CN113035298B - 递归生成大阶数行限制覆盖阵列的药物临床试验设计方法 - Google Patents

递归生成大阶数行限制覆盖阵列的药物临床试验设计方法 Download PDF

Info

Publication number
CN113035298B
CN113035298B CN202110359745.7A CN202110359745A CN113035298B CN 113035298 B CN113035298 B CN 113035298B CN 202110359745 A CN202110359745 A CN 202110359745A CN 113035298 B CN113035298 B CN 113035298B
Authority
CN
China
Prior art keywords
row
coverage array
array
coverage
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110359745.7A
Other languages
English (en)
Other versions
CN113035298A (zh
Inventor
张媛
彭茂
卢长娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202110359745.7A priority Critical patent/CN113035298B/zh
Publication of CN113035298A publication Critical patent/CN113035298A/zh
Application granted granted Critical
Publication of CN113035298B publication Critical patent/CN113035298B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00ICT specially adapted for the handling or processing of medical references
    • G16H70/40ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明公开了一种药物临床试验方案的递归设计方法,涉及医学检验领域。首先将测试用例转化为行限制覆盖阵列,然后在小阶数的一般覆盖阵列和小阶数行限制覆盖阵列的基础上,用递归方法来生成覆盖强度为2的大阶数行限制覆盖阵列,进而得出具体的临床试验方案。与直接构造大阶数覆盖阵列的方法相比,本发明仅对小阶数阵列进行搜索,时间效率较高,通过递归构造可以充分利用已有的测试方案,提高效率,节约资源,本发明利用小阶数的行限制覆盖阵列(CARL)递归生成大阶数的行限制覆盖阵列,比直接构造大阶数覆盖阵列难度小,也不需要长时间的计算机搜索,实现效率较高。

