信息速览

数据集名称TCMSSD — 中医证候标准化数据库

数据类型结构化数据,知识库,文献数据

规模不适用（文献与公共数据库整合的证候—疾病—处方—中药—成分—靶点—药物知识库，非患者级临床队列）

接入方式《中医证候学》(Zhong Yi Zheng Hou Xue) 与《中医内科学》(Zhong Yi Nei Ke Xue) 文献 + TCMID (2.0)、ETCM、OMIM、STITCH、SWISS、DRUGBANK、PubChem 等公共数据库整合

AI 就绪度

INFOBOX — TCMSSD 一屏速览

维度内容

本质面向中医证候（syndrome）辨证的标准化综合数据库（文献 + 公共库整合，非影像/非队列）

机构浙江中医药大学（Zhejiang Chinese Medical University），通讯 Chengping Wen（温成平）

论文 Phytomedicine. 2024;128:155486（doi:10.1016/j.phymed.2024.155486；PMID 38471316）

官网 http://tcmssd.ratcm.cn （NGDC Database Commons id/9201，v1.0）

规模 624 证候 / 133,518 处方 / 8,073 疾病（含中医特病 1,843）/ 8,259 中药 / 43,413 成分 / 17,602 靶点 / 8,182 药物

方法深度学习构建知识图谱 + BM25 证候预测 + Bi-LSTM+CRF 文献实体抽取

语料《中医证候学》(Zhong Yi Zheng Hou Xue)、《中医内科学》(Zhong Yi Nei Ke Xue)

上游库 TCMID (2.0)、ETCM、OMIM、STITCH、SWISS、DRUGBANK、PubChem

功能 Syndrome Predict（证候预测）、Knowledge Graph（知识图谱）

许可论文 CC BY-NC-ND 4.0；数据库 Web 免费访问（批量许可未明示）

库内互链疾病本体（835）、Mondo（748）、HPO（747）、UniProt（37）、DrugBank（89）、ChEMBL（572）、KEGG（433）、PrimeKG（831）

TCMSSD 想解决的是一个很"中医"的难题：同一个病人，十位中医可能辨出十种证。证候（syndrome）是中医诊疗的核心概念，却长期依赖医师的望闻问切与个人经验推理，难以客观化、标准化、量化。TCMSSD 的思路是把散落在古籍文献与现代数据库里的证候知识"收拢成一张网"：以 624 个证候为枢纽节点，串起 8,000 多种疾病、13 万余首处方、8,000 多味中药、4 万多个成分、1.7 万多个靶点和 8,000 多种药物，再用深度学习知识图谱和 BM25 检索算法，把"凭经验辨证"变成"可检索、可预测"的标准化过程。

它不是一个临床队列数据集，也不是影像数据集，而是一座中医药知识的"关系型图书馆"——对中医现代化、网络药理学和中西医结合研究都有直接价值，同时也是中医自然语言处理（文献实体抽取）与知识图谱工程的一个真实语料样本。

导语读法三则：

只想知道它是什么、有多少数据：直奔 §1 速览与 §2 数据构成，两分钟拿到全部硬数字。
关心方法（怎么做证候预测）：直奔 §4 方法与 §5 证候预测，看知识图谱 + BM25 + Bi-LSTM/CRF 三件套。
关心怎么用、许可与坑：直奔 §6 获取与许可、§9 与库内条目的关系、§10 避坑清单，落地之前先读这三段。

§0 导读：这个数据库解决什么问题

0.1 一句话问题陈述

中医的"证候"（syndrome）与西医的"疾病"（disease）是两套不同的分类系统：前者描述的是疾病在特定阶段、特定体质下的状态与反应，后者描述的是病因病理实体。长期以来，证候的判定高度依赖医师经验，不同医师面对同一患者可能给出不同证候，这给证候的客观化、标准化与量化研究带来根本挑战。

与此同时，绝大多数现有数据库（TCMID、ETCM 等）主要聚焦中药处方的网络药理学——即"哪味药作用于哪个靶点"，而专门围绕"证候辨证"本身构建的数据库寥寥无几。TCMSSD 正是为填补这一空白而生。

0.2 它填的是哪一块空白

空白一：证候为枢纽。现有库多以"药"或以"方"为枢纽；TCMSSD 以"证候"为枢纽，反查疾病、处方、中药、成分、靶点、药物。
空白二：文献语料结构化。把《中医证候学》《中医内科学》等教材文献中的证候知识抽取为结构化实体，而非仅做网络药理可视化。
空白三：可预测。内置证候预测工具，让"输入表现 → 输出证候"成为一个可调用的功能，而非仅静态查阅。
空白四：中西医对接。把中医证候与西医疾病、分子靶点放在同一张知识图谱里，为"证候生物学基础"研究铺路。

0.3 与"影像/队列大数据集"的根本区别

检索者常误以为带 “Database/Dataset” 的都是"一堆样本文件"。TCMSSD 的不同在于：

维度	TCMSSD	典型影像数据集（如 MIMIC-CXR、CheXpert）
数据形态	结构化知识（实体 + 关系）	影像/文本文件
单位	证候/处方/中药/成分等知识条目	患者/影像/检查
规模口径	条目数（624 证候等）	样本数（张/例）
主任务	证候预测（检索式分类）	分类/分割/报告生成
隐私	不涉患者隐私（文献 + 公共库）	涉去标识患者数据
获取	Web 界面免费访问	多数需申请/协议

理解这一点，才不会用"下载多少 GB"的尺子去量它。

0.4 这篇条目怎么读

本条目按"是什么 → 有什么 → 怎么建 → 怎么用 → 有什么坑"推进。§1 十问十答给最省时间的答案，之后各节逐层展开。凡涉一手不可得的数字，一律在 §9 存照，不臆造。

§1 数据库速览：十问十答

Q1：TCMSSD 是什么？
一个聚焦中医证候标准化与量化的综合数据库，由浙江中医药大学构建，2024 年发表于 Phytomedicine。

Q2：它面向什么任务？
中医证候辨识（辨证）的标准化与证候预测（syndrome prediction）。

Q3：它有多大？
624 证候、133,518 处方、8,073 疾病（含 1,843 中医特病）、8,259 中草药、43,413 成分、17,602 靶点、8,182 药物。

Q4：数据从哪来？
中医教材文献（《中医证候学》《中医内科学》）+ 7 个公共数据库（TCMID 2.0、ETCM、OMIM、STITCH、SWISS、DRUGBANK、PubChem）。

Q5：用了什么方法？
深度学习构建知识图谱，BM25 算法做证候预测，Bi-LSTM+CRF 做文献命名实体识别。

Q6：官网在哪？
http://tcmssd.ratcm.cn （NGDC Database Commons 收录 id/9201）。

Q7：怎么获取？
Web 界面免费访问，站内提供证候预测与知识图谱工具；批量下载许可未单独声明。

Q8：论文怎么引用？
Huang L, et al. Phytomedicine. 2024;128:155486. doi:10.1016/j.phymed.2024.155486（PMID 38471316）。

Q9：它和 SymMap 有什么不同？
SymMap 主打"证候—症状—草药成分—靶点"关联映射（2018 NAR）；TCMSSD 以证候为枢纽、规模更大、并内置 BM25 证候预测工具。

Q10：最大价值是什么？
把"凭经验辨证"变成"可检索、可预测、可与西医分子层对接"的标准化知识，为证候生物学基础研究奠基。

1.1 硬数字一览表

实体类型	数量	备注
证候 Syndromes	624	库的枢纽节点
处方 Prescriptions	133,518	中医方剂
疾病 Diseases	8,073	含中医特病 1,843；西医 6,230
中草药 Chinese Herbal Medicines	8,259	中药饮片/药材
成分 Ingredients	43,413	化学成分
靶点 Targets	17,602	分子靶点
药物 Drugs	8,182	西药/现代药物

注：疾病"8,073 = 西医 6,230 + 中医特病 1,843"为官网拆分口径，与论文合并口径一致（详见 §9 存照）。

1.2 关键版本与时间点

2024：数据库创建（NGDC Year founded）
2024-02-27：论文在线首发（Europe PMC）
2024-06：卷期（Phytomedicine Volume 128, June 2024）；数据库 Last update 2024-06
2024-07-15：NGDC Database Commons 收录建条
v1.0：当前版本号

§2 数据构成与规格

2.1 七大板块总览

TCMSSD 的数据组织可概括为"一个枢纽、七类实体、多层关联"。官网首页将其描述为围绕主要板块展开；Data Statistics 面板则列出 8 个统计类目。综合来看，库内实体可分七大类：

