科学数据

p 　　8月2日，第四届(2017)科学数据大会在云南昆明举行。记者从此次会议上获悉，我国将加快推动国家科学数据中心建设。 /p p 　　科学数据是科研观测、科学研究活动的成果，也是信息时代最基本、最活跃、影响面最宽的科技资源。记者了解到，科技部未来将逐步推动以下四项工作：推动制定科学数据相关的政策法规 加快推动国家科学数据中心的建设，这是未来的重点工作和抓手，力争将来形成一批有世界影响力的、高水平的国家科学数据中心 推动科学数据汇交工作 通过良好的政策引导、体制机制的改革，加快数据开放共享的工作进程。 /p p 　　国家科技基础条件平台中心相关负责人表示，未来将围绕国际发展战略和科技创新需求，紧密衔接重大科技创新活动，形成国家科学数据中心布局，“但国家科学数据中心的建设并不是从头再来，而是要充分利用已有的各领域、各行业科学数据中心为基础，通过整合重组、调整优化等方式，打造一批数据量大、运行机制完善、服务能力强的国家级科学数据中心”。 /p p 　　本次会议由国际科技数据委员会(CODATA)中国全国委员会主办，国家科技基础条件平台中心、中科院办公厅共同主办，中科院昆明植物所、中科院计算机网络信息中心共同承办。中科院副院长张亚平出席了会议。来自科技部、中科院、国防科大等机构的专家学者数百人参会。 /p p & nbsp /p

对于实验室或检测机构，仪器设备是所有业务开展的基础，数据则是核心命脉，而传统的仪器设备原始数据收集方式，效率低耗时长、操作流程不规范、不易保存与查找、错误率高、易篡改等成了制约检测机构持续高速发展的瓶颈和弊端，这严重影响了实验数据的质量和实验室工作效率。 为适应当今的实验室数据化应用与分析，青软青之提供了King’s SDMS 仪器数据采集及科学数据管理系统，旨在满足检测领域对仪器设备数据自动采集和应用的全方位需求。系统通过构建智能数据解析服务中心，让各类仪器设备数据协议的繁杂简单化、标准化，为数据使用方提供规范的统一的目标数据，让整个数据采集过程更便捷、更高效、更准确、更安全。 从大量数据到大数据 检测数据是检测机构的血液，如何做到对实验得到的大量过程、结果数据高效的收集、分析、存储，从而形成统一的、结构化的数据以便使用呢？又如何让这个过程变得自动、便捷、可靠呢？King’s SDMS 仪器数据采集及科学数据管理系统的应用在以下方面得到了切实提升： 1、采集实验室设备生产过程中产生的各类数据，如：可读文件、数据库等，也包括可交互的通讯接口数据，如：串口(RS-232)、网口（TCP-IP）等。 2、提升检测数据准确性：确保分析任务符合质量规范，并通过系统自动采集仪器输出数据，以避免人为因素对数据的影响，保证了数据的真实性，提高了数据的准确性和可靠性。 3、全流程可追溯：实验数据在自动采集系统中得到全程记录和存储（含检测项目、检测结果，仪器名称、使用时间，使用人等信息），最终生成快捷，真实，完整的原始数据，为检测报告提供可追溯依据。 4、为分散的数据收集点，系统提供统一数据采集接入接口，全面覆盖所有数据源，解决了需要采集多种数据源时依赖多个平台或者工具来完成数据分散的挑战。 5、格式化收集到的原始数据，为LIMS或第三方提供查询服务。数据格式根据实验类型不同，大致可分为，实验数据、标物数据、称量数据等。 实验室设备现状及解决办法 纵观检测行业，仪器设备数量之多、种类之繁，即使是针对同一项目进行检测的仪器设备，由于制造商的不同所输出的数据也千差万别，如此造就了仪器设备数据采集实施难度加大、费用居高不下的局面。为此，King’s SDMS 仪器数据采集及科学数据管理系统提供多种采集方式支持，以满足不同仪器的数据采集需求。 Ø 文档型采集 支持word、excel、pdf、TXT、CSV等任何可读文件。 Ø 串口型采集 支持RS232、485、422等。 Ø 网络API采集 通过调用设备厂商提供的API接口，从设备上直接获取数据并实现自动化采集和存储，支持Restfull Api、webser-vice、RPC等。 Ø 设备直采 直接从设备获取数据，可定制与设备直接通讯，主动采集数据。 Ø 设备主动推送 系统提供身份认证和数据接收接口后三方设备可主动推送数据，无需人工干预，实现数据同步和更新。 King’s SDMS 仪器数据采集及科学数据管理系统具有完备的数据及业务交互功能，可独立运行也可与LIMS、ELN等现有业务系统，以及其他第三方行业专业系统灵活整合。大幅提高工作效率和质量，可轻松完成集团型及多实验室联合运营场景运营支撑。