Description

递归生成大阶数行限制覆盖阵列的药物临床试验设计方法
技术领域
本发明涉及医学检验技术领域,尤其涉及一种递归生成大阶数行限制覆盖阵列的药物临床试验设计方法。
背景技术
新药的研发往往是耗时、耗资巨大的系统工程。在经过对疾病的发病机理做反复论断和检测后,科研人员需从数十万种化合物选出合适的化合物进行完善,根据人体环境的特点不断降低毒性、增强针对性,从2-3年的实验室研发,再到2-5年的动物实验,接着便会进入为期三期的临床试验,中间任何一个环节出现意外,都意味着整个环节的推倒重来。新药的这种研发特点,导致了研发成功率低、研发时间长达十余年和研发成本平均数十亿美元的现象在行业普遍存在。而在整个研发环节中,临床试验的支出往往占项目总支出的一半以上,甚至达到七成,因此,在保证可靠性的前提之下,如何降低临床成本便是重要的研究课题。
根据临床试验目的的不同,不同的临床试验设计方法被学者提出,典型的方法如正交设计、均匀设计等。近年来,也有学者受到软件测试领域的组合测试方法的启发,用覆盖阵列来辅助设计临床试验方案。
在药物临床试验中,需要测试不同药物之间药效是否相互影响,采用“覆盖阵列”的方式设计测试方案,可以用尽量少的试验次数完成测试,然而由于药物的特殊性,试药志愿者每一次能够同时服用的药物数量有严格的限制,这衍生出了新的组合结构“带有行限制的覆盖阵列”,用来设计实际可行的临床测试方案。这里所提到的“覆盖阵列”CA(N;t,k,v)为一个N×k的矩阵,满足对任意的N×t阶子矩阵,每一个t排列至少出现1次,;若进一步满足每一行有w个非空元素,k-w个空值元素(记为“-”),则称其为有行限制w的行限制覆盖阵列CARL(N;t,k,v:w)。这里k表示有k类药物需要测试,每一类有v种可能的选择方式,w为能够同时服用的药物数量,t称为交叉覆盖的强度,阵列的每一行即代表一次测试,我们需要在满足覆盖交叉测试的基础上,尽可能减少测试次数N。
关于覆盖阵列和行限制覆盖阵列,不同学者提出了各种构造方法。一类是基于数学原理的方法,如组合设计构造法,差方法等,这些数学构造法对于某些特定参数设定下能够得到一类好的构造,然而无法对一般参数的结构进行构造;另一类方法基于计算机搜索,搜索算法较少考虑数学结构,其可以给出一般参数下的可行解,如贪心法、粒子群算法等,对小阶数结构可以得到较好构造,然而对大阶数结构,耗时巨大,在计算时间有限的的情况下可行解的质量往往难以保证。
发明内容
本发明旨在提供一种在测试两种药品(覆盖强度t=2)的互相影响时,不直接构造大阶数的行限制覆盖阵列(CARL),而在已有的小阶数覆盖阵列和行限制覆盖阵列(CARL)的基础上,递归生成大阶数的行限制覆盖阵列的药物临床试验设计方法。
本发明的递归生成大阶数行限制覆盖阵列的药物临床试验设计方法,包含以下步骤:
步骤1、将临床试验方案转化为行限制覆盖阵列设计问题;
步骤2、构造行数较少的行限制覆盖阵列和一般覆盖阵列,利用递归方法,生成大阶数行限制覆盖阵列;
步骤3、将生成的行限制覆盖阵列转化为实际的临床试验方案。
进一步地,步骤1.1:若共有k种药物需要进行组合测试,每种药物有v种剂量,将v分解为v1v2,v1和v2均为大于等于2的正整数,而实验者只能同时服用w种药物,则将问题转化为构造带有行限制的覆盖阵列CARL(2,k,v:w)。
进一步地,步骤2.1:以任意算法生成基础的小阶数行限制覆盖阵列A=CARL(2,k,v1:w),覆盖阵列B=CA(2,v1,v2),以及行限制覆盖阵列C=CARL(2,k,v2:w),并分别记阵列A,B,C的行数分别为NA,NB,NC
记矩阵A=(aij),这里空元素记为“-”,非空元素
Figure BDA0003005050440000026
记矩阵B中的各列分别为βi,i∈{0,1,…,v1},即/>
Figure BDA0003005050440000025
βi为NB维列向量;记矩阵C=(cij),这里空元素记为“-”,非空元素/>
Figure BDA0003005050440000021
步骤2.2:将矩阵A中的每个非空元素aij替换为NB行二元序对
Figure BDA0003005050440000022
空元素“-”替换为NB行的空元素“-”记新得的矩阵为D,矩阵D共有NANB行,所有非空元素
Figure BDA0003005050440000023
Figure BDA0003005050440000024
步骤2.3:将矩阵C复制v1份竖放,并将其中第s份中每个非空元素cij替换为二元序对(s,cij),空元素“-”替换为NC行的空元素“-”,这里s=0,…,v1-1,记得到的新矩阵为E,共有v1NC行;
步骤2.4:将矩阵D,E竖放构成新矩阵,此矩阵是一个行限制覆盖阵列CARL(2,k,v1v2:w),行数为NANB+v1NC行。
进一步地,步骤2.1中,所述算法包括贪心法、退火法和进化算法。
进一步地,步骤2.2中,所述替换是将A中元素0,1,…,v1-1及空元素“-”分别代换:
0→(0,β1),共NB
1→(1,β2),共NB
Figure BDA0003005050440000031
共NB
“-”→NB行“-”;
进而得到新矩阵D。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、本发明通过递归构造可以充分利用已有的测试方案,提高效率,节约资源;
2、本发明利用小阶数的行限制覆盖阵列(CARL)递归生成大阶数的行限制覆盖阵列,比直接构造大阶数覆盖阵列难度小,也不需要长时间的计算机搜索,实现效率较高。
附图说明
图1是本发明的主流程图。
具体实施方式
本专利采用递归构造的方法,对于一般参数,只需构造小阶数的相关阵列,即可递归得到大阶数的行限制覆盖阵列,从而转化为可行的药物临床试验设计。本发明主要考虑在测试两种药品(覆盖强度t=2)的互相影响时,不直接构造大阶数的行限制覆盖阵列(CARL),而在已有的小阶数覆盖阵列和行限制覆盖阵列(CARL)的基础上,递归生成大阶数的行限制覆盖阵列(CARL),同时可以继承已有测试,提高测试效率,减少资源浪费
实施例
假设有6类药物需要进行两两组合测试,每一类药物有四种备选,实验者只能同时服用4类药物,即t=2,k=6,v=4,w=4,将问题转化为构造带有行限制的覆盖阵列CARL(2,6,4:4)。
按照设计流程,首先以任意方法(如贪心法、遗传算法等)构造小阶数行限制覆盖阵列A=C=CARL(2,6,2:4),以及小阶数覆盖阵列B=CA(2,2,2),这里NA=NC=12,NB=4。
Figure BDA0003005050440000041
将矩阵A中的每个0,1如下替换,得到矩阵D:
Figure BDA0003005050440000042
将矩阵C复制2份竖放,并将其中第0份中每个非空元素cij替换为二元序对(0,cij),第1份中每个非空元素cij替换为二元序对(1,cij),空元素“-”替换为NC行的空元素“-”,得到矩阵E;
将矩阵D,E竖放构成新矩阵,此矩阵是一个行限制覆盖阵列CARL(2,6,4:4),共NANB+v1NC=12×4+2×12=72行。
Figure BDA0003005050440000043
Figure BDA0003005050440000051
Figure BDA0003005050440000061
从上述构造行限制覆盖阵列CARL(2,6,4:4)的过程可以看出,此方法仅从小阶数的CARL(2,6,2:4),CA(2,2,2)出发,便递归生成了v=4的较大阶数CARL(2,6,4:4),比直接构造难度小,效率高。可以实现在有6类药物,每一类药物有4种备选,实验者只能同时服用4类药物的情况下,进行72次实验即可完成所有药物的两两组合测试。