#	板块	中文	数量	角色
1	Syndromes	证候	624	枢纽（辨证核心）
2	Diseases (Western Medicine)	西医疾病	6,230	疾病端（现代医学）
3	Diseases (TCM)	中医疾病/特病	1,843	疾病端（中医口径）
4	Prescriptions	处方	133,518	方剂端
5	Chinese Herbal Medicine	中草药	8,259	药味端
6	Ingredients	成分	43,413	化学端
7	Drugs	药物	8,182	现代药物端

此外还包含 Targets（靶点）17,602 与 Proteins（蛋白） 类目（官网首页另述"7 main sections"时把 Proteins 与 Targets 作为分子层一同纳入），构成从"证候"到"分子"的完整链路。

2.2 证候：624 个枢纽节点

证候是 TCMSSD 的枢纽。中医证候是疾病在特定阶段与特定体质下呈现的"状态类型"，例如气虚证、血瘀证、肝郁气滞证等。624 个证候覆盖了中医内科学、证候学教材与文献中的主要证型，是连接处方、中药、疾病与分子的核心索引。

为什么以证候为枢纽？ 因为 TCMSSD 的目标是证候的标准化与量化。以证候为入口，研究者可以问：“气虚证通常配伍哪些处方？涉及哪些中药与成分？对应哪些西医疾病与靶点？”——这正是从"证"到"分子"的反查路径。

2.3 处方与中药：133,518 / 8,259

处方（133,518）：中医方剂，是"药味组合"的载体。以证候—处方关联，可研究"某证候的常用方"。
中草药（8,259）：单味中药，是处方的组成单元。以处方—中药关联，可拆解方剂的药味构成。

两者构成"方—药"两层结构，向上接证候，向下接成分与靶点。

2.4 成分与靶点：43,413 / 17,602

成分（43,413）：中药化学成分（如生物碱、黄酮、皂苷等），是网络药理学分析的基本单元。
靶点（17,602）：成分所作用的分子靶点，是连接中医药与现代分子生物学的接口。

这一层是 TCMSSD 与 TCMID、ETCM 等网络药理学库的共通之处——但 TCMSSD 的差异在于把这些分子信息反挂回证候枢纽，而非仅停留在"药—靶"。

2.5 药物与疾病：8,182 / 8,073

药物（8,182）：现代药物（西药），与靶点关联，便于中西医结合式的对照分析。
疾病（8,073）：含西医疾病 6,230 与中医特病 1,843。中西医疾病混列，是库"中西医对接"设计的直接体现。

2.6 数据来源与整合链

论文 Methods 与官网 Introduction 一致说明数据来自两条主线：

主线一：中医文献语料

《中医证候学》（Zhong Yi Zheng Hou Xue）
《中医内科学》（Zhong Yi Nei Ke Xue）

这两部教材提供了证候、疾病、方剂与辨证知识的文本基础，通过 Bi-LSTM+CRF 等深度学习命名实体识别方法抽取为结构化实体。

主线二：公共数据库整合

TCMID（含 TCMID 2.0）：中医药整合数据库
ETCM：中药百科全书/网络药理学库
OMIM：人类孟德尔遗传（基因—疾病）
STITCH：化学—蛋白互作
SWISS（Swiss-Prot/UniProt）：蛋白序列与注释
DRUGBANK：药物—靶点—通路
PubChem：化学分子

两条主线在库内统一实体命名后合并入图，形成跨库一致的知识网络。

2.7 规格小结

维度	说明
数据形态	结构化知识（实体 + 关系 + 属性）
主键粒度	证候/处方/中药/成分/靶点/药物/疾病名或 ID
关联类型	证候—疾病、证候—处方、处方—中药、中药—成分、成分—靶点、靶点—药物等
访问方式	Web 在线检索/浏览
语言	中文为主（中医术语），兼含英文名与公共库 ID
适配性	知识图谱构建、网络药理学、证候预测、中医 NLP

§3 机构、团队与谱系

3.1 构建机构

机构：浙江中医药大学（Zhejiang Chinese Medical University），位于浙江省
PI/通讯作者：Chengping Wen（温成平），联系邮箱 wengcp@163.com
国家/地区：中国

浙江中医药大学是中医证候研究与中西医结合研究的重要机构，TCMSSD 的构建与其"证候标准化/生物学基础"研究方向一致。

3.2 作者团队

论文共 15 位作者：

序号	作者	说明
1	Lin Huang	一作
2	Qiao Wang	共同一作（#）
3	Qingchi Duan	共同一作（#）
4	Weiman Shi
5	Dianming Li
6	Wu Chen
7	Xueyan Wang
8	Hongli Wang
9	Ming Chen
10	Haodan Kuang	单位标注 d
11	Yun Zhang
12	Mingzhi Zheng	单位标注 c
13	Xuanlin Li
14	Zhixing He
15	Chengping Wen	通讯/PI

说明：Europe PMC 作者信息中 Lin Huang 标 a/b、多数作者标 a/b，Haodan Kuang 标 d、Mingzhi Zheng 标 c。上标 c/d 对应单位名未在可及来源展开（见 §9 遗留疑点 4），本条目不臆造。

3.3 谱系位置：中医药数据库家族

TCMSSD 是"中医药数据库家族"的一员，与以下库构成谱系关系：

TCMID / TCMID 2.0：中医药整合数据库，TCMSSD 的上游数据来源之一。
ETCM：中药百科全书与网络药理学库，同为上游来源。
SymMap（2018 NAR）：中医药证候关联数据库，收录 2015 版中国药典 499 种草药、1,717 个中医证候，并将中医症状对应到 961 个西医症状，同时收录 5,235 个关联疾病、19,595 个草药成分、4,302 个药物靶点。SymMap 与 TCMSSD 目标最接近，是理解 TCMSSD 定位的最佳参照。
DRUGBANK / PubChem / OMIM / STITCH / SWISS：现代生物医学公共库，提供分子层与遗传层数据。

与 SymMap 对比，TCMSSD 的特征是：规模更大、以证候为枢纽、并内置 BM25 证候预测工具。

3.4 领域坐标

从更大的坐标系看，TCMSSD 处在三条线的交汇处：

中医现代化线：证候的客观化、标准化、量化研究。
网络药理学线：中药—成分—靶点—通路的多靶点分析。
知识图谱/NLP 线：用深度学习从文献抽取实体、构建图、做检索式预测。

它的独特性在于把三条线的交汇点锚定在"证候"这个中医特有的概念上——这既是价值，也是难度所在。

§2 补充：数据实体细读

2.8 证候的标准名与异名问题

中医证候的命名在文献中并不统一。同一个临床状态，在不同教材与流派中可能有不同叫法。TCMSSD 采用《中医证候学》等教材体系作为抽取基准，因此其 624 个证候反映的是特定教材口径下的标准化结果，而非全中医界的完整枚举。

对使用者的三点提示：

同名不同义：少数证候名在不同体系下所指略有差异，跨库合并时需注意。
异名同义：库内抽取以教材用语为准，口语化或地方化表述可能无法直接命中。
层级关系：部分证候存在上位/下位关系（如"阴虚证"与"肝肾阴虚证"），检索时应考虑层级扩展。

2.9 处方与中药的粒度

处方（Prescription） 在库中通常表示一首方剂（含组成药味），是"证候—药味"之间的桥。
中草药（Chinese Herbal Medicine） 是单味药，既可作为处方的组成，也可单独与成分、靶点关联。

这一"方—药"两层设计，使得库同时支持两类查询：

方剂视角：某证候常用哪些方？（证候 → 处方）
药味视角：某味药出现在哪些方、关联哪些成分与靶点？（中药 → 成分 → 靶点）

2.10 成分与靶点的化学—生物接口

成分（Ingredient） 层是中药化学成分的集合，是网络药理学分析的起点。靶点（Target） 层则是成分作用的分子节点。

从成分到靶点的关联，使 TCMSSD 具备了回答下列问题的能力：

某味中药的主要活性成分有哪些？
这些成分共同作用于哪些靶点？
这些靶点富集在哪些通路（需外接 KEGG/Reactome 分析）？

需要强调的是，这类关联多来自公共库（STITCH、PubChem、DrugBank 等）的既有数据整合，其证据强度因来源而异，使用者应追溯原始来源再下结论。

2.11 药物与疾病的桥梁作用

药物（Drug, 8,182） 与 疾病（Disease, 8,073） 两层的存在，是 TCMSSD 区别于纯中医药库的关键：

药物层让库能与现代药理学（DrugBank、TTD、DGIdb）直接对话；
疾病层让库能与疾病本体（Disease Ontology、Mondo、OMIM）对齐。