编者按：2014年6月13日，《科学》杂志刊载了一篇由美国科学促进会(AAAS)科技出版顾问Mike May撰写的一篇题为&ldquo Big Biological Impacts from Big Data&rdquo (DOI:10.1126/science.opms.p1400086)的文章。鉴于大数据作为目前的一个热点概念，本文对该文进行了编译。本文首先梳理了大数据所包含的三层含义，然后就这三层含义进行了分析和解读。基于基因组数据量越来越多的情况下，很多机构都意识到利用大数据的前景。本文列举了一些机构已开发或正在研发的、用以分析大数据的方法或工具。例如，美国BioDatomics公司开发了比传统软件分析速度快100倍的BioDT软件 加拿大多伦多的ACD/Labs公司开发的计算系统在处理大数据时能够整合各种数据格式 加利福尼亚州的IBM Almaden研究中心开发的文本挖掘工具 汤森路透NuMedii公司基于大数据的药物再利用。大数据除了以上三个含义，本文还提及大数据还应包含&ldquo 复杂性&rdquo ，并列举了马萨诸塞州的GNS Healthcare公司基于数据的复杂性而开发的REFS分析平台。最终，本文认为所有致力于研发大数据的努力都应该落在使大数据能够促进未来生物学和医学发展的方向上来。 　　大数据是目前最热的概念之一，也是容易被曲解的概念。顾名思义，大数据意味着大量的数据，然而这只是从字面理解的含义。概括来看，大数据包括三层含义(3V)：数据量大(volume of data)，处理数据的速度快(velocity of processing the data)，数据源多变(variability of data sources)。这是那些依赖大数据工具进行分析的信息的重要特征。 　　美国乔治华盛顿大学的计算生物学研究所主任Keith Crandall表示，尽管生物学家花费大量精力收集数据，实际上，现在生物学面临的瓶颈在于大数据。例如，2002年8月，对第一个人完整基因组测序工作，集中了20个研究所的专家，利用这些研究所所配置的基础设施，经历13年，投入30亿美元获得了约30亿核苷酸序列。而目前，为某个人测序仅需要1000美元，每周产生320多个基因组。随着研究人员不断开发方法，处理大数据的量、速度和可变性方面的问题，研究人员开始研发分析信息的新方法。 　　生命科学的数据来源和形式多样，包括基因测序、分子通道、不同的人群等。如果研究人员能解决这一问题，这些数据将转变成潜在的财富，即问题在于如何处理这些复杂的信息。当下，相关领域期待那些能分析大数据，并将这些数据转换成更好理解基础生命科学机制和将分析成果应用到人口健康上去的工具和技术的面市。 　　(1)&ldquo 量&rdquo 的持续增加 　　数十年前，制药公司就开始存储数据。位于美国波士顿默克公司研究实验室(Merck Research Labs)的副董事Keith Crandall表示，默克公司在组织成千上万病患参加的临床试验方面已经进展了好些年，并具有从数百万病患的相关记录中查出所需信息的能力。目前，该公司已经拥有新一代测序技术，每个样本就能产生兆兆位的数据。面对如此大数量级的数据，即使是大型制药公司也需要帮助。例如，来自瑞士罗氏公司的Bryn Roberts表示，罗氏公司一个世纪的研发数据量相比2011～2012年在测定成千上百个癌细胞株的单个大规模试验过程中产生的数据，前者只是后者两倍多一些而已。Roberts领衔的研究团队期望能从这些存储的数据中挖掘到更有价值的信息。因而，该团队与来自加利福尼亚州的PointCross公司进行合作，以构建一个可以灵活查找罗氏公司25年间相关数据的平台。这些数据，包括那些成千上万个复合物的信息，将利用当下以获得的知识来挖掘进而开发新药物。 　　为了处理大量的数据，一个生物学研究人员并不需要像公司一样需要一个专门的设备来处理产生的数据。例如，Life Technologies公司(目前是Thermo Fisher Scientific公司的一部分)的Ion个人化操作基因组测序仪(Ion Personal Genome Machine)。这一新设备能够在8个小时以内测序多达2 gigabases。因而可在研究人员的实验室操作。Life Technologies公司还有更大型的仪器，4小时以内测序可高达10 gigabases。 　　然而，对学术领域和产业领域的生命科学研究人员，新一代测序既提供了好处也带来了问题。正如Crandall所抱怨的那样，他们并不能有效研究如此多的基因组，除非开发的计算机系统能够满足分析大量数据的需求。基于这种现状，其领衔的团队与波士顿大学的医学助理教授W. Evan Johnson进行了合作，以开发分析新一代测序(next generation sequencing，NGS)平台产生的数据，进而能够将DNA的gigabases信息转化为计算机的千兆字节。