Có các khía cạnh sau của khai thác dữ liệu cho phân tích dữ liệu sinh học:
Hợp nhất ngữ nghĩa các cơ sở dữ liệu genomic và proteomic hétérogènes, phân tán – Các tập dữ liệu genomic và proteomic được tạo ra tại nhiều phòng thí nghiệm và bằng nhiều phương pháp khác nhau. Chúng được phân tán, hétérogène và đa dạng. Việc hợp nhất ngữ nghĩa của dữ liệu như vậy quan trọng cho phân tích chéo các bản ghi sinh học.
Hơn nữa, cần thiết phải tìm các liên kết chính xác giữa tài liệu nghiên cứu và các thực thể sinh học liên quan của chúng. Việc tích hợp và phân tích liên kết như vậy có thể hỗ trợ phân tích hệ thống và phối hợp của genom và bản ghi sinh học. Điều này đã thúc đẩy phát triển các kho dữ liệu tích hợp và cơ sở dữ liệu liên kết phân tán để lưu trữ và xử lý dữ liệu sinh học cơ bản và đã thay đổi.
Làm sạch dữ liệu, tích hợp dữ liệu, hòa giải tham chiếu, phân loại và phương pháp phân cụm sẽ hỗ trợ tích hợp bản ghi sinh học và phát triển kho dữ liệu cho phân tích dữ liệu sinh học.
Căn chỉnh, lập chỉ mục, tìm kiếm tương đồng và phân tích so sánh nhiều chuỗi nucleotide/protein – Có nhiều phương pháp căn chỉnh chuỗi sinh học đã được phát triển trong hai thập kỷ qua. BLAST và FASTA, đặc biệt, là công cụ cho phân tích hệ thống dữ liệu genomic và proteomic. Các phương pháp phân tích chuỗi sinh học khác với nhiều thuật toán phân tích mẫu tuần tự được đề xuất trong nghiên cứu khai thác dữ liệu.
Chúng phải cho phép khoảng trống và không khớp giữa chuỗi truy vấn và dữ liệu chuỗi cần tìm kiếm để xử lý chèn, xóa và đột biến. Hơn nữa, đối với chuỗi protein, hai axit amin cũng phải được coi là "khớp" nếu một có thể thay đổi từ cái kia bằng các thay thế có khả năng xuất hiện trong tự nhiên.
Khám phá mẫu cấu trúc và phân tích mạng gen và đường dẫn protein – Trong sinh học, chuỗi protein được gấp thành cấu trúc ba chiều, và các cấu trúc như vậy tương tác với nhau dựa trên vị trí tương đối và khoảng cách giữa chúng. Những tương tác phức tạp này hình thành cơ sở của các mạng gen tinh vi và đường dẫn protein.
Việc khám phá các mẫu cấu trúc và quy luật trong các mạng sinh học lớn nhưng phức tạp này là至关重要. Cần phát triển các phương pháp khai thác dữ liệu mạnh mẽ và có khả năng mở rộng để khám phá các mẫu cấu trúc xấp xỉ và phổ biến và nghiên cứu các quy luật và bất quy luật trong các mạng sinh học liên kết này.
Phân tích liên kết và đường dẫn – Có thể xác định các chuỗi gen cùng xuất hiện và liên kết gen với các giai đoạn phát triển bệnh khác nhau. Phương pháp phân tích liên kết có thể dùng để xác định loại gen có khả năng xuất hiện trong mẫu mục tiêu. Phân tích như vậy sẽ hỗ trợ khám phá các nhóm gen và nghiên cứu các tương tác và mối quan hệ giữa chúng.