由此，研究者可以做"中医证候 → 关联中药成分 → 成分靶点 → 对应现代药物/疾病"的跨范式串联——这正是"中西医对接"从口号落到数据层面的方式。

2.12 关联关系的类型学

库内关系（边）大致可分以下几类：

关系类型	示例	来源
证候—疾病	某证候见于某病	文献抽取
证候—处方	某证候常用某方	文献抽取
处方—中药	某方由某药组成	文献 + 公共库
中药—成分	某药含某成分	TCMID/ETCM
成分—靶点	某成分作用于某靶点	STITCH/PubChem
靶点—药物	某靶点被某药作用	DrugBank/TTD
疾病—基因	某病关联某基因	OMIM/DisGeNET

这些关系共同构成一张多层次异质网络，是知识图谱工具可视化的对象，也是各类图分析（路径、中心性、社区发现）的输入。

2.13 数据质量的影响因素

用 TCMSSD 做研究时，以下质量因素会直接影响结论：

抽取误差：文献 NER 的漏抽/误抽会遗漏或污染实体。
对齐误差：跨库实体对齐若错配，会在图中传播错误关联。
来源偏倚：公共库对"热门"药/靶点覆盖更全，冷门内容稀疏。
时效性：公共库更新后，TCMSSD 若未同步，会有版本差。

建议在使用前，对关键子图做抽样人工核验，并记录所引公共库的版本时点。

2.14 与同类资源的字段对照（定性）

字段	TCMSSD	典型网络药理学库	典型证候关联库
证候实体	有（枢纽）	少/无	有
处方实体	有	有	有
中药实体	有	有	有
成分实体	有	有	有
靶点实体	有	有	有
药物实体	有	部分	部分
疾病实体	有（中西医）	部分	有
预测工具	有（BM25）	少	少

此表为定性对照，帮助读者快速定位 TCMSSD 在家族中的差异化特征。

§2 补充二：可用性评估视角

2.15 AI-Ready 光谱上的位置

"AI-Ready"并非二元属性，而是一条光谱。TCMSSD 在光谱上的位置可这样刻画：

结构化程度：高（实体—关系—属性齐备）。
机器可读性：中高（Web 界面为主，缺标准批量导出 API）。
许可明晰度：低（数据许可未单独声明）。
文档完备度：中（有论文与官网，缺细粒度 schema 文档）。
评估透明度：低（预测工具无公开指标）。

综合而言，TCMSSD 是"结构就绪度高、许可与评估就绪度低"的典型代表。它适合作为知识来源与检索工具，但要作为大规模训练数据，仍有一道许可与治理的门槛。

2.16 与"可下载数据集"的工作流差异

环节	可下载数据集	TCMSSD（Web 数据库）
获取	下载压缩包/API	在线检索/浏览
本地处理	直接读取	需人工导出或爬取
版本管理	版本号/哈希	依赖官网更新声明
复现	高	受在线稳定性影响
许可	通常明确	未明示

理解这一差异，能避免"下载按钮找不到"式的困惑（见 §10 坑 1）。

2.17 对中医 NLP 研究者的价值

对做中医文本处理的研究者，TCMSSD 提供了一个实体与关系齐备的现成知识源，可用于：

实体链接：把文献中抽取的证候/药名链接到标准实体。
关系抽取验证：用库内关系作为远监督/弱监督信号。
知识增强：为中医问答或辨证辅助模型注入结构化知识。
图谱对齐：把中医子图与其他生物医学图谱对齐，做跨域推理。

这些用途都受益于库的结构化优势，但同样受许可条款约束。

§4 方法：知识图谱如何搭起来

4.1 三件套总览

TCMSSD 的技术栈可概括为三件套：

组件	技术	作用
实体抽取	深度学习 NER（Bi-LSTM + CRF）	从中医文献语料抽取证候、疾病、方剂、中药等实体
知识组织	知识图谱（knowledge graph）	把多源实体与关系组织为可查询的图结构
证候预测	BM25 算法	基于输入描述检索/排序证候候选

论文摘要明确：“we employ a deep learning approach to construct the knowledge graph and utilize the BM25 algorithm for syndrome prediction.”

4.2 为什么用 Bi-LSTM + CRF 抽实体

中医文献的实体抽取难度很高：

术语边界模糊：证候名常含描述性词组（如"肝肾阴虚火旺证"），边界不规整。
同义异名多：同一证候在不同文献可能写法不同。
嵌套与长实体：药名、方名、症状名可能嵌套或重叠。

Bi-LSTM（双向长短期记忆网络） 能同时利用实体前后文信息，CRF（条件随机场） 则在序列标注层保证标签序列的全局合法性（例如"B-证候"后接"I-证候"而非孤立标签）。二者组合是中文医学命名实体识别的经典方案，论文 Abbreviations 段将其列为关键缩写，说明其在方法链中承担文献结构化抽取的角色。

4.3 知识图谱的构建逻辑

从论文与官网可归纳的构建逻辑：

抽取：从《中医证候学》《中医内科学》等文献抽取实体与关系。
规范：统一实体命名，对齐公共库 ID（如靶点对齐 Swiss-Prot/UniProt、药物对齐 DrugBank、疾病对齐 OMIM）。
整合：并入 TCMID 2.0、ETCM、OMIM、STITCH、SWISS、DRUGBANK、PubChem 的实体与关系。
建图：以证候为枢纽，建立证候—疾病—处方—中药—成分—靶点—药物的多层图。
应用：在图上提供检索、可视化（Knowledge Graph 工具）与证候预测（Syndrome Predict 工具）。

4.4 与网络药理学库的方法差异

维度	传统网络药理学库（TCMID/ETCM 式）	TCMSSD
枢纽	药/方/靶点	证候
核心图	药—成分—靶点—通路	证候—疾病—方—药—成分—靶点—药物
文本抽取	侧重化学/靶点数据	显式引入文献 NER（Bi-LSTM+CRF）
预测功能	少	BM25 证候预测
面向问题	药为什么有效	证候如何标准化与预测

TCMSSD 并非取代网络药理学库，而是在其分子层之上加了一层"证候语义层"。

4.5 方法学注意点

实体对齐质量决定全库质量：跨 7 个公共库的实体对齐若有误，会沿图传播。
文献抽取受教材口径约束：抽取结果反映的是所引教材的证候体系，非全中医界共识。
BM25 是检索式预测：它基于词项匹配与统计权重排序候选证候，不建模深层病理机制——理解其能力边界很重要（详见 §5）。

§5 证候预测：BM25 工具的能力与边界

5.1 工具做什么

官网与论文均描述内置 Syndrome Predict（证候预测） 工具：用户输入临床表现/描述数据，工具将其与库内记录的证候"模式与特征"比对，基于既有相关性生成证候预测。

论文原文：“By analyzing input data and comparing it with the patterns and characteristics recorded in the database, the syndrome prediction tool generates predictions based on established correlations and patterns.”

5.2 为什么选 BM25

BM25（Okapi BM25） 是信息检索领域的经典排序函数，核心思想是：给定查询，按词项频率（TF）、逆文档频率（IDF）与文档长度归一化对候选文档打分排序。

用于证候预测的直觉是：把"输入的患者表现描述"当作查询，把"库内每个证候的特征描述"当作文档，BM25 给出与输入最匹配的证候候选排序。其优点是：

简单、可解释、无需训练：直接基于词项匹配，便于部署与理解。
对稀疏特征稳健：中医术语词汇量大，BM25 的 IDF 加权能突出区分性词项。
可快速迭代：无需模型微调即可上线。

5.3 能力边界（诚实说明）

BM25 是词项匹配式检索，不是临床推理模型，其边界包括：

不理解语义等价：若输入表述与库内特征用词不一致，即使医学上等价也可能漏配（除非做过同义词扩展）。
不建模因果/机制：它回答"最像哪个证候"，不回答"为什么"。
依赖库内特征质量：预测上限由证候特征描述的完备性决定。
非诊断工具：结果应视为"候选提示"，不能替代医师辨证。

论文摘要未公开该工具在独立测试集上的准确率/召回等量化指标；本条目不收录臆测数值（见 §9 遗留疑点 1）。

5.4 与规则/机器学习辨证方法的位置

中医证候辨识的既有方法谱系大致包括：

方法族	代表	与 TCMSSD 工具的关系
规则/专家系统	基于证候诊断标准的规则库	TCMSSD 用检索式替代硬规则
统计/机器学习	逻辑回归、SVM、随机森林	TCMSSD 未采用监督分类，而用检索排序
深度学习	BERT 类中医文本模型	TCMSSD 深度学习用于建图而非辨证分类
检索式	BM25	TCMSSD 的选择

