活性试验数据结构化
场景方案把散落在专利与文献里的活性数据连同试验条件一起抽出来：测试物质、活性指标、数值单位、试验对象与方法。处理指标混用与单位不统一，输出带溯源信息的 SAR 数据集。
单位归一范围值表格抽取
§ 01
这个领域的数据特点
每一环的难法都不一样活性：数值必须带语境
活性浓度常用 nM、µM、µg·mL⁻¹ 等多种单位，同一篇文献内部也可能混用；IC50、EC50、Ki、Kd 含义不同，不可互换。更关键的是试验条件——细胞系、温度、孵育时间不同，同一个数值之间并不可比。
所以结构化时必须把 数值 + 单位 + 指标类型 + 试验对象 + 试验条件 一起带上，少任何一项，这个数据点在下游都要打折扣。
临床：字段标准化与合规同时成立
临床试验报告里的有效性指标、安全性数据、受试者信息，字段需要按适应症与临床阶段标准化，同时又要满足合规要求。这里的处理边界不在技术，在「哪些字段可以保留」。
管线：会过期的一次性抽取没有价值
药物类型、靶点/MOA、适应症、研发阶段、管线状态——这些都在随时间变化。一次性抽取的快照几个月后就会失真，这类数据需要的是可持续的更新机制。
§ 02
我们处理的子任务
按数据链条划分
靶点
化合物—靶点关系标注
化学实体（系统命名、俗名、缩写、研发代码）识别及化合物与靶点的关系标注
关系层
活性
活性试验数据结构化
测试物质、活性指标、数值单位、试验对象与方法的结构化抽取，含范围值与不等式
PK/PD
序列
抗体序列与亲和力标注
抗体序列与抗原、轻重链配对，以及 KD / IC50 / EC50 等亲和力常数的关系标注
亲和力
临床
临床试验报告结构化
有效性指标、安全性数据与受试者信息等字段的提取，支持适应症与临床阶段标注
临床阶段
管线
医药管线持续更新
药物类型、靶点/MOA、适应症、研发阶段与管线状态的定期更新与变更监控
持续更新
这几条链路可以单独执行，也可以合并成一条完整管线：同一批化合物的结构、活性、序列与管线状态落在可相互关联的表里，便于下游做靶点—化合物—适应症的联合分析。
§ 04
常见问题
合作前常被问到的问题IC50、EC50、Ki、Kd 会统一成一个活性值吗？
不会。这几个量含义与测定原理不同，不可互换。统一成一个「活性值」看似整洁，实则让下游模型学到混合了多种物理含义的目标。指标类型在我们的 Schema 里是独立字段。
涉及临床与受试者信息的数据怎么处理？
按项目约定在客户指定环境或隔离域内处理，不出域、不二次利用。字段设计以「只保留分析所需的最小信息」为原则，可识别到个人的信息不进入交付数据集。
管线数据为什么要持续更新？
因为管线状态随时间变化：研发阶段会推进、适应症会扩展、项目可能终止。一次性抽取的快照几个月后就会失真，这类数据需要的是可持续的更新机制，而不是一次交付。
靶点名称不统一怎么办？
保留原文写法，另立归一字段并关联到权威命名体系。同一靶点在不同文献里的别名、旧称与缩写很常见，直接替换会丢失原文可核对性。