срс. мхтп срс Агзамова Д. Основные понятия о моделях и методах их построения
 Скачать 0.62 Mb.
|
|
АО «Южно-Казахстанская медицинская академия» Кафедра: «Технология фармацевтического производства»  СРС Тема: Фармакометрика Выполнила: Агзамова Дилнозахон Группа: В-ФӨТӨА-05-19 Проверил: Гавриков В. В. Шымкент 2021 Занятие № 1 1. Тема: Основные понятия о моделях и методах их построения 2. Цель: Ознакомиться с основными понятиями и терминологиями дисциплины 3. Задания: для освоения темы необходимо провести работу с литературой и электронными базами данных, при этом необходимо обратить внимание на следующие вопросы: классификация математических моделей; классификация методов идентификации; 4. Форма выполнения: Доклад объемом 1 стр. 5. Критерии и оценки выполнения СРО (требования к выполнению задания):
6. Сроки сдачи: Доклад объемом 1 стр. - 1 неделя. 7. Рекомендуемая литература: основная: Советов Б.Я., Яковлев С.А. Моделирование систем. – М.: Высшая школа. 2001 Авдеев П. Ф. Философия информационной цивилизации. — M.: ВЛАДОС, 1994 дополнительная: Инков А.М. Компьютерные технологии решения задач автоматизации. Часть 1. Автоматизация схемотехнического моделирования и проектирования изделий электронной техники. Южно-Казахстанский Государственный Университет (ЮКГУ). 2002г. – 160 с., таб., ил. Гроп Д. Методы идентификации систем. - М.: Мир, 1979. 8. Контроль Классификация математических моделей (физические модели, натурные модели, масштабная модель, аналоговые модели, математические модели, аналитические модели, имитационные модели). Можно выделить следующие виды физических моделей: натурные, квазинатурные, масштабные и аналоговые. Натурные модели - это реальные исследуемые системы. Их называют макетами и опытными образцами. Натурные модели имеют полную адекватность с системой-оригиналом, что обеспечивает высокую точность и достоверность результатов моделирования. Классификация методов идентификации (активная и пассивная идентификация). Методы идентификации можно классифицировать по различным признакам. По способу тестирования различают активные и пассивные методы идентификации. В активных методах на вход объекта подаются специально сформированные воздействия - тестовые сигналы - детерминированного или случайного характера. Занятие № 2 1. Тема: Неизбежность упрощения модели по сравнению с реальным объектом 2. Цель: Ознакомиться с основными принципами построения математических моделей ХТП 3. Задания: для освоения темы необходимо провести работу с литературой и электронными базами данных, при этом необходимо обратить внимание на следующие вопросы: постановка задачи моделирования; упрощенные математические модели реальных аппаратов ХТП; 4. Форма выполнения: Доклад объемом 1 стр.. 5. Критерии и оценки выполнения СРО (требования к выполнению задания):
6. Сроки сдачи: Доклад объемом 1 стр. – 1 неделя. 7. Рекомендуемая литература: основная: Ахназарова С.Л., Кафаров В.В. Методы оптимизации эксперимента в химической технологии: Учебное пособие для вузов. - 2-е изд., перераб. и дополненное. -М.: Высшая школа, 1985. -327с. Рузинов Л.П. Статистические методы оптимизации химических процессов. -М.: Химия, 1972 дополнительная: Практикум по автоматике и системам управления производственными процессами: учеб. пособие для вузов /под ред. И.М.Масленникова. -М.: Химия, 1986. -336с. 8. Контроль (вопросы, тесты, задачи и пр.) постановка задачи моделирования Постановка задачи моделирования Этап постановки задачи характеризуется тремя основными стадиями: 1. Описание задачи 2. Определение целей моделирования 3. Формализация задачи Описание задачи делается на обычном языке, самыми общими фразами. При этом подробно описывается исходный объект, условия, в которых он находится, и желаемый результат, иначе отправной и конечный пункты моделирования. назначение методов анализа, применяемых при идентификации Измерительные методы анализа по способу регистрации сигнала, полученного от измеряемой величины, можно подразделить на три группы: физические, химические и биологические. Однако резких границ, разделяющих эти группы методов, нет. Многие методы по используемому инструментарию являются комбинированными: физико-химическими, биофизическими и биохимическими. Все методы так или иначе предполагают измерение некоторых физических величин, что нивелирует различия между физическими и нефизическими методами. Поэтому их классификация носит условный характер. На рис. приведена обобщенная классификация современных инструментальных методов идентификации и обнаружения фальсификации продовольственных товаров, далее приводится их краткая