这一选择意味着 TCMSSD 的证候预测更偏向"可解释的知识检索"，而非"黑箱分类"。对强调可追溯的中医场景，这是一种务实取舍。

5.5 使用建议

作为研究工具：用 BM25 输出做候选证候的召回，再由研究者人工核验。
作为知识入口：由预测结果跳转知识图谱，查看该证候关联的处方、中药、成分与靶点。
不作为临床决策依据：任何自动化证候判定都应经执业中医师复核。

§6 获取与许可

6.1 访问方式

官网：http://tcmssd.ratcm.cn
NGDC Database Commons 收录条目：https://ngdc.cncb.ac.cn/databasecommons/database/id/9201
Accessibility：Accessible（NGDC 字段）
形式：Web 在线检索/浏览，站内含 Syndrome Predict 与 Knowledge Graph 两个工具
论文：Open access，CC BY-NC-ND 4.0

6.2 许可分层说明

关键区分：论文许可 ≠ 数据许可。

资产	许可	依据
论文（Phytomedicine 2024;128:155486）	CC BY-NC-ND 4.0	Crossref license 字段实抓
数据库本体（Web 界面）	Web 免费访问；批量下载/再分发许可未单独声明	官网/NGDC 未明示数据 license

因此：

在线阅读与检索：免费、可及。
批量下载、镜像、二次分发：许可状态不明确，研究者应先联系通讯作者（wengcp@163.com）确认，不可默认自由再分发。
CC BY-NC-ND 的"ND"：即使对论文，也不得演绎后再分发；引用论文数据时须遵守署名、非商业、禁演绎三条。

6.3 引用规范

学术使用应同时引用论文与数据库：

论文：Huang L, Wang Q, Duan Q, et al. TCMSSD: A comprehensive database focused on syndrome standardization. Phytomedicine. 2024;128:155486. doi:10.1016/j.phymed.2024.155486
数据库：TCMSSD, http://tcmssd.ratcm.cn （访问日期）

6.4 与库内可获取性光谱对照

在本库已收录条目中，可获取性从"完全公开直链"到"申请制"各异。TCMSSD 属于"Web 免费访问但批量许可未明示"一类，介于完全开放与严格申请之间。研究者应比照下列条目的许可策略，理解不同数据治理模式的差异：

完全开放直链型：如 UniProt（rid 37）、Gene Ontology（rid 441）等基础资源
申请/协议型：如 OMIM（rid 159）等受版权约束资源
平台浏览型：如各类在线数据库（TCMSSD 属此类）

§7 评估、对比与基准

7.1 论文的自述定位

论文结论（Conclusion）称：TCMSSD 填补了现有数据库在"证候辨证"方向的空白，为证候辨证的量化、标准化研究提供了全面资源，并为证候生物学基础研究奠定了基础。

这里的"证候生物学基础"是关键词：它意味着 TCMSSD 不只服务临床辨证，更要支撑"某个证候对应哪些分子改变"这类机制研究——这正是把证候挂到靶点/成分层的用意。

7.2 与 SymMap 的横向对比

SymMap（2018 年发表于 Nucleic Acids Research）是与 TCMSSD 最可比的数据库：

维度	SymMap (2018)	TCMSSD (2024)
期刊	Nucleic Acids Research	Phytomedicine
草药	499（2015 版中国药典）	8,259
中医证候	1,717	624
西医症状	961	—（以疾病口径）
关联疾病	5,235	8,073
草药成分	19,595	43,413
药物靶点	4,302	17,602
药物	—	8,182
预测工具	—	BM25 证候预测
建图方法	关联映射	深度学习知识图谱

怎么看这组对比？ 两者口径不同：SymMap 的证候数（1,717）高于 TCMSSD（624），但 TCMSSD 在中草药、成分、靶点、疾病上的规模均大幅领先，且新增药物层与预测工具。二者不是替代关系，而是互补：SymMap 侧重"证候—症状—成分—靶点"的映射密度，TCMSSD 侧重"证候枢纽 + 大规模分子层 + 检索式预测"。

数字来源：TCMSSD 各项取自论文/官网；SymMap 各项取自 idssd.cn 报道与 SymMap 原论文公开描述。两者统计口径未必完全可比，读者应把此表视作"量级对照"而非"同口径竞赛"。

7.3 评估指标：一个诚实的空位

理想情况下，本节应给出证候预测工具的准确率、召回率、F1、AUC 等量化评估。但：

论文摘要（Europe PMC 可及）未给出这些指标；
论文全文（ScienceDirect）在抓取时受 CAPTCHA 拦截，未能取得正文评估细项。

因此本条目明确声明：TCMSSD 证候预测工具的量化评估指标为一手不可得的空位（见 §9 遗留疑点 1），不臆造、不推断。读者若需评估数据，应直接查阅论文全文或联系作者。

7.4 可比的对照基线类型

在没有官方指标的情况下，研究者若要自建评估，可参照的中医证候辨识基线包括：

规则基线：按证候诊断标准的规则匹配。
统计基线：对证候特征做 TF-IDF + 分类器。
检索基线：与 TCMSSD 同族的 BM25 检索排序。
深度基线：中医文本 BERT 类模型的证候分类。

TCMSSD 的 BM25 工具天然适合作为"检索式基线"，其表现如何在上述谱系中定位，仍待官方或第三方评估补充。

§8 生态、影响与相关资源

8.1 中医药数据库生态

TCMSSD 处在中医药数据库生态的中间层：向上依赖现代生物医学公共库（OMIM、DRUGBANK、PubChem、STITCH、SWISS），向旁与中医药专属库（TCMID、ETCM、SymMap）互联，向下服务证候预测与中西医结合研究。

层	代表资源	与 TCMSSD 关系
中医专属库	TCMID、ETCM、SymMap	上游来源 / 可比对象
化学分子库	PubChem、ChEMBL、DrugBank	成分/药物/靶点来源与对齐
遗传疾病库	OMIM、DisGeNET、HPO、Mondo	疾病/基因层对齐
通路网络	KEGG、Reactome、STRING、PrimeKG、Hetionet	通路与网络分析
蛋白注释	UniProt（SWISS）、HGNC	靶点/蛋白对齐
药物知识	TTD、DGIdb、PharmGKB、DrugCentral	药—靶—基因交叉验证

8.2 谁会用 TCMSSD

中医证候研究者：研究证候的分布、关联与标准化。
网络药理学研究者：以证候为入口检索"方—药—成分—靶点"。
中西医结合临床研究者：对照证候与西医疾病/靶点。
知识图谱与医疗 NLP 开发者：把 TCMSSD 作为中文中医实体/关系的真实图数据源。
中医药教育者：作为证候—方剂—中药的关联教学工具。

8.3 对中医现代化的意义

TCMSSD 的核心贡献不在于"又收集了多少数据"，而在于把证候放到了知识网络的中心。当证候能与疾病、分子、药物互查时，"证候的生物学基础"这一问题才第一次有了可计算的数据底座。这为下列研究方向提供了支点：

同病异证 / 异病同证的分子差异研究；
证候与靶点的关联挖掘；
证候相关方剂的作用机制研究。

8.4 生态局限

闭源许可：数据许可未明示，限制了大规模二次利用。
单机构构建：由浙江中医药大学主导，社区共治程度有限。
标准依赖：证候体系取自特定教材，跨流派覆盖有限。
可验证性：预测工具缺公开评估，第三方难以复现比较。

§9 与库内条目的关系（互链点）

9.1 直接相关（分子/药物/蛋白层）

TCMSSD 的分子层可与本库以下条目对照与互链：

库内条目	rid	关联点
uniprot	37	靶点/蛋白 ID 对齐（SWISS 来源）
drugbank	89	药物—靶点数据来源与对齐
chembl	572	生物活性分子与成分对照
pharmgkb	374	药物—基因—通路交叉
disgenet	449	疾病—基因关联
hgnc	577	基因命名对齐
hpo	747	表型/症状本体（与证候描述对照）
disease-ontology	835	疾病本体对齐
hetionet	832	异质网络（中西医网络分析参照）
mondo	748	疾病本体（统一疾病命名）
omim	159	遗传疾病（TCMSSD 上游来源之一）
drugcentral	344	药物—靶点补充
ttd	409	治疗靶点数据库
dgidb	419	药物—基因互作（靶点交叉验证）
string	414	蛋白互作网络
open-targets	456	靶点—疾病证据
kegg	433	通路分析
gene-ontology	441	基因功能注释
reactome	424	通路（成分—靶点—通路）
ncbi-disease	425	疾病—基因
pubchem-pcba	86	化学分子活性（成分对照）
primekg	831	精准医学知识图谱（多模态网络参照）

