มีด้านต่างๆ ของการทำเหมืองข้อมูลสำหรับการวิเคราะห์ข้อมูลชีวภาพ ดังนี้:
การรวมความหมายเชิงความหมายของฐานข้อมูล जीโนมิกส์ (genomic) และโปรโตมิกส์ (proteomic) ที่กระจายและหลากหลาย (Semantic integration of heterogeneous, distributed genomic and proteomic databases) — ชุดข้อมูล genomic และ proteomic สร้างขึ้นที่ห้องปฏิบัติการหลายแห่งและด้วยวิธีต่างๆ พวกมันกระจาย, heterogeneous, และหลากหลายมาก การรวมเชิงความหมายของข้อมูลดังกล่าวสำคัญต่อการวิเคราะห์ข้อมูลชีวภาพข้ามไซต์ (cross-site) อีกทั้งจำเป็นต้องหาการเชื่อมโยงที่ถูกต้องระหว่างวรรณกรรมวิจัยและเอนทิตีชีวภาพที่เกี่ยวข้อง การรวมและวิเคราะห์การเชื่อมโยงดังกล่าวช่วยให้การวิเคราะห์จีโนมและข้อมูลชีวภาพเป็นระบบและประสานงานได้ ส่งเสริมการพัฒนาคลังข้อมูลรวม (integrated data warehouses) และฐานข้อมูลแบบ federated แบบกระจายเพื่อจัดเก็บและจัดการข้อมูลชีวภาพพื้นฐานและที่ผ่านการเปลี่ยนแปลง
การทำความสะอาดข้อมูล, การรวมข้อมูล, การประสานอ้างอิง (reference reconciliation), การจัดประเภท, และวิธีการจัดกลุ่ม จะช่วยการรวมบันทึกชีวภาพและการพัฒนาคลังข้อมูลสำหรับการวิเคราะห์ข้อมูลชีวภาพ
การจัดเรียง, การจัดทำดัชนี, การค้นหาความคล้ายคลึง, และการวิเคราะห์เปรียบเทียบลำดับนิวคลีโอไทด์/โปรตีนหลายลำดับ (Alignment, indexing, similarity search, and comparative analysis of multiple nucleotide/protein sequences) — มีวิธีการจัดเรียงลำดับชีวภาพหลายวิธีที่พัฒนาขึ้นใน 2 ทศวรรษที่ผ่านมา BLAST และ FASTA โดยเฉพาะ เป็นเครื่องมือสำหรับการวิเคราะห์ genomic และ proteomic แบบเป็นระบบ วิธีการวิเคราะห์ลำดับชีวภาพแตกต่างจากอัลกอริทึมการวิเคราะห์รูปแบบลำดับที่เสนอในงานวิจัยการทำเหมืองข้อมูล มันต้องอนุญาตให้มีช่องว่าง (gaps) และการไม่ตรงกัน (mismatches) ระหว่างลำดับคิวรีและลำดับข้อมูลที่จะค้นหา เพื่อจัดการกับการแทรก (insertions), การลบ (deletions), และการกลายพันธุ์ (mutations) อีกทั้งสำหรับลำดับโปรตีน กรดอะมิโนสองชนิดต้องถูกจัดว่า "match" หากหนึ่งในสองสามารถเปลี่ยนจากอีกตัวได้โดยการแทนที่ที่มีแนวโน้มเกิดขึ้นในธรรมชาติ
การค้นพบรูปแบบโครงสร้างและการวิเคราะห์เครือข่ายทางพันธุกรรมและเส้นทางโปรตีน (Discovery of structural patterns and analysis of genetic networks and protein pathways) — ในชีววิทยา ลำดับโปรตีนถูกพับเป็นโครงสร้าง 3 มิติ และโครงสร้างดังกล่าวมีปฏิสัมพันธ์กันจากตำแหน่งสัมพัทธ์และระยะห่างระหว่างกัน ปฏิสัมพันธ์ซับซ้อนเหล่านี้เป็นพื้นฐานของเครือข่ายพันธุกรรมและเส้นทางโปรตีนที่ซับซ้อน จำเป็นต้องค้นพบรูปแบบโครงสร้างและความสม่ำเสมอในเครือข่ายชีวภาพขนาดใหญ่และซับซ้อนเหล่านี้ สำคัญที่จะพัฒนาวิธีการทำเหมืองข้อมูลที่ทรงพลังและขยายตัวได้ เพื่อค้นพบรูปแบบโครงสร้างที่พบบ่อยและประมาณการ และศึกษาความสม่ำเสมอและความไม่สม่ำเสมอในเครือข่ายชีวภาพที่เชื่อมโยงกันเหล่านี้
การวิเคราะห์ความเชื่อมโยงและเส้นทาง (Association and path analysis) — สามารถระบุลำดับยีนที่เกิดร่วมกันและเชื่อมโยงยีนกับขั้นตอนต่างๆ ของการพัฒนารोग วิธีการวิเคราะห์ความเชื่อมโยง (Association analysis) สามารถใช้กำหนดประเภทของยีนที่มีแนวโน้มจะตามมาในตัวอย่างเป้าหมาย การวิเคราะห์เช่นนี้จะช่วยค้นพบทีมของยีนและศึกษาการปฏิสัมพันธ์และความสัมพันธ์ระหว่างพวกเขา