Claims (3)

1.一种递归生成大阶数行限制覆盖阵列的药物临床试验设计方法,其特征在于,包括以下步骤:
步骤1、将药物临床试验方案转化为行限制覆盖阵列设计问题;
步骤2、构造行数较少的行限制覆盖阵列和一般覆盖阵列,利用递归方法,生成大阶数行限制覆盖阵列;
步骤3、将生成的行限制覆盖阵列转化为实际的药物临床试验方案,
所述步骤1具体包括以下步骤:
步骤1.1、若共有k种药物需要进行组合测试,每种药物有v种剂量,将v分解为v1、v2,其中v1和v2均为大于等于2的正整数,而实验者只能同时服用w种药物,则将问题转化为构造带有行限制的覆盖阵列CARL(2,k,v:w),
所述步骤2具体包括以下步骤:
步骤2.1、通过算法生成基础的小阶数行限制覆盖阵列A=CARL(2,k,v1:w),覆盖阵列B=CA(2,v1,v2),以及行限制覆盖阵列C=CARL(2,k,v2:w),并分别记阵列A,B,C的行数分别为NA、NB、NC
记矩阵A=(aij),这里空元素记为“-”,非空元素
Figure FDA0004214518480000011
记矩阵B中的各列分别为βi,i∈{0,1,…,v1},即/>
Figure FDA0004214518480000012
βi为NB维列向量;记矩阵C=(cij),这里空元素记为“一”,非空元素/>
Figure FDA0004214518480000013
步骤2.2、将矩阵A中的每个非空元素aij替换为NB行二元序对
Figure FDA0004214518480000015
空元素“-”替换为NB行的空元素“-”,记新得的矩阵为D,矩阵D共有NANB行,所有非空元素/>
Figure FDA0004214518480000014
步骤2.3、将矩阵C复制v1份竖放,并将其中第s份中每个非空元素cij替换为二元序对(s,cij),空元素“-”替换为NC行的空元素“-”,这里s=0,…,v1-1,记得到的新矩阵为E,共有v1NC行;
步骤2.4、将矩阵D,E竖放构成新矩阵,此矩阵是一个行限制覆盖阵列CARL(2,k,v1v2:w),行数为NANB+v1NC行。
2.根据权利要求1所述的递归生成大阶数行限制覆盖阵列的药物临床试验设计方法,其特征在于,步骤2.1中,所述算法包括贪心法、退火法和进化算法。
3.根据权利要求1所述的递归生成大阶数行限制覆盖阵列的药物临床试验设计方法,其特征在于,步骤2.2中,所述替换是将A中元素0,1,…,v1-1及空元素“-”分别代换:
0→(0,β1),共NB
1→(1,β2),共NB
Figure FDA0004214518480000021
共NB
“-”→NB行“-”;
进而得到新矩阵D。
CN202110359745.7A 2021-04-02 2021-04-02 递归生成大阶数行限制覆盖阵列的药物临床试验设计方法 Active CN113035298B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110359745.7A CN113035298B (zh) 2021-04-02 2021-04-02 递归生成大阶数行限制覆盖阵列的药物临床试验设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110359745.7A CN113035298B (zh) 2021-04-02 2021-04-02 递归生成大阶数行限制覆盖阵列的药物临床试验设计方法

Publications (2)

Publication Number Publication Date
CN113035298A CN113035298A (zh) 2021-06-25
CN113035298B true CN113035298B (zh) 2023-06-20

Family

ID=76454007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110359745.7A Active CN113035298B (zh) 2021-04-02 2021-04-02 递归生成大阶数行限制覆盖阵列的药物临床试验设计方法

Country Status (1)