9.2 检索路径建议

从中药/成分出发：TCMSSD（成分/靶点）→ ChEMBL(572)/PubChem-PCBA(86) 验证活性 → DrugBank(89)/TTD(409) 看成药性。
从证候/疾病出发：TCMSSD（证候—疾病）→ Disease Ontology(835)/Mondo(748) 统一疾病名 → DisGeNET(449)/OMIM(159) 看遗传关联。
从网络分析出发：以 TCMSSD 的证候—成分—靶点子图，与 Hetionet(832)/PrimeKG(831) 的异质网络做对齐与补全。
从通路出发：TCMSSD 靶点 → KEGG(433)/Reactome(424) 做通路富集。
从表型/症状出发：TCMSSD 证候描述 ↔ HPO(747) 表型词条做语义对照。

9.3 与中医药库（库外）的关系

TCMID、ETCM、SymMap 未收录于本库，因此不能生成库内 rid 链接；但它们在正文中作为 TCMSSD 的上游来源与可比对象出现，研究者可自行外链。

9.4 DAIMS 评估表

DAIMS（Data and AI Maturity/Management Scorecard 简式）用于快速刻画一个数据资源在 AI 就绪度上的表现。TCMSSD 的评估如下：

维度	评分（1-5）	说明
数据可得性（Availability）	3	Web 免费访问，但批量下载许可未明示
数据规模（Volume）	5	13 万处方、4 万成分、1.7 万靶点，量级充足
结构规范性（Structure）	4	图谱化实体—关系，规范度高
标注/语义（Annotation）	4	有明确实体类型与关联，语义层清晰
互操作性（Interoperability）	4	对齐多公共库 ID，便于跨库
许可开放度（Licensing）	2	数据许可未明示，ND 限制产出
文档完备度（Documentation）	3	有论文+官网，但缺细粒度 schema 文档
可复现性（Reproducibility）	2	预测工具无公开评估，难第三方复现
维护活跃度（Maintenance）	3	v1.0 后更新信息有限
AI 就绪度（AI-Readiness）	3.5	结构好、规模大，但许可与评估拖后腿

一句话读数：TCMSSD 是一个"数据底子好、结构与规模优秀，但受许可与评估透明度限制"的 AI 就绪资源。若未来明确数据许可并公开预测评估，其可用度将显著提升。

§7 补充：深度对比与评估视角

7.5 与 TCMID、ETCM 的定位差异

TCMID 与 ETCM 是 TCMSSD 的上游来源，但三者定位不同：

维度	TCMID	ETCM	TCMSSD
核心枢纽	中药/成分—靶点	中药/方剂	证候
网络药理学	强	强	中（借上游）
证候体系	弱	弱	强
预测功能	少	少	BM25 证候预测
文献抽取	有限	有限	显式 NER

一句话：TCMID/ETCM 回答"药为什么有效"，TCMSSD 回答"证候是什么、关联什么、可预测什么"。

7.6 与通用生物医学知识图谱的差异

库内已收 Hetionet（832）、PrimeKG（831）等通用生物医学知识图谱。TCMSSD 与它们的差异：

领域：通用图谱覆盖全部生物医学；TCMSSD 聚焦中医证候。
枢纽：通用图谱以基因/疾病/药物为核心；TCMSSD 以证候为核心。
价值：通用图谱适合跨域推理；TCMSSD 适合中医特色问题。

二者可互补：把 TCMSSD 的中医子图投影到通用图谱上，可实现中医药与现代生物医学的桥接（如证候—靶点—疾病路径的跨图谱验证）。

7.7 评估缺位的后果与补救

评估指标未公开带来三重后果：

无法横向比较：研究者无法把 TCMSSD 的证候预测与其他方法放在同一标尺上。
无法复现调优：缺少官方划分与指标，第三方难复现。
推广受疑：临床与监管场景对无评估工具持谨慎态度。

补救路径（研究者可自行尝试）：

用公开中医病案数据构造证候预测测试集；
以 BM25 工具为基线，与规则/统计/深度方法对比；
将结果公开，形成社区基准，反哺数据库方补充官方评估。

7.8 统计口径的阅读守则

引用 TCMSSD 数字时的四条守则：

分清疾病口径：8,073 = 西医 6,230 + 中医特病 1,843。
标明版本与时间：v1.0，数据库 Last update 2024-06，论文 2024。
区分论文/数据许可：引用论文守 CC BY-NC-ND，使用数据另议。
不臆测未公开指标：预测评估为空位，须显式声明。

§8 补充：生态、影响与使用指南

8.5 对学科的三重影响

对中医证候研究：提供一个可检索、可量化的证候知识底座，推动证候研究从"经验描述"走向"数据驱动"。
对网络药理学：把"药—靶"网络上升到"证候—药—靶"网络，为"同方异证/同证异方"等中医特色问题提供数据支持。
对中西医结合：通过疾病层与药物层，搭建中医与西医的话语接口，支持"病证结合"研究。

8.6 潜在研究选题（供选题参考）

证候—靶点关联的富集分析（外接 KEGG/Reactome）。
同病异证的分子差异挖掘。
证候相关方剂的组方规律分析。
中医实体抽取的远监督方法研究（用库内实体做标注源）。
中医知识图谱与通用图谱的对齐与融合。

8.7 使用指南：三类典型工作流

工作流一：证候检索（临床/教学场景）

在官网检索某证候；
查看其关联处方、中药；
沿成分—靶点链路查看分子层；
结合教材核验，形成教学/参考材料。

工作流二：网络药理学分析（研究场景）

确定目标证候或方剂；
导出关联中药与成分；
对接靶点，做富集分析（KEGG/Reactome）；
与 DrugBank/TTD 交叉验证成活性。

工作流三：知识图谱研究（方法学场景）

抽取证候—成分—靶点子图；
与 Hetionet/PrimeKG 对齐；
做路径分析与链接预测；
报告时注明许可与版本限制。

8.8 使用红线

不可把预测结果当诊断结论；
不可在未确认数据许可前大规模再分发；
不可移除来源与版本标注；
不可用其证候体系代表全中医界共识。

8.9 与临床实践的边界

TCMSSD 是研究与教学资源，不是临床工具。证候辨识在临床中需综合四诊、结合患者个体情况，由执业医师判断。任何自动化输出都只是提示与检索辅助，不能替代专业辨证。这一边界在临床落地时必须反复强调。

§9 补充：互链实操与图谱导航

9.5 互链的三条实操原则

原则一：键匹配，不做位置对齐。（R001 教训）跨库链接一律以 ID/名称键匹配，绝不用"第 N 个对第 N 个"的位置假设。

原则二：只对命中 slug 生成链接。 TCMID/ETCM/SymMap 未在本库，不生成 rid 链接，仅作文中外链。

原则三：互链写正文，不进 frontmatter。（R012 教训）frontmatter 的 relatedLink 只允许纯 URL，消歧与血缘说明一律写正文。

9.6 典型图谱导航路径


路径 A（证候驱动）：
  证候 → 处方 → 中药 → 成分 → 靶点 → 通路(KEGG 433 / Reactome 424)

路径 B（疾病驱动）：
  西医疾病 → 疾病本体(Disease Ontology 835 / Mondo 748) → 基因(DisGeNET 449 / OMIM 159) → 靶点

路径 C（药物驱动）：
  药物 → 靶点 → 药物库(DrugBank 89 / TTD 409 / DGIdb 419) → 适应症

路径 D（网络分析）：
  TCMSSD 子图 → 对齐 Hetionet(832) / PrimeKG(831) → 图算法(路径/社区/链接预测)

9.7 对齐优先级建议

当需要把 TCMSSD 实体链接到库内资源时，建议按以下优先级：

疾病：Disease Ontology(835) → Mondo(748) → OMIM(159) → NCBI Disease(425)
靶点/蛋白：UniProt(37) → HGNC(577) → STRING(414)
药物：DrugBank(89) → TTD(409) → DrugCentral(344) → DGIdb(419)
成分/化学：ChEMBL(572) → PubChem-PCBA(86)
通路：KEGG(433) → Reactome(424)
表型：HPO(747)

按此优先级可最大化跨库一致性与可追溯性。

§10 避坑清单：已识别的主要坑

坑 1：把 Database 当 Dataset 下载

现象：看到 “TCMSSD” 以为是可下载的数据集（zip/parquet），去找下载按钮找不到。
真相：官方全名是 Traditional Chinese Medical Syndrome Standardization Database，本质是Web 在线数据库，主要访问方式是在线检索/浏览，而非下载文件包。
对策：按"在线资源"使用；如需批量数据，先联系通讯作者确认许可与获取方式。