характеристика. Фармакометрика Одним из наиболее перспективных научных методов, способных помочь в решении задач углубленного поиска более предсказательных биомаркеров, клинических показателей и оптимальной дозы, более продуманного дизайна клинических испытаний, использования новых технологий для анализа их результатов, а также интеграции максимального количества информации при принятии ключевых решений, является математическое моделирование. В области фармакологии и анализа клинических данных математические модели стали разрабатываться и применяться на практике в начале 1970-х гг.. Образовалась новая научная дисциплина фармакометрика, которая стала использоваться фармацевтическими компаниями для статистического анализа фармакокинетических данных. В середине 1980-х гг. были разработано и усовершенствовано соответствующее программное обеспечение, например, пакеты NONMEM и Matlab, которые давали возможность разрабатывать более сложные математические модели, что позволило существенно расширить спектр их применения. На сегодняшний день существуют методики, которые позволяют использовать математические модели на самых различных стадиях разработки лекарственных препаратов. Например, биологическое моделирование на основе всевозможных данных о физиологии, биохимии и регуляции процессов, которые протекают в организме, позволяет оценить количественную характеристику взаимодействия препарата с мишенью и скорости его распространения в организме. При разработке лекарственных препаратов также используется статистическое моделирование. Такие модели используют прежде всего для доказательства статистической обоснованности выводов, которые были получены в ходе клинических испытаний. Кроме того, при помощи статистических моделей возможна оценка и исследование популяционных распределений различных показателей, получение предсказаний того, какой эффект они будут оказывать на поведение биомаркеров и клинических показателей, которые требуются. Одна из приоритетных задач современной фарминдустрии — сокращение сроков, стоимости и рисков, связанных с разработкой новых лекарственных средств. Для ее решения все чаще применяют математическое моделирование. С помощью этого метода можно определить мишени для лекарства, отобрать молекулы, обладающие оптимальным сочетанием фармакологических свойств, и в результате сделать правильный и, что очень важно, обоснованный выбор на каждом этапе разработки. Наука о химических превращениях лекарства в организме (фармакокинетика) изучает биологическую трансформацию молекул лекарственного вещества после введения. Основные фармакокинетические процессы — это всасывание, распределение по органам и тканям, метаболизм и выведение. Фармакодинамика определяет, собственно, то, как лекарство действует на организм, то есть его влияние на поведение тех или иных биомаркеров и клинических показателей. Для моделирования фармакодинамики используются два основных метода: модель непосредственного ответа и модель отложенного ответа. Это объясняется тем, что лекарство может действовать на биохимические показатели сразу или через определенное время (когда пик концентрации препарата в крови не совпадает с пиком его эффекта). Бывают модели, состоящие из одного уравнения, но чаще это сложные системы, учитывающие множество факторов. Получив максимум информации в первой фазе испытаний, можно узнать, каким должен быть дизайн исследований во второй и третьей фазах. Спектр применения Мировой опыт показывает, что применение различных методов математического моделирования становится неотъемлемой частью рассмотрения заявок на регистрацию новых лекарств и внесения дополнений в инструкции. Можно с уверенностью сказать, что это один из наиболее перспективных методов для повышения эффективности процесса создания новых лекарств. При этом спектр применения моделей продолжает расширяться. Сегодня разработан ряд инновационных математических методов, позволяющих усовершенствовать принятие решений на ранних стадиях исследований, за счет чего снижается риск провалов клинических программ в их доказательных фазах. Особенно важен вклад моделирования при ответе на ключевой вопрос о выборе дозы. Применение этого метода позволяет проводить анализ данных на качественно новом уровне и предлагать оптимальный дизайн для клинических испытаний. По мнению специалистов, в ближайшее десятилетие фармакометрика будет развиваться в направлении исследований в области анализа генетической информации и персонализированной медицины, что связано преимущественно с разработкой новых биопрепаратов. | ||||||||||||||||||||||||||||||||||||||||||||