该软件将DNA样本与参考基因组比较，以便确定病原体。Crandall表示，其每个样本存储的数据达20千兆字节，而这样的样本就有成千上万个，这样每个样本分析所产生的数据就相当多。 　　实际上，如此大数量的数据其实对于卫生保健来说其实十分有用，因为研究人员必须在设计其试验时充分考虑人群的多样性。来自剑桥大学的转化医学教授Chas Bountra表示，毕竟从50万人获得的结论比从10个人获得的结论要可靠有说服力得多。 　　也有研究人员期望看到在卫生保健方面基因组数据能产生越来越多的影响。例如，遗传信息可揭示生物标志物，或某些疾病的指示物(某些分子只出现在某些类型的癌症中)。英国牛津大学维康信托基金会人类遗传学中心(Wellcome Trust Centre for Human Genetics)的基因组统计学教授Gil McVean教授表示，基因组学为人来了解疾病提供了强有力的依据。基因组学可以为人类找到与某类疾病相关的生物标志物，并基于这一标志物进行靶向治疗。例如，正因为某个分子驱动某种癌症的进展，那么可以靶向这一分子进而治疗癌症。为了应用这一理念，McVean领衔的研究团队通过李嘉诚(Li Ka Shing)捐献的3 300万美元正在剑桥大学创建Li Ka Shing健康信息和探索中心(Li Ka Shing Centre for Health Information and Discovery)。该中心将成立一个大数据研究机构。McVean总结道，该中心将将分析数据过程和基因组研究结合在一起，这样他们将能够克服在收集大数据和分析大数据方面的一些难题。 　　(2)分析的高速性 　　第二个V，也就是velocity，意指处理数据和分析数据的速度要高要快。研究人员需要高速处理以便分析大量增加的数据。 　　过去，分析基因相关数据存在瓶颈。马里兰州的BioDatomics董事Alan Taffel认为，传统的分析平台实际上约束了研究人员的产出(产能)，因为这些平台使用起来困难且需要依赖生物信息学人员，因而相关工作执行效率低下，往往需要几天甚至几周来分析一个大型DNA。 　　鉴于此，BioDatomics公司开发了BioDT软件，其为分析基因组数据提供400多种工具。将这些工具整合成一个软件包，使得研究人员很容易使用，且适用任何台式电脑，且该软件还可以通过云存期。该软件相比传统系统处理信息流的速度快100倍以上，以前需要一天或一周的，现在只需要几分钟或几个小时。 　　有专家认为需要测序新工具。新泽西州罗格斯大学电子计算工程系的副教授Jaroslaw Zola表示，根据数据存储方式、数据转换方式和数据分析方式，新一代测序技术需要新计算策略来处理来自各种渠道的数据。这意味着需要生物研究人员必须学习使用前沿计算机技术。然而，Zola认为应该对信息技术人员施加压力，促使他们开发出让领域专家很容易掌握的方法，在保证效率的前提下，隐藏掉算法、软件和硬件体系结构的复杂性。目前，Zola领衔的团队正致力于此，研发新型算法。 　　(3)多变性 　　其一，生物学实验室往往有多种设备，这些设备产生的数据是以某种文档形式存在。所以，加拿大多伦多的ACD/Labs公司开发的计算系统在处理大数据时能够整合各种数据格式。ACD/Labs的全球战略主管(director of global strategy)表示，该系统能够支持各种设备产生的150多种文档格式，这就有利于把多种数据汇集到同一个环境中，例如汇聚到其开发的Spectrus数据库中。该数据库可以通过客户端或网页访问。 　　生物学大数据还体现新型可变性, 。例如，德国Definiens的研究人员分析的组织表型组学(tissue phenomics)，也就是一个组织或器官样本构造相关的信息，包括细胞大小、形状，吸收的染色剂，细胞相互联系的物质等。这些数据可以在多个研究中应用，例如追踪细胞在发育过程中的特征变化的研究，测定环境因素对机体的影响，或测量药物对某些器官/组织的细胞的影响等。 　　结构化数据，例如数据表格，并不能揭示所有信息，比方药物处理过程或生物学过程。实际上，生活着的有机体是以一种非结构化的形式存在，有成千上万种方式去描述生物过程。默克的Johnson认为有点像期刊文本文档，很难从文献中挖掘数据。 　　加利福尼亚州的IBM Almaden研究中心(IBM&rsquo s Almaden Research Center)的分析专家和研究人员Ying Chen领衔的团队数年来都致力于开发文本挖掘工具，目前他们正在使用的是&ldquo 加速药物发现的解决方案&rdquo (accelerated drug 　　discovery solution)。