坑 2：误把论文许可当数据许可

现象：看到论文是 CC BY-NC-ND 4.0，就以为数据也是同许可、可自由使用。
真相：论文许可与数据许可是两回事；数据库本体的批量下载/再分发许可未单独声明。
对策：学术引用论文遵守 CC BY-NC-ND；数据二次使用前先确认数据许可。

坑 3：用"证候数"单一维度比数据库

现象：发现 TCMSSD 证候数（624）少于 SymMap（1,717），就断言 TCMSSD 更小。
真相：两者口径不同。TCMSSD 在中草药、成分、靶点、疾病、药物层规模更大，且多出药物层与预测工具。
对策：多维对照（见 §7.2），不做单指标胜负判断。

坑 4：把 BM25 预测当临床诊断

现象：用内置证候预测工具得到结果后，直接当作辨证结论。
真相：BM25 是检索式排序，回答"最像哪个证候"，不建模机制，也非诊断引擎。
对策：仅作候选召回与知识入口，务必由执业中医师复核。

坑 5：期待"患者级"数据

现象：寻找"每位患者的表现—证候标注"这类样本，发现找不到。
真相：TCMSSD 是文献+公共库整合的知识库，不是患者级临床队列，没有患者记录。
对策：若需患者级中医临床数据，应另寻临床队列/真实世界数据资源。

坑 6：疾病口径混用

现象：看到"8,073 疾病"直接当"西医疾病数"，或误读为纯粹中医疾病数。
真相：8,073 = 西医疾病 6,230 + 中医特病 1,843（官网拆分口径）。
对策：引用时分清口径，按需取子集。

坑 7：忽视官网直连的稳定性

现象：直接 curl/爬取 http://tcmssd.ratcm.cn 时报错或拿不到内容.
真相：抓取时点（2026-10-14）主站直接访问出现失败，且 Web API 稳定性不保证。
对策：使用在线界面人工访问；程序化访问前先探测可用性，并对失败做容错，勿空转重试。

坑 8：臆测评估指标

现象：为"证候预测准确率是多少"填一个看似合理的数字。
真相：官方未公开评估指标，全文受反爬未取得。
对策：明确标注为"未公开"，不臆造；需要时查阅全文或联系作者。

坑 9：误信"7 板块 vs 8 类"是矛盾

现象：官网一处写"7 main sections"，另一处统计列 8 类，判断官网自相矛盾。
真相：这是分类法粒度差异（Proteins/Targets 是否单列），非数据矛盾。
对策：按实体类型理解，不必纠结标题层级。

坑 10：以"中医界共识"过度解读

现象：认为 TCMSSD 的证候体系代表全中医界标准。
真相：其证候知识来自《中医证候学》《中医内科学》等特定教材与文献，覆盖受来源约束；且中医证候判定本身存在医师间差异。
对策：将其视为"特定教材体系的标准化数据集"，而非普适标准。

§11 总结

11.1 三句话总结

TCMSSD 是浙江中医药大学构建的中医证候标准化数据库，以 624 个证候为枢纽，整合 13 万余处方、8,000 余疾病、8,000 余中药、4 万余成分、1.7 万余靶点与 8,000 余药物。
它用深度学习知识图谱 + BM25 检索做证候预测，用 Bi-LSTM+CRF 从文献抽取实体，把"凭经验辨证"推向可检索、可预测。
它是中医现代化与中西医结合研究的"知识底座"，但受数据许可未明示与预测评估未公开的限制。

11.2 适合谁

中医证候与中西医结合研究者
网络药理学与中药机制研究者
中医知识图谱/医疗 NLP 开发者
中医药教育与临床教学者

11.3 不适合谁

需要患者级临床队列数据的队列研究者
需要影像/信号文件的数据集使用者
要求明确开放许可做大规模再分发者
期望开箱即用工业级证候诊断模型者

11.4 30 秒决策卡

你的需求	结论
查证候—方剂—中药关联	✅ 直接用官网
做网络药理学分析	✅ 取成分—靶点层
要批量数据做训练	⚠️ 先确认许可
要患者级中医数据	❌ 不是这类资源
要证候分类模型指标	⚠️ 官方未公开，需自查
要做中西医疾病对照	✅ 用疾病层

§12 背景深描：为什么"证候标准化"是一个真问题

12.1 证候概念的学术地位

在中医理论体系中，“证候"是辨证论治的核心。它与"症状”（患者主诉）、“疾病”（病理实体）三足鼎立。中医临床的决策链条通常是：四诊收集信息 → 归纳证候 → 立法 → 选方 → 遣药。证候处在承上启下的枢纽位置——上承信息，下启治法。

正因如此，证候的标准化与量化，被普遍视为中医现代化的"牛鼻子"问题。论文开篇即指出：“Quantitative and standardized research on syndrome differentiation has always been at the forefront of modernizing Traditional Chinese Medicine (TCM) theory.”（证候辨证的定量化、规范化研究一直走在推进中医理论现代化的前列。）

12.2 现有数据库的结构性偏向

论文背景段点出了现有数据库的结构性问题：大多数现有数据库主要集中于中药处方的网络药理学（network pharmacology of herbal prescriptions），而专门面向中医证候辨证的数据库十分有限。

这一偏向的后果是：

想研究"药"的人资源丰富（成分、靶点、通路库齐全）；
想研究"证"的人资源稀缺（缺证候为枢纽的整合库）。

TCMSSD 的立项动机，正是矫正这一结构失衡。

12.3 从"药中心"到"证中心"的范式切换

视角	药中心（传统网络药理学）	证中心（TCMSSD）
出发点	一味药/一首方	一个证候
核心问题	药如何起效	证如何标准化与预测
网络形态	药—成分—靶点—通路	证—病—方—药—成分—靶点—药
服务对象	药理学研究者	证候研究者 + 临床 + NLP
数据重心	分子层	证候语义层 + 分子层

这一切换不是否定网络药理学，而是在其之上叠加一层"证候语义"，让分子层能被"证"的视角调用。

12.4 标准化的三重困难

证候标准化面临三重困难，理解它们有助于正确使用 TCMSSD：

概念模糊性：证候是"状态类型"，边界天然不如疾病清晰。
观察者变异：不同医师对同一患者可能辨出不同证候（论文明确提及此挑战）。
文献异质性：不同教材/流派用语与体系有别。

TCMSSD 的应对方式是"以特定教材体系为基准，做结构化与标准化"，这是一种务实但非普适的标准化——使用者需明白这一点。

§13 技术细节深挖

13.1 Bi-LSTM+CRF 的工作机制

命名实体识别（NER）本质是序列标注：给每个字/词打上标签（B/I/O + 实体类型）。Bi-LSTM+CRF 是经典组合：

Bi-LSTM 层：正向与反向两个 LSTM 同时编码上下文，输出每个位置的隐状态，捕捉长距离依赖。
CRF 层：在 Bi-LSTM 输出的"发射分数"之上，学习标签间的转移约束，保证输出序列全局合法（如"O"后不接"I-证候"）。

这一组合对中文医学文本尤其合适，因为医学实体常含多字组合，且标签间有强约束。论文将其列入关键缩写，说明它是文献抽取的主力方法。

13.2 BM25 的打分直觉

BM25 对"查询 q 与文档 d"的打分可概括为三因子：

词项频率（TF）：查询词在文档中出现越多，分越高（但有饱和）。
逆文档频率（IDF）：越稀有的词越有区分力，权重越大。
长度归一化：长文档不至于因词多而占便宜。

用在证候预测上：把"患者表现描述"当查询，"证候特征描述"当文档，BM25 给出候选证候排序。其优点是无需训练、可解释、部署快；缺点是依赖词汇匹配，不做语义泛化。

13.3 知识图谱的组织方式

知识图谱（knowledge graph）以"实体—关系—实体"三元组为基本单元，可表示为有向图。TCMSSD 的图以证候为枢纽，向多个实体类型辐射，形成多层星形 + 交叉连接的结构。

这类图适合用图数据库（如 Neo4j 类）存储，并支持：

路径查询：从证候到靶点的最短路径；
中心性分析：哪些中药/成分是枢纽；
社区发现：哪些实体聚成功能模块；
链接预测：推断缺失的关联。

官网的 Knowledge Graph 工具即为此类可视化的入口。

13.4 数据整合的工程挑战

把 7 个公共库 + 2 部文献整合到一个一致的知识图谱，工程挑战包括：

挑战	说明	常见对策
命名不一致	同实体不同名	同义词规范化
ID 体系不同	各库 ID 独立	映射表对齐
冗余冲突	多库对同一关系记录不一	优先级规则/投票
覆盖不均	热门全、冷门稀	标注覆盖率
更新异步	各库更新节奏不同	版本快照

