药物相互作用研究在新药研发和审评决策中的应用

药物相互作用改变了剂量效应关系，可能会降低疗效或增加毒性，是临床应用中合并用药治疗时重要的考虑因素。预测具有临床意义的药物相互作用是药物研发过程中获益风险评估的重要环节。本文概述了药物研发过程中药物相互作用研究的目的和意义，体内和体外研究的主要内容；梳理分析了2020年国家药品监督管理局（National Medical Products Administration, NMPA）和美国食品药品监督管理局（Food and Drug Administration, FDA）批准上市的新药药物相互作用研究情况，旨在为我国药物研发过程中药物相互作用研究及其监管审评提供参考。     

飞机撞击下高温气冷堆乏燃料厂房损伤研究

本文针对典型高温气冷堆乏燃料厂房在双发商用飞机撞击载荷下的响应及结构完整性开展研究，并探讨结构特性对撞击损伤的影响。对乏燃料厂房及飞机分别建立有限元模型，通过弹体-目标相互作用分析模拟了飞机撞击过程，综合IAEA与NRC的评价准则对乏燃料厂房在飞机撞击下的损伤程度进行评估。数值结果表明：厂房上对应于机身及发动机的撞击位置发生可接受的局部损伤；乏燃料贮存井墙体对于提高构筑物抗飞机撞击能力有重要作用。此外，构筑物外形对损伤有很大影响，圆柱形壳体的抗飞机撞击能力显著强于方形厂房，是核电厂厂房设计的优化方向之一。     

不同骨料体积率的轻混凝土损伤-断裂分析

利用三点弯曲梁试验,对不同骨料体积率的轻骨料混凝土进行了断裂试验研究;同时,将混凝土损伤模块和随机骨料投放模块植入基于耦合判据(Coupled Criterion)的有限断裂模型中,首次应用于轻骨料混凝土断裂的数值模拟中。结果表明:该模型能够有效的模拟荷载-位移曲线的全过程,并且同时描述材料的损伤和断裂,同时预测裂纹的萌生与传播;通过能量分析,得出损伤能与断裂能随轻骨料体积率变化的规律。     

积分中值屈服准则解析厚板轧制椭圆速度场

为解决非线性Mises比塑性功率积分困难以及由此导致的轧制功率解析式难以获得的问题,本文通过建立并利用线性比塑性功率表达式对提出的椭圆速度场进行能量分析,得到了轧制力能参数的解析解.文中通过对变角度屈服函数求积分中值,构建了一个新的屈服准则,它是主应力分量的线性组合,在π平面上的轨迹是逼近Mises圆的等边非等角的十二边形,其基于Lode参数表达式的理论结果也与实验数据吻合较好.同时,根据厚板轧制时金属流动速度从入口到出口逐渐增大的特点,提出了水平速度分量满足椭圆方程的速度场,该速度场满足运动许可条件.通过相应的轧制能量分析,获得了基于线性屈服准则的内部变形功率以及基于应变矢量内积法上的摩擦功率与剪切功率.在此之上,通过泛函的极值变分导出了轧制力矩、轧制力以及应力状态系数的解析解,并与现场实测数据进行了对比,结果表明利用本文提出的屈服准则与速度场所建立的轧制力矩与轧制力模型与实测值吻合较好,其中轧制力误差小于5.3%,轧制力矩误差在6%左右.     

基于多项式变换的参数估计方法

本文给出一种采用DPT估计SNCK信号时宽—带宽积的方法,并通过仿真该估计方法的性能与其它估计方法进行比较.首先给出SNCK信号参数估计的一般过程.为了便于计算和理论推导,根据估计出的中心频率将接收到的SNCK信号搬移到零频,从而进一步估计其它参数,如采用DPT估计SNCK信号时宽带宽积.本文将重点研究采用DPT算法估计SNCK信号值的方法.     

弱相互作用调控表面活性剂自组装(Ⅱ)——表面活性剂的结构与设计

介绍了表面活性剂的结构、性质以及分类,综述了阴离子表面活性剂、阳离子表面活性剂、两性离子表面活性剂、非离子表面活性剂的分子间弱相互作用。另外,简述了低聚型表面活性剂和其他新型表面活性剂的结构及应用。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。