提出生物数据学（造词biodatatics），概括其类脑生态基础理论，即全流程数据活动机制DCSAE（多样兼顾，环节衔接，安全共享，权责一致，生态使能）。

赵秀举、曹慧（20级研）. Linking research of biomedical datasets. Briefings in Bioinformatics, Review,

文章体现想法；同时，想法不值钱，唯有把多个想法理论化和系统化。

远缘融合统计物理学（标度和重正化群理论）、生物信息学（侧重变量）、数量经济学（联立方程模型、时间序列）、生物统计学（样本推断总体、无效假设和混合模型）、流行病学（侧重样本和时点）、数据学（小、大和快、深和图数据，零试样本）、人工智能（模式识别、机器学习、知识表示与处理）与法理学，总结自己在发育健康营养多组学大数据方面的研究结果，于2020年6月提出生物数据学这一交叉学科。

生物数据学Biodatatics/BioDataScience是以生物（微生物、植物、动物、人）时空28-29多样性［知识图谱atlas/knowledge graph］数据（变量、样本、时点）为对象，以假设推断、预测发现算法（人工智能、区块链、端网云边群）为手段，以安全发育健康营养为内容和目标的一门一级交叉学科。包括生物多样性、流行病学+组学、生物全数据学、生理与病理预测因素学、生物+经济社会、装配生物学和生物数据学基础理论等二级学科。

多样化数据集通过原生类脑方式整合共享。数据环节，可以概括为设计、采样、预处理与分析和治理，不同数据环节通过应用程序接口、软件开发包等衔接，以混合事务分析处理等方式兼顾深度计算、海量存储和高并发通讯。匿名化和去标识化，对抗训练，高性能图计算，图查询语言，实现数据安全共享。以比例原则分配不同数据参与方的权利与义务、权力与职责。数据在使用中升值，不同数据参与方都能从中获益，形成数据生态系统。