这些挑战决定了 TCMSSD 的质量上限——它是整合的产物，其可靠性依赖于整合质量。

§14 复现与使用参考

14.1 研究者上手步骤

明确问题：是查证候、做网络药理、还是做 NLP？
访问官网：http://tcmssd.ratcm.cn 检索目标实体。
记录版本：标注 v1.0 与访问日期。
确认许可：批量使用前邮件确认。
交叉验证：用 DrugBank/TTD/DisGeNET 等交叉核验关键关系。
规范引用：同时引用论文与数据库。

14.2 引用与版本记录模板

数据源：TCMSSD (Traditional Chinese Medical Syndrome Standardization Database),
        http://tcmssd.ratcm.cn, v1.0, 访问于 2026-10-14.
论文：Huang L, et al. TCMSSD: A comprehensive database focused on syndrome
      standardization. Phytomedicine. 2024;128:155486.
      doi:10.1016/j.phymed.2024.155486
许可：论文 CC BY-NC-ND 4.0；数据库许可未明示。

14.3 常见分析任务对照表

任务	入口实体	需外接资源
证候—方剂分析	证候	—
方—药拆解	处方	—
药—成分—靶点	中药	ChEMBL(572)、PubChem-PCBA(86)
通路富集	靶点	KEGG(433)、Reactome(424)
疾病—基因	疾病	DisGeNET(449)、OMIM(159)
药物验证	药物	DrugBank(89)、TTD(409)
图谱对齐	任意	Hetionet(832)、PrimeKG(831)
表型对照	证候	HPO(747)

14.4 质量核验清单（使用前自检）

[ ] 我引用的数字口径明确（疾病中西医分流）？
[ ] 我记录了版本与访问日期？
[ ] 我确认了数据许可？
[ ] 我对关键关系做了交叉验证？
[ ] 我没有把预测当诊断？
[ ] 我在报告中声明了未公开指标的缺失？

§15 扩展 FAQ（补充 16 问）

Q25：TCMSSD 有 API 吗？
公开信息未明确提供批量 API；主要访问方式为 Web 界面。程序化访问需自行探测并注意稳定性。

Q26：它能用于机器学习训练吗？
结构上适合，但许可未明示，训练前须确认。

Q27：证候预测输入格式是什么？
以临床表现/描述文本为输入，返回证候候选（基于 BM25 排序）。

Q28：能预测西医诊断吗？
不能。其预测目标为中医证候。

Q29：数据是中文还是英文？
中文为主（中医术语），兼含英文名与公共库 ID。

Q30：有患者隐私问题吗？
无。数据来自文献与公共库，不含患者隐私。

Q31：多久更新一次？
NGDC 记录 Last update 2024-06（v1.0）；后续更新节奏未公开。

Q32：能下载完整库吗？
公开信息未见下载包；批量获取需联系作者。

Q33：和教材内容一致吗？
其证候知识主要取自《中医证候学》《中医内科学》等教材文献。

Q34：适合临床辅助吗？
仅作检索/提示辅助，不可替代医师辨证。

Q35：靶点数据来自哪里？
整合自 STITCH、SWISS/UniProt、DrugBank 等公共库。

Q36：疾病数据来自哪里？
整合自 OMIM 等公共库 + 中医文献。

Q37：能用于药物发现吗？
可作为中药活性成分与靶点关联的来源之一，需交叉验证。

Q38：证候之间存在关系吗？
存在层级/关联关系（如上下位），图谱中可查看。

Q39：支持英文检索吗？
术语含英文名，但界面以中文为主。

Q40：如何反馈问题？
联系通讯作者邮箱 wengcp@163.com。

§16 总结与展望

16.1 价值再定位

TCMSSD 的价值可归纳为"三个第一"：

第一个以证候为枢纽的大规模整合库（在其体量上）——把证候放到了知识网络中心；
第一个把 BM25 检索式预测用于证候的数据库——让辨证成为可调用的功能；
第一个显式连接中医证候与西医疾病/药物/靶点的公开库之一——为中西医对接提供数据底座。

16.2 局限再强调

许可未明示，限制大规模再用；
评估未公开，限制横向比较；
单机构构建，社区共治有限；
标准依赖特定教材，覆盖非普适。

16.3 未来可能方向

开放许可：明确数据许可将极大提升可用度；
公开评估：发布预测基准，形成社区对标；
多体系扩展：纳入更多教材/流派，提升覆盖；
API 化：提供稳定接口，服务程序化研究；
跨库对齐：与通用生物医学图谱深度对齐。

16.4 给不同读者的最后一句

临床/教学者：把它当"证候—方—药"的检索字典，别当诊断器。
药理研究者：把它当"证候"入口的网络药理学查询台。
NLP/图谱研究者：把它当中医知识的真实图数据源，注意许可。
数据治理研究者：把它当作"结构就绪 vs 许可滞后"的经典案例。

附录 J：中医药数据库家族速览

数据库	首发	枢纽	特色	与 TCMSSD 关系
TCMID	2013	药/成分	中医药整合	上游来源
TCMID 2.0	2018	药/成分	更新扩充	上游来源
ETCM	2019	中药/方	中药百科	上游来源
SymMap	2018	证候/症状	证—症映射	最可比对象
TCMSSD	2024	证候	BM25 预测	本条目

（年份为公开常见口径，具体以各库原始论文为准。）

附录 K：TCMSSD 数字速记卡


证候 624 ｜ 处方 133,518 ｜ 疾病 8,073（西医 6,230 + 中医特病 1,843）
中药 8,259 ｜ 成分 43,413 ｜ 靶点 17,602 ｜ 药物 8,182

论文：Phytomedicine 2024;128:155486 ｜ PMID 38471316
官网：http://tcmssd.ratcm.cn ｜ NGDC id 9201 ｜ v1.0

附录 L：库内互链 rid 速查（按类型）

本体/疾病：disease-ontology 835｜mondo 748｜hpo 747｜ncbi-disease 425｜omim 159
基因/蛋白：hgnc 577｜uniprot 37｜gene-ontology 441｜string 414
药物/化学：drugbank 89｜chembl 572｜drugcentral 344｜dgidb 419｜ttd 409｜pharmgkb 374｜pubchem-pcba 86
通路/网络：reactome 424｜kegg 433｜open-targets 456｜hetionet 832｜primekg 831
遗传关联：disgenet 449

附录 M：坑点速查（与 §10 对照）

坑 1 把 Database 当 Dataset｜坑 2 论文许可当数据许可｜坑 3 单指标比库｜坑 4 BM25 当诊断｜坑 5 期待患者级数据｜坑 6 疾病口径混用｜坑 7 官网直连不稳｜坑 8 臆测评估｜坑 9 7/8 板块误解｜坑 10 过度解读为共识

附录 N：一句话总览

TCMSSD 是浙江中医药大学构建的中医证候标准化数据库：以 624 证候为枢纽整合八万余条目，用深度学习知识图谱与 BM25 把"凭经验辨证"推向"可检索、可预测"，是中医现代化与中西医结合研究的知识底座——但受数据许可与评估透明度所限，使用前务必读 §6 与 §9。

FAQ（高频问答 24 问）

A. 基础认知

Q1：TCMSSD 全称是什么？
Traditional Chinese Medical Syndrome Standardization Database（中医证候标准化数据库）。

Q2：为什么缩写里有两个 S、一个 D？
TCMSSD = Traditional Chinese Medical Syndrome Standardization Database。

Q3：它是谁做的？
浙江中医药大学，通讯作者 Chengping Wen（温成平）。

Q4：什么时候发布的？
数据库 2024 年创建；论文 2024 年发表于 Phytomedicine（Volume 128）。

Q5：它和"中医"一般数据库有什么不同？
它以证候为枢纽，而非以药或靶点为中心，且内置证候预测工具。

Q6：它是数据集还是数据库？
官方名为 Database（数据库），以 Web 界面访问，非下载式数据集。

B. 数据与获取

Q7：有多少数据？
624 证候、133,518 处方、8,073 疾病、8,259 中药、43,413 成分、17,602 靶点、8,182 药物。

Q8：数据来源是什么？
《中医证候学》《中医内科学》文献 + TCMID 2.0、ETCM、OMIM、STITCH、SWISS、DRUGBANK、PubChem。