Country Link
CN (1) CN113035298B (zh)

Citations (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6376225B1 (en) * 2001-01-05 2002-04-23 Pe Corporation (Ny) Isolated human phosphodiesterase proteins, nucleic acid molecules encoding human phosphodiesterase proteins, and uses thereof
CN102646171A (zh) * 2011-04-11 2012-08-22 闫京波 多维矩阵用于像药型化合物分子设计的应用及像药型化合物分子设计方法
CN104487842A (zh) * 2012-05-22 2015-04-01 博格有限责任公司 用于鉴别药物诱导毒性标志物的基于细胞的探询式分析
CN105102631A (zh) * 2012-12-03 2015-11-25 阿尔玛克诊断有限公司 用于癌症的分子诊断测试
CN105486878A (zh) * 2016-01-22 2016-04-13 徐超 一种临床个体化组合用药的筛选系统及其方法
CN105518153A (zh) * 2013-06-20 2016-04-20 因姆内克斯普雷斯私人有限公司 生物标志物鉴定
CN105603062A (zh) * 2006-05-03 2016-05-25 人口诊断股份有限公司 评估遗传性病症的方法
CN106061283A (zh) * 2014-02-07 2016-10-26 百事可乐公司 制备联产品并将其加入饮料以取得新陈代谢和肠道健康的改善
CN106126881A (zh) * 2008-03-26 2016-11-16 赛拉诺斯股份有限公司 表征对象的临床结果的计算机系统
CN107545151A (zh) * 2017-09-01 2018-01-05 中南大学 一种基于低秩矩阵填充的药物重定位方法
CN107977709A (zh) * 2017-04-01 2018-05-01 北京昆仑医云科技有限公司 预测血管树血管路径上的血流特征的深度学习模型和系统
CN108025052A (zh) * 2015-09-16 2018-05-11 人工细胞科技公司 抗疟疾组合物和方法
CN108048561A (zh) * 2018-01-29 2018-05-18 为朔医学数据科技(北京)有限公司 一种检测药物基因组学基因型的引物组、试剂盒及指导个性化用药的检测方法
CN108064242A (zh) * 2014-05-28 2018-05-22 阿吉纳斯公司 抗gitr抗体和其使用方法
CN108285483A (zh) * 2012-04-17 2018-07-17 梅奥医学教育和研究基金会 用于中风和缺血或缺血性病况的人抗体及其特异性结合序列
CN108513586A (zh) * 2015-09-30 2018-09-07 因姆内克斯普雷斯私人有限公司 病原体生物标志物及其用途
CN109265517A (zh) * 2015-03-27 2019-01-25 伊玛提克斯生物技术有限公司 用于各种肿瘤免疫治疗的新型肽和肽组合物
CN109310653A (zh) * 2016-03-17 2019-02-05 硫创治疗公司 用于控制释放半胱胺和系统治疗半胱胺敏感性病症的组合物
CN109559831A (zh) * 2018-10-26 2019-04-02 山东省立医院 一种基于抗癌药物临床实验数据的疗效评价方法
CN109964224A (zh) * 2016-09-22 2019-07-02 恩芙润斯公司 用于语义信息可视化和指示生命科学实体之间显著关联的时间信号推断的系统、方法和计算机可读介质
CN110456035A (zh) * 2012-04-02 2019-11-15 博格有限责任公司 基于细胞的探询式分析及其应用
EP3618832A1 (en) * 2017-05-05 2020-03-11 Allergan, Inc. Brimonidine for use and clinical trial design for geographic atrophy due to age-related macular degeneration
CN111048165A (zh) * 2019-12-09 2020-04-21 天津开心生活科技有限公司 试验样本的确定方法及装置、计算机介质和电子设备
CN111079389A (zh) * 2019-12-18 2020-04-28 嘉兴太美医疗科技有限公司 访视计划表的生成方法、系统及计算机可读介质
CN111344415A (zh) * 2017-10-02 2020-06-26 牛津生物动力有限公司 生物标志物
CN111666285A (zh) * 2020-05-21 2020-09-15 南京邮电大学 基于双向循环链表的Costas序列搜索方法
CN111657932A (zh) * 2019-03-07 2020-09-15 韦伯斯特生物官能(以色列)有限公司 用于标测和记录心律的导管系统的装置、系统和使用
CN111863281A (zh) * 2020-07-29 2020-10-30 山东大学 一种个性化药物不良反应预测方法、系统、设备及介质
CN111916163A (zh) * 2020-08-11 2020-11-10 上海亿锎智能科技有限公司 用于临床研究中药物试验的现场管理系统实现方法和装置
CN111933225A (zh) * 2020-09-27 2020-11-13 平安科技(深圳)有限公司 药物分类方法、装置、终端设备以及存储介质
CN111931470A (zh) * 2020-08-11 2020-11-13 上海亿锎智能科技有限公司 临床研究中药物试验的受试者支付系统的实现方法和装置
CN111951886A (zh) * 2019-05-17 2020-11-17 天津科技大学 一种基于贝叶斯归纳型矩阵补全的药物重定位预测方法
CN112154519A (zh) * 2018-03-28 2020-12-29 伯耐沃伦人工智能科技有限公司 用于知识发现的搜索工具
CN112562781A (zh) * 2020-12-08 2021-03-26 中国石油大学(华东) 基于深度学习的预测化合物蛋白质亲和力新型编码方案、计算机设备、存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080311554A1 (en) * 1994-05-06 2008-12-18 Slotman Gus J Methods for monitoring patients with severe sepsis and septic shock and for selecting treatments for these patients
US9861281B2 (en) * 2015-03-19 2018-01-09 Accenture Global Services Limited Telemetrics and alert system

