1 引言
生物信息学是一门新兴学科。随着人类基因计划的开展，尤其是测序技术的发展，基因组学每天都要产生数以“T”计的海量数据。GenBank数据库是美国国家生物技术信息中心的DNA序列总数据库。截至2017年，仅记录在GenBank中的DNA序列总量就已超过了70亿个碱基对。毫无疑问，生物大数据的积累会愈发增多。GEO（GeneExpression Omnibus）是美国国家生物技术信息中心（NationalCenter for Biotechnology Information，NCBI）下的基因表达数据库，GEO中已存储了3848个数据集，包括1618438个样本的基因表达、基因芯片、蛋白质结构信息等数据。而在这些数据的基础上派生、整理出来的数据库已超过500个。图1统计了GEO中从2000年到2015年存储样本数据的变化情况。
显然，这些数据必须经过整理、分析才能给人们带来收益。对于海量数据，分析手段主要是整合、评价和挖掘。本文将基于模糊综合评判和数据包络分析，提出一种针对生物信息大数据的数据分析方法。
2 理论模型和方法
2.1 模糊评判
模糊综合评判是决策论中最常用的一种方法。在实际中，常常需要对一个事物做出评价，而评价往往涉及多个因素或多个指标，此时就要求根据这些因素对事物做出综合评价。这些因素并不都是确定性的，具有随意性和模糊性。模糊综合评判是以模糊数学为理论基础发展而来的一种方法。
2.2 数据包络分析
在DEA中一般称被衡量绩效的组织为决策单元（decisionmaking unit，DMU）。假设各决策单元的输入数据和输出数据由图2给出。
这就是某蛋白质在四个因素的评价结果。该蛋白质在两个受体上的活性和水溶性表现较好，但是纯度和形状这两个因素导致贡献度较差。因此，可以从提高纯度和改变形状这两方面着手，研发下一代蛋白质合成技术。
4 结论
本文基于DEA理论的模糊综合评判方法，提出了基于DEA模型的生物信息大数据模糊综合评判方法。以某蛋白质对提高人体免疫力贡献度的评价为例进行了算例验证，算例表明该方法克服了模糊综合评判方法的缺点，更具客观性，计算效率高。
参考文献
[1]任艳姣．生物信息学数据整合的应用研究[D]．长春：吉林大学，2012.
[2]Benson D A， Karsch-Mizrachi I，LipmanD J，et al．GenBank[J]．Nucleic Acids Research，2000，28（1）.
[3]杨纶标，高英仪，凌卫新．模糊数学原理及应用[M]．5版．广州：华南理工大学出版社，2011.
[4]谢季坚，刘承平．模糊数学方法及其应用[M]．2版．武汉：中华科技大学出版社，2000.
[5]黄朝峰．高效办学效益模糊DEA评价[M]．北京：中国经济出版，2009.
[6]魏权龄．数据包络分析[M]．北京：科学出版社，2004.
[7]马占新，等．基于模糊综合评判方法的DEA模型[J]．糊系统与数学，2001，15（3）.
[8]N. Adler，L．Friedmanand Z. Sinuany-Stern，Review of ranking method indata envelopment analysiscontext[J]．EuropeanJournalofOperational Research，2002，（140）.
[9]P.Andersen and N.C. Petersen， A procedure for rankingefficient units in data envelopment analysis[J]．ManagementScience，1993，39（10）.
[10]杜东．第八届中国青年运筹信息管理学者大会论文集[C]．桂林：基于DEA模型的模糊综合评判方法，2006．
[11]李冠．顾客满意度的模糊DEA评价[J]．山东科技大学学报（自然科学版），2001，20（4）．
[12]杜东．模糊DEA方法及其在人才评价中的应用[J]．运筹管理与21世纪的中国[A].北京：宇航出版社，1997．
[13]姜启源，谢金星，叶俊.数学模型[M]．3版．北京：高等教育出版社，2003.
（盖州市第一高级中学）
