摘要：PBD1是位于PLK1 C端一处的特征性结构域,具有调节酶的催化活性和亚细胞动态定位的重要功能。目前大部分抗肿瘤PLK1抑制剂均针对ATP结合口袋,但ATP结合区结构保守性使得对靶标的选择性难以实现,而且还易与其他激酶抑制剂类药物产生交叉耐药性。而远离PLK1催化区域的PBD1因其结构特异性而在近期受到广泛关注,有望成为激酶结构域的替代靶点。研究者从化学小分子或多肽入手,期望开发出有效的PBD1抑制剂,用于抗肿瘤药物研究。本文对PBD1的结构和功能以及主要抑制剂的研究进展进行了综述和展望。

摘要：FMS样酪氨酸激酶3(FLT3)是一种Ⅲ型受体酪氨酸激酶,在造血细胞和淋巴细胞的增殖分化过程中发挥关键作用。FLT3的异常激活与恶性血液疾病尤其是急性髓性白血病的发生发展密切相关。近年来通过靶向抑制FLT3治疗多种恶性肿瘤成为研究热点,多种FLT3抑制剂进入临床研究。本文将对FLT3抑制剂与FLT3作用模式和构效关系进行分析综述,并简要介绍其临床研究进展。

摘要：采用带有随机微分方程的非线性混合效应模型对群体药物代谢动力学数据建模,通过在状态方程中引入随机项,将常微分方程扩展到随机微分方程.和常微分方程相比,随机微分方程可解决群体药物代谢动力学模型中相关残差问题.利用贝叶斯估计对非线性混合效应随机微分方程模型参数进行估计,给出群体参数及个体参数的精确后验分布,将Gibbs和Metropolis-Hastings算法相结合,给出参数估计值.通过计算机模拟和实例分析验证了方法的可靠性,结果表明利用非线性混合效应随机微分方程模型及贝叶斯估计方法分析群体药物代谢动力学数据是可行的.

摘要：目的:研究对称分布用于药代动力学中参数的估计是否合理。方法:在广义线性模型框架下,以贝叶斯方法推导出模型中各回归参数的后验,再用MCMC算法结合模拟得出参数的具体值。结果:对5 000次模拟的结果进行统计分析,得到各参数的点估计值和置信域及相应图表,符合模拟的预设值。对称分布与广义线性模型结合,得到了较好的参数估计值。结论:群体药物代谢动力学中可以考虑使用对称分布进行参数的估计。

摘要：Polo样激酶1(polo-like kinases 1,PLK1)作为抗肿瘤药物的靶标,在过去十年里得到了广泛的研究。目前,已有多个PLK1抑制剂进入临床研究。已报道的PLK1抑制剂的化学结构类型较多,本文主要针对激酶域ATP抑制剂,总结其构效关系和作用模式,阐述研究进展,以期对PLK1抑制剂的研究提供有益的参考。

摘要：目的本文提出一种基于非参数模型的生物等效性检验的新方法。方法首先利用非参数回归的方法估计血药浓度-时间曲线,并建立血药浓度估计值线性混合效应模型估计药物效应系数,在此模型的基础上采用多重检验的方法对曲线上每一时间点处的药物效应系数进行生物等效性检验。若在所有时间点处等效,则两种药物等效。结果模拟和实例分析表明此方法能消除周期效应和序列效应的影响,同时在数据稀疏时可降低生物等效性检验的I类误差率,并能提高在测量误差较大时的检验效能。结论本文提出的多重检验方法有较高的检验效能和较低的I类误差率,可应用于生物等效性检验。

摘要：目的通过构建适合的二元Copula函数模型,对中药有效成分群指纹图谱与药物活性进行分析,探索简单易行的中药质量控制方法。方法本文首先分别模拟分析二元Copula函数和二元正态分布对中药有效成分群谱效关系的拟合情况,然后选取合适的Copula函数模型分析18批次怀牛膝药材指纹图谱与成骨细胞增殖活性的相关关系,最后利用选择的Copula函数模型对中药怀牛膝进行质量判别。结果五种常见的Copula函数中,二元单参数Gumbel Copula函数对所研究的中药怀牛膝有效成分群谱效关系有较好的拟合效果,其相关系数τ=0.5547,ρs=0.7422,λup=0.6384,λlo=0。结果表明此函数上尾部呈现出较强的相关性而下尾部渐近独立,即质量好的中药其细胞增值活性也较强,质量差的对细胞药效影响则不显著。结论 Copula函数能够用于分析中药有效成分群谱效关系,尤其对尾部相关性的描述为质量辨别提供了新方法,为中药谱效关系研究提出新思路。

摘要：为提高医药企业药品销售数据时空分析能力,提供可视化的药品销售数据分析功能,利用GIS技术研究药品销售数据的地理空间属性,建立数据处理模型,并使用ArcGIS Engine二次开发组件,在.NET平台上实现基于地理空间信息的药品销售数据的查询、销售渠道分析、销售业绩分析、药品分销与追踪等功能。实验结果表明,药品销售的时空数据分析以及可视化效果能够满足企业用户的需求。

摘要：DPP-Ⅳ(二肽基肽酶-Ⅳ)抑制剂是目前研究最广泛深入的一类抗糖尿病药物。梳理DPP-Ⅳ的蛋白结构和功能,分析各类型上市或临床DPP-Ⅳ抑制剂的设计思想及关键基团作用模式,为通过基于结构的药物设计获得新型选择性DPP-Ⅳ抑制剂提供参考。

摘要：目的:利用血清指标建立数学模型实现肝纤维化的准确分级和变量筛选。方法:在Matlab平台上,采用支持向量机(SVM)构建数学模型预测肝纤维化分级,然后采用平均影响值(MIV)的方法对变量的相对重要性进行排序实现变量筛选。结果:实验利用分类模型预测训练集的准确率为92.3077%,预测测试集准确率为90.9091%。利用变量筛选模型得出对肝纤维化程度影响较大血清指标依次为Hyp、STB、LN、A/T、IV-C等。结论:支持向量机和平均影响值方法可以很好的分类肝纤维化程度和筛选变量,对实际应用具有一定的参考价值。