Patent Citations (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6376225B1 (en) * 2001-01-05 2002-04-23 Pe Corporation (Ny) Isolated human phosphodiesterase proteins, nucleic acid molecules encoding human phosphodiesterase proteins, and uses thereof
CN105603062A (zh) * 2006-05-03 2016-05-25 人口诊断股份有限公司 评估遗传性病症的方法
CN106126881A (zh) * 2008-03-26 2016-11-16 赛拉诺斯股份有限公司 表征对象的临床结果的计算机系统
CN102646171A (zh) * 2011-04-11 2012-08-22 闫京波 多维矩阵用于像药型化合物分子设计的应用及像药型化合物分子设计方法
CN110456035A (zh) * 2012-04-02 2019-11-15 博格有限责任公司 基于细胞的探询式分析及其应用
CN108285483A (zh) * 2012-04-17 2018-07-17 梅奥医学教育和研究基金会 用于中风和缺血或缺血性病况的人抗体及其特异性结合序列
CN107449921A (zh) * 2012-05-22 2017-12-08 博格有限责任公司 用于鉴别药物诱导毒性标志物的基于细胞的探询式分析
CN104487842A (zh) * 2012-05-22 2015-04-01 博格有限责任公司 用于鉴别药物诱导毒性标志物的基于细胞的探询式分析
CN105102631A (zh) * 2012-12-03 2015-11-25 阿尔玛克诊断有限公司 用于癌症的分子诊断测试
CN105518153A (zh) * 2013-06-20 2016-04-20 因姆内克斯普雷斯私人有限公司 生物标志物鉴定
CN106061283A (zh) * 2014-02-07 2016-10-26 百事可乐公司 制备联产品并将其加入饮料以取得新陈代谢和肠道健康的改善
CN108064242A (zh) * 2014-05-28 2018-05-22 阿吉纳斯公司 抗gitr抗体和其使用方法
CN109265517A (zh) * 2015-03-27 2019-01-25 伊玛提克斯生物技术有限公司 用于各种肿瘤免疫治疗的新型肽和肽组合物
CN108025052A (zh) * 2015-09-16 2018-05-11 人工细胞科技公司 抗疟疾组合物和方法
CN108513586A (zh) * 2015-09-30 2018-09-07 因姆内克斯普雷斯私人有限公司 病原体生物标志物及其用途
CN105486878A (zh) * 2016-01-22 2016-04-13 徐超 一种临床个体化组合用药的筛选系统及其方法
CN109310653A (zh) * 2016-03-17 2019-02-05 硫创治疗公司 用于控制释放半胱胺和系统治疗半胱胺敏感性病症的组合物
CN109964224A (zh) * 2016-09-22 2019-07-02 恩芙润斯公司 用于语义信息可视化和指示生命科学实体之间显著关联的时间信号推断的系统、方法和计算机可读介质
CN107977709A (zh) * 2017-04-01 2018-05-01 北京昆仑医云科技有限公司 预测血管树血管路径上的血流特征的深度学习模型和系统
EP3618832A1 (en) * 2017-05-05 2020-03-11 Allergan, Inc. Brimonidine for use and clinical trial design for geographic atrophy due to age-related macular degeneration
CN107545151A (zh) * 2017-09-01 2018-01-05 中南大学 一种基于低秩矩阵填充的药物重定位方法
CN111344415A (zh) * 2017-10-02 2020-06-26 牛津生物动力有限公司 生物标志物
CN108048561A (zh) * 2018-01-29 2018-05-18 为朔医学数据科技(北京)有限公司 一种检测药物基因组学基因型的引物组、试剂盒及指导个性化用药的检测方法
CN112154519A (zh) * 2018-03-28 2020-12-29 伯耐沃伦人工智能科技有限公司 用于知识发现的搜索工具
CN109559831A (zh) * 2018-10-26 2019-04-02 山东省立医院 一种基于抗癌药物临床实验数据的疗效评价方法
CN111657932A (zh) * 2019-03-07 2020-09-15 韦伯斯特生物官能(以色列)有限公司 用于标测和记录心律的导管系统的装置、系统和使用
CN111951886A (zh) * 2019-05-17 2020-11-17 天津科技大学 一种基于贝叶斯归纳型矩阵补全的药物重定位预测方法
CN111048165A (zh) * 2019-12-09 2020-04-21 天津开心生活科技有限公司 试验样本的确定方法及装置、计算机介质和电子设备
CN111079389A (zh) * 2019-12-18 2020-04-28 嘉兴太美医疗科技有限公司 访视计划表的生成方法、系统及计算机可读介质
CN111666285A (zh) * 2020-05-21 2020-09-15 南京邮电大学 基于双向循环链表的Costas序列搜索方法
CN111863281A (zh) * 2020-07-29 2020-10-30 山东大学 一种个性化药物不良反应预测方法、系统、设备及介质
CN111931470A (zh) * 2020-08-11 2020-11-13 上海亿锎智能科技有限公司 临床研究中药物试验的受试者支付系统的实现方法和装置
CN111916163A (zh) * 2020-08-11 2020-11-10 上海亿锎智能科技有限公司 用于临床研究中药物试验的现场管理系统实现方法和装置
CN111933225A (zh) * 2020-09-27 2020-11-13 平安科技(深圳)有限公司 药物分类方法、装置、终端设备以及存储介质
CN112562781A (zh) * 2020-12-08 2021-03-26 中国石油大学(华东) 基于深度学习的预测化合物蛋白质亲和力新型编码方案、计算机设备、存储介质