Q9：官网地址？
http://tcmssd.ratcm.cn

Q10：能下载吗？
Web 免费访问；批量下载方式与许可未明示，需联系作者确认。

Q11：论文开放获取吗？
是，CC BY-NC-ND 4.0（署名—非商业—禁演绎）。

Q12：能商用吗？
论文许可禁商业使用；数据许可未明示，商用前必须确认。

C. 方法与工具

Q13：用什么方法构建？
深度学习知识图谱 + Bi-LSTM+CRF 实体抽取。

Q14：证候预测用什么算法？
BM25（Okapi BM25）检索排序。

Q15：BM25 靠谱吗？
作为检索式候选召回可用；作为临床诊断不可靠，需人复核。

Q16：有知识图谱可视化吗？
有，官网提供 Knowledge Graph 工具。

Q17：预测有公开准确率吗？
官方未公开，本条目不收录臆测数值。

Q18：能对接西医数据吗？
可以，库内含西医疾病、药物与靶点层。

D. 对比与定位

Q19：和 SymMap 比如何？
SymMap 证候数更多（1,717），TCMSSD 在中草药/成分/靶点/疾病/药物层规模更大并带预测工具。

Q20：和 TCMID/ETCM 比呢？
TCMID/ETCM 侧重网络药理学；TCMSSD 在其上加"证候语义层"。

Q21：它在中医 NLP 里有什么用？
可作为中文中医实体/关系的真实图数据源，用于检索、对齐与建模。

Q22：适合做训练数据吗？
结构适合，但须先解决许可问题。

E. 使用与注意

Q23：用它做研究要注意什么？
① 分清论文/数据许可；② 疾病口径分流；③ 预测结果需复核；④ 不臆测指标。

Q24：怎么引用？
Huang L, et al. Phytomedicine. 2024;128:155486. doi:10.1016/j.phymed.2024.155486 + 数据库 URL。

事实清单（硬事实 34 条）

全称：Traditional Chinese Medical Syndrome Standardization Database。
缩写：TCMSSD。
中文名：中医证候标准化数据库。
构建机构：浙江中医药大学。
通讯/PI：Chengping Wen（温成平）。
联系邮箱：wengcp@163.com。
国家/地区：中国。
论文期刊：Phytomedicine。
论文卷期：2024;128:155486。
论文 DOI：10.1016/j.phymed.2024.155486。
论文 PMID：38471316。
论文在线首发：2024-02-27。
论文许可：CC BY-NC-ND 4.0。
官网：http://tcmssd.ratcm.cn。
NGDC Database Commons ID：9201。
NGDC Year founded：2024。
NGDC Last update：2024-06。
数据库版本：v1.0。
证候数：624。
处方数：133,518。
疾病数：8,073。
西医疾病数：6,230。
中医特病数：1,843。
中草药数：8,259。
成分数：43,413。
靶点数：17,602。
药物数：8,182。
文献语料：《中医证候学》《中医内科学》。
上游公共库：TCMID (2.0)、ETCM、OMIM、STITCH、SWISS、DRUGBANK、PubChem。
建图方法：深度学习知识图谱。
预测算法：BM25。
抽取方法：Bi-LSTM + CRF。
内置工具：Syndrome Predict、Knowledge Graph。
作者数：15。

术语表（24 条）

证候（Syndrome）：中医对疾病在特定阶段/体质下的状态类型的描述。
辨证（Syndrome Differentiation）：通过四诊信息判定证候的过程。
中药（Chinese Herbal Medicine）：中医使用的药材/饮片。
处方（Prescription）：中医方剂，由多味中药组成。
成分（Ingredient）：中药中的化学成分。
靶点（Target）：药物/成分作用的分子靶点。
网络药理学（Network Pharmacology）：研究药—成分—靶点—通路网络的学科。
知识图谱（Knowledge Graph）：以实体和关系构成的图结构知识库。
BM25（Okapi BM25）：信息检索中的经典排序函数。
Bi-LSTM：双向长短期记忆网络。
CRF（Conditional Random Field）：条件随机场，序列标注常用。
NER（Named Entity Recognition）：命名实体识别。
TCMID：中医药整合数据库。
ETCM：中药百科全书/网络药理学库。
SymMap：中医药证候关联数据库（2018 NAR）。
OMIM：人类孟德尔遗传数据库。
STITCH：化学—蛋白互作数据库。
SWISS（Swiss-Prot/UniProt）：蛋白序列与注释数据库。
DrugBank：药物—靶点—通路数据库。
PubChem：化学分子数据库。
证候生物学基础：证候对应的分子机制研究。
同病异证/异病同证：中医辨证的重要命题。
DAIMS：数据与 AI 就绪度评估简式。
AI-Ready：达到可被 AI 直接使用条件的资源属性。

附录

附录 A：条目信息速查卡

项	值
slug	tcmssd
官方全名	Traditional Chinese Medical Syndrome Standardization Database
中文名	中医证候标准化数据库
机构	浙江中医药大学
官网	http://tcmssd.ratcm.cn
论文	Phytomedicine 2024;128:155486
许可	论文 CC BY-NC-ND 4.0；数据许可未明示
库内互链	uniprot(37)、drugbank(89)、chembl(572)、kegg(433)、primekg(831) 等

附录 B：DAIMS 评估全表

见 §9.4。核心读数：数据底子好、结构与规模优秀，受许可与评估透明度限制。

附录 C：逐项证据链自证

事实	证据来源
规模数字	论文摘要（Europe PMC）+ 官网统计 + NGDC 描述（三源一致）
机构/联系人	NGDC Database Commons id/9201
许可	Crossref API（DOI 10.1016/j.phymed.2024.155486）
方法	论文摘要 Methods + Abbreviations 段
时间线	Europe PMC + NGDC

附录 D：数据获取决策树

你需要 TCMSSD 的数据吗？
├─ 只是查阅/检索 ─────────────→ 直接用官网
├─ 学术研究引用 ─────────────→ 引用论文 + 遵守 CC BY-NC-ND
├─ 批量下载做训练/再分发 ────→ 先邮件 wengcp@163.com 确认许可
└─ 需要患者级数据 ───────────→ 本库无，另寻临床数据资源

附录 E：检索路径速查

证候 → 处方 → 中药 → 成分 → 靶点 → 药物（顺查）
靶点/成分 → 中药 → 处方 → 证候（反查）

附录 F：术语英中对照速查

Syndrome=证候；Prescription=处方；Herbal Medicine=中药；Ingredient=成分；Target=靶点；Drug=药物；Disease=疾病；Knowledge Graph=知识图谱。

附录 G：库内互链清单（rid 表）

disease-ontology(835)、mondo(748)、hpo(747)、ncbi-disease(425)、omim(159)、hgnc(577)、uniprot(37)、gene-ontology(441)、string(414)、drugbank(89)、chembl(572)、drugcentral(344)、dgidb(419)、ttd(409)、pharmgkb(374)、pubchem-pcba(86)、reactome(424)、kegg(433)、open-targets(456)、hetionet(832)、primekg(831)、disgenet(449)。

附录 H：引用格式

论文：Huang L, Wang Q, Duan Q, Shi W, Li D, Chen W, Wang X, Wang H, Chen M, Kuang H, Zhang Y, Zheng M, Li X, He Z, Wen C. TCMSSD: A comprehensive database focused on syndrome standardization. Phytomedicine. 2024;128:155486. doi:10.1016/j.phymed.2024.155486.
数据库：TCMSSD. http://tcmssd.ratcm.cn （访问日期：2026-10-14）。

附录 I：遗留疑点清单

证候预测评估指标未公开（一手正文受反爬未取得）。
数据库本体批量下载许可未明示。
官网直连在抓取时点失败，运营主体/ICP 未取得。
作者单位上标 c/d 对应机构名未展开。

维度	内容
本质	面向中医证候（syndrome）辨证的标准化综合数据库（文献 + 公共库整合，非影像/非队列）
机构	浙江中医药大学（Zhejiang Chinese Medical University），通讯 Chengping Wen（温成平）
论文	Phytomedicine. 2024;128:155486（doi:10.1016/j.phymed.2024.155486；PMID 38471316）
官网	http://tcmssd.ratcm.cn （NGDC Database Commons id/9201，v1.0）
规模	624 证候 / 133,518 处方 / 8,073 疾病（含中医特病 1,843）/ 8,259 中药 / 43,413 成分 / 17,602 靶点 / 8,182 药物
方法	深度学习构建知识图谱 + BM25 证候预测 + Bi-LSTM+CRF 文献实体抽取
语料	《中医证候学》(Zhong Yi Zheng Hou Xue)、《中医内科学》(Zhong Yi Nei Ke Xue)
上游库	TCMID (2.0)、ETCM、OMIM、STITCH、SWISS、DRUGBANK、PubChem
功能	Syndrome Predict（证候预测）、Knowledge Graph（知识图谱）
许可	论文 CC BY-NC-ND 4.0；数据库 Web 免费访问（批量许可未明示）
库内互链	疾病本体（835）、Mondo（748）、HPO（747）、UniProt（37）、DrugBank（89）、ChEMBL（572）、KEGG（433）、PrimeKG（831）