摘要：大数据是需求驱动的概念.随着数据库系统的普及和因特网服务的扩张,企业或者个人可用的数据正在膨胀,已有的技术很难满足大数据时代的数据分析需求,因此需要探索新的理论和方法来支撑大数据的应用.虽然大数据的4V属性已经被广泛讨论,但是它们大多描述的仍然是大数据的表象,所以很难从中抽象出统一的数据格式,因而进一步寻找可用于数据格式化的技术特征是必要的.面向于以分布式和流动性为主要技术特征的大数据应用需求,文中以分布式数据流为数据表达载体,在此基础上设计对应的大数据分类模型和挖掘算子.同时针对大数据的分类挖掘需要解决的关键问题来构建关键步骤对应的算法.理论上证明了文中给出的微簇合并技术和样本数据重构方法的合理性.实验表明:文中提出的基于分布式数据流的大数据的分类模型及算法不仅能大幅度地减少网络节点间的通讯代价,而且可以获得平均10%左右的全局挖掘精度的提升(对比已有的典型算法DS-means);虽然时间花费略高于DS-means,但是两者在不同的数据容量测试下相差很小、且时间攀升趋势相当.

摘要：目的生物类似药临床相似性研究的目的是评价候选药在临床安全有效性方面与参照药的相似性,这需要设计并开展科学合理的临床试验来证明。本文的目的是提出生物类似药临床试验设计中的关键问题以及解决思路。方法通过对国内外生物类似药研发的现状和多国监管机构的技术指导原则的综合分析,形成生物类似药临床研究的总体考虑要点。结果与结论根据原研产品特征以及药学、非临床比对研究结果,用简化的、少而精的临床试验,来证明候选药与参照药的等效性,以此来桥接原研产品(参照药)已经被认可的有效性和安全性。临床研究设计中,准确的适应证、敏感的受试人群、恰当的评价指标等,都将为生物类似药的最终相似性评价提供有价值的数据和有力证据。

摘要：目的生物类似药评价主要关注质量、有效性和安全性方面的相似性,其中非临床阶段主要是阐述药理毒理特性的相似性。方法非临床研究遵循比对研究原则和循序递进原则。药学结果的相似性程度决定了后续非临床研究内容,同时非临床阶段的体外试验结果决定后续体内试验研究内容。结果与结论非临床阶段的相似性评价通过统计学方法进行量化比较,毒性反应的相似性评价主要关注反应类型和程度的差异性。非临床阶段的相似性结果将为后续临床试验设计和评价要求提供参考。

摘要：目的探讨生物类似药研发评价的相关问题。方法结合《生物类似药研发与评价技术指导原则》(试行)(以下简称《指导原则》)的起草工作,从生物类似药的起源、现行法规中相关内容、对于生物类似药的理解、生物类似药的研发评价思路、研发与评价的问题与难点等方面探讨交流生物类似药及候选药的内在特性与研发风险。结果与结论建议参照国内颁布的《指导原则》设计适宜的比对性研究,选择适宜的研发路径,评估论证研发工艺、生产规模、研究批次的代表性及合理性,清醒认识比对研究中的技术要求、相似性评判的难度和复杂性,慎重选择和开发生物类似药。

摘要：目的探讨生物类似药临床相似性比对试验设计的关键考虑要素及结果评价标准。方法检索、调研国外生物类似药指导原则及临床相似性评价相关文献进展,通过案例分析并与生物制药行业研发者、临床及统计学专家共同研讨等方法,形成对生物类似药临床相似性评价的思考。结果与结论生物类似药临床相似性评价的标准应基于产品特异性制定。对于不同的生物制品,在充分了解原研产品质量、有效性、安全性特征的基础上,找到合适的研究人群、终点及等效/非劣效界值至关重要。临床相似性评价标准中应考虑引入参照药自身临床应答变异、受试者临床疗效变异等因素设定界值,并在临床相似性比对试验中进行直接对比评估,从而全面评价临床相似性。