Also Published As

Publication number Publication date
CN113035298A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
Zheng et al. Gene differential coexpression analysis based on biweight correlation and maximum clique
US20070225956A1 (en) Causal analysis in complex biological systems
Sunseri et al. Libmolgrid: graphics processing unit accelerated molecular gridding for deep learning applications
Sheu et al. The combined role of dispersal and niche evolution in the diversification of Neotropical lizards
Lin et al. Computational methods for analyzing and modeling genome structure and organization
Žitnik et al. Gene prioritization by compressive data fusion and chaining
Peng et al. Predicting cancer drug response using parallel heterogeneous graph convolutional networks with neighborhood interactions
Li et al. Imputation of spatially-resolved transcriptomes by graph-regularized tensor completion
Esteve-Altava et al. Evolutionary parallelisms of pectoral and pelvic network-anatomy from fins to limbs
Feng et al. Survival analysis of DNA mutation motifs with penalized proportional hazards
Shen et al. Reconstruction of evolving gene variants and fitness from short sequencing reads
CN113035298B (zh) 递归生成大阶数行限制覆盖阵列的药物临床试验设计方法
Mitchell et al. Parallel classification and feature selection in microarray data using SPRINT
Bohm et al. Information fragmentation, encryption and information flow in complex biological networks
Rorabaugh et al. High frequency accuracy and loss data of random neural networks trained on image datasets
Valls et al. Anaxomics’ Methodologies-Understanding the Complexity of Biological Processes
Hoel et al. Evolution leads to emergence: an analysis of protein interactomes across the tree of life
Montesinos-López et al. Optimizing sparse testing for genomic prediction of plant breeding crops
CN114882960A (zh) 药物疾病关联预测方法、装置、电子设备和可读存储介质
Yadav et al. Topological parameters, patterns, and motifs in biological networks
Sheng et al. Strategies for multivariate analyses of imaging genetics study in Alzheimer’s disease
Girisha et al. A comprehensive review of global alignment of multiple biological networks: background, applications and open issues
Qu et al. Enhancing understandability of omics data with shap, embedding projections and interactive visualisations
Sahu et al. Computational biology approach in management of big data of healthcare sector
Momeni et al. MapReduce-based parallel genetic algorithm for CpG-site selection in age prediction

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant