洋安医药首席运营官杨晨在2017云栖大会·北京峰会中做了题为《人工智能加速药物研发-技术和应用》的分享,就药物研发行业存在的问题，将人工智能用于药物研发的优点等方面的内容做了深入的分析。

【技术优点】 1、 每个标签都有一个全球唯一的ID号码。无法修改、无法仿造；无机械磨损，防污损； 2、读写器具有不直接对最终用户开放的物理接口，保证其自身的安全性； 3、数据安全方面除标签的密码保护外，数据部分可用一些算法实现安全管理； 4、读写器与标签之间存在相互认证的过程等。

机器学习课程项目 介绍 通过GCN对SMILES表示的化学分子毒性进行预测。信息更多请参见 。 本项目通过一套Cloud ML Infra管理上百个机器学习模型，实现了“一次实施，随处运行”。仓库里包含了整个infra的相关脚本和代码。 report.pdf是本项目的实验报告。 入门 在使用这套工具前，你需要安装必要的工具。 brew install minio/stable/mc conda install tqdm tensorflow-gpu=1.15 keras=2.2.4 numpy pandas pip install minio 进行实验 在项目根目录下，使用run.sh执行指令。 ./run.sh python ./src/train.py 如果程序出错，数据不会被上传到对象存储。您可以手动上传。 ./save.sh 可以通过list.sh列出所有实验。 ./li

SimBiology 模型表征抗菌剂的药代动力学/药效学 (PK/PD) 关系，如 Nielsen 等人的文章“从时间-杀伤曲线实验中评估抗菌剂活性的半机械模型”中所述（参见参考文献以下） 参考： [1] Nielsen, EI, A. Viberg, E. Lowdin, O. Cars, MO Karlsson, and M. Sandstrom (2007) 半机械药代动力学/药效学模型，用于从时间-杀菌曲线实验评估抗菌剂的活性。 抗菌药物和化疗。 51:128-136。

吉林大学网络教育天然药物化学作业一.doc

吉林大学网络教育药物分析作业及答案题库.doc

2021华为杯药物题.pdf

上市后监测需要监测、评估和检测药物获得批准并投放市场后的不良事件。 社交媒体和搜索查询日志等用户生成的内容渠道越来越多地被用作传统数据库的补充数据源，用于上市后药物监测。 然而，现有的知识体系利用了不同的渠道、不良事件类型和建模方法，导致关于各种在线用户生成渠道和伴随建模方法的可行性和有效性的不同结果和不同结论。 本研究的目的是检查不同在线用户生成的内容渠道、事件特征和事件建模策略对药物不良事件早期检测的有效性和影响。 我们整合了一个大型测试平台，其中包含与 143 个不良事件相关的数百万条推文、论坛帖子和搜索查询日志。 我们还提出了一种新颖的基于启发式的事件建模方法，能够提高警报的精确度、召回率和及时性。 初步结果阐明了用户生成的渠道和事件类型之间的相互作用，以及超越基本提及模型的更强大的事件建模方法的潜力。 还讨论了几个当前和未来的研究方向。 报告的初步结果对各种利益相关者群体具有重要意义，包括监管机构、上市后监测团队、医疗保健对冲基金经理和第三方消费者权益团体。

某院住院患者抗菌药物应用.pdf

乳腺癌的抗癌药物是一个研究热点，ERα被认为是治疗乳腺癌的一个重要候选药物。本文基于抗癌药物筛选的热点问题，对候选药物化合物的多种分子标识符特征与其生物活性、ADMET性质之间的关系建立了数学模型，使用了线性回归、机器学习、神经网络、支持向量机、多目标优化等方法对化合物的生物数据进行了处理、预测、分类和参数值最优化，对候选药物化合物的选择提供了数据参考和可行思路。