建可配置、可扩展的云端观测站。该研究于2025年12月19日在线发表于《Scientific Reports》杂志。

关键技术方法

研究人员开发了Jub平台，其核心架构基于微服务设计，包含Jub Core（核心协调服务）、Jub Lake（混合存储层）、Jub Registry（资产注册中心）和Jub GUI（图形用户界面）等模块。平台采用分层、分面分类系统，通过配置化方法（如JSON/YAML文件）定义观测站，而非硬编码，实现了领域无关的通用数据模型。在案例研究中，团队整合了来自墨西哥政府卫生信息总局（DGIS）的ICD-10（国际疾病分类第10版）死亡率数据集（2000-2022年）和墨西哥城自动大气监测网络（RAMA）的空气污染物数据集（2004-2022年），利用Jub平台构建了死亡率与污染物观测站，并生成了海量信息产品进行探索性分析。

研究结果

Jub平台架构与核心特性

Jub平台的设计核心是“沙盒”（Sandbox）概念。每个沙盒都是一个独立的软件组件，作为特定领域（如死亡率、污染物）观测站的技术基础。通过沙盒，Jub实现了对FAIR原则的扩展，即PCA-FAIR-R特性：

• •
  可编程性（Programmable, P）：观测站通过代码（基础设施即代码、策略即代码）进行管理，无需云服务提供商干预。
• •
  可配置性（Configurable, C）：通过高级代码定义观测站变量，允许数据集修改、融合和合并。
• •
  适应性（Adaptable, A）：对数据集、接口或方法的更改是动态和在线进行的，不同于传统的静态观测站。
• •
  韧性（Resilient, R）：安全协议和策略确保数据控制，减少供应商锁定，增强容错能力、安全共享和可重复性。

案例研究：墨西哥癌症死亡率与空气污染物的关联分析

为了验证Jub平台的实用性，研究团队开展了一项案例研究，旨在探索墨西哥癌症死亡率与空气污染物之间的潜在关联。

• •
  数据整合与观测站构建：研究整合了ICD-10死亡率数据集和空气污染物数据集。Jub平台自动处理了这些异构数据，并构建了两个观测站：ICD10-Mortality和Air Pollutants。
• •
  死亡率模式分析：通过Jub-GUI界面，研究人员首先分析了2022年墨西哥的死亡分布。结果显示，癌症（ICD-10分类中的“C”类）占总死亡人数的10.6%。进一步分析发现，乳腺癌（C50）和前列腺癌（C61）是导致癌症死亡的主要原因。空间分析显示，乳腺癌死亡率在墨西哥北部边境、瓜达拉哈拉、科利马和墨西哥城（CDMX）等地较高。
• •
  污染物暴露与相关性探索：聚焦于墨西哥城，研究人员发现古斯塔沃·A·马德罗（Gustavo A. Madero）等区的乳腺癌死亡率较高。同时，这些区域的PM_2.5等污染物排放量超过了政府设定的阈值。探索性分析（如皮尔逊相关矩阵）显示，在古斯塔沃·A·马德罗区，乳腺癌死亡率与NO、NO₂、PM₁₀、PM_2.5和SO₂等空气污染物之间存在正相关关系。

结论与讨论

本研究成功开发并验证了Jub平台，这是一个基于通用沙盒模型的生命科学与健康医疗数据平台。Jub通过其独特的PCA-FAIR-R特性，解决了传统数据平台在灵活性、控制权和可重复性方面的痛点。案例研究充分证明了Jub的能力，它能够高效地整合异构数据（如死亡率记录和污染物数据），构建动态、可配置的观测站，并生成海量信息产品以支持探索性分析。

Jub平台的意义在于，它使组织能够以更低的成本和更高的效率，将原始数据转化为支持决策的洞察。通过自动化数据科学服务，Jub降低了技术门槛，使研究人员和决策者能够专注于科学问题本身，而非底层技术实现。该平台的开源特性（MIT许可证）进一步促进了科学研究的可重复性和社区协作。未来，Jub有望在公共卫生监测、环境健康研究、精准医学等多个领域发挥重要作用，为数据驱动的科学发现和公共卫生决策提供强大支撑。