这一平台集合了专利、科学文献、基础化学和生物学知识(如化学物质和分子之间相互作用的机制等)，有1 600多万中化合物结构，近乎7 000种疾病的相关信息。利用这一系统，研究人员从中能够寻找可能对治疗某种疾病有用的化合物。 　　其他一些公司致力于挖掘现有资源，以发现疾病的生物学机制，基于此来研究治疗疾病的方法。汤森路透位于硅谷的NuMedii公司，致力于寻找现有药物的新用途，又称之为药物再利用(drug repurposing)。NuMedii的首席科学家Craig Webb表示，使用基因组数据库，整合各种知识来源和生物信息学方法，快速发现药物的新用途。之后，该公司根据该药物的原有用途中的安全性来设计临床试验，这样研发药物的速度快而且成本低。Webb描述了该公司的一个项目：研究人员从2 500多种卵巢癌样本中搜集基因表达数据，再结合数种计算机算法来预测现有药物是否具有治疗卵巢癌或治疗某种分子亚型卵巢癌的潜力。 　　(4)复杂性 　　诺华公司的生物医学研究所(Novartis Institutes for BioMedical Research，NIBR)的信息系统的执行主任Stephen Cleaver在三V的基础上还加了个复杂性(complexity)。他认为制药公司的科研人员通过某些病患个体，到某些病患群再到整合所掌握的各种数据分析数据，这一过程很复杂。在卫生保健领域，大数据分析的复杂性进一步增加，因为要联合各种类型的信息，例如基因组数据、蛋白组数据、细胞信号传导、临床研究，甚至需要结合环境科学的研究数据。 　　联合这些数据获得的结果可能将产生全新治疗疾病的方法。马萨诸塞州的GNS Healthcare创始人之一Iya Khalil表示，促进人类对疾病机制的理解，取决于如何体现这些数据的价值，如何从这些数据获得启示。Khalil领衔的研究团队联合机器学习(machine learning)、数学运算、计算机算法和超级计算机来探索疾病背后隐藏着的种种机制，并跟踪病患可能对哪些治疗有特殊响应。而GNS Healthcare所依赖的分析平台称为REFS，其具有被逆转(reverse)和模拟(simulation)的功能。也就是说，该软件可以使某些疾病的一些过程逆转(reverse)，从而逆向构建该过程中可能存在的分子网络 基于这一网络信息，模拟一些可以作用于这些通道的化合物，从而了解相关过程的发展方向。除了卫生保健，REFS还可以应用到基础生物学。例如Khalil领衔的研究团队使用这一技术制作了一个细胞复制循环分子模型。 　　对于Khalil和其他研究人员而言，所有关键在于利用大数据推动科学向前发展。NIBR Cleaver认为使用先进数据挖掘方法非常前沿，但是必须对新一代科学假设有建设性，也就是说利用今天的大数据能改变明天的生物学和医学。 　　本文作者：中国科学院上海生命科学信息中心(生命科学研究快报网)游文娟 。

4月26日，第八届科学数据大会泛能源大数据与双碳分会论坛在青岛举办。本次论坛由国际科学理事会 (International Science Council, ISC) 数据委员会(Committee on Data, CODATA) 中国全国委员会主办，由中科院青岛能源所泛能源大数据与战略研究中心(以下简称“中心”)承办。中心主任田亚峻研究员与北京科技大学宋洪庆教授作共同召集人。田亚峻代表分会组委会向来自全国各地的参会嘉宾表示热烈的欢迎。他强调，当前我国的经济发展模式与能源供应结构，正逐步向绿色低碳循环发展的经济体系、清洁安全高效的能源体系转型。转型过程漫长且复杂，及时、准确了解实施情况，对调整把握各项政策至关重要。依托大数据技术，发挥能源大数据作用，可以提高能源生产、调度、使用和分析的效率，减少中长期能源政策与短期政策衔接的障碍，降低结构性能源政策与系统性能源政策协同的摩擦成本。近年来，大数据、区块链、云计算、AI、VR、物联网等信息技术高速发展，大数据以及数字技术的影响在全球无处不在，与传统基础设施建设不同，数字技术迭代更新速度快，信息化发展日新月异，科学数据资源的开放共享和创新应用成为一个亟需推进的议题， 能源大数据的整合利用是实现“双碳”目标的科学手段，能源强国的建设必须更加注重把握前瞻性、坚持需求牵引、突出数据技术的引领。 　　本次分论坛是泛能源大数据走进中国科学数据大会的第二年，来自全国各大高校共十位的汇报人围绕“能源大数据”这一议题进行了精彩的学术分享，与会专家、学者围绕能源数据的有效管理、集成整合、开放共享开展热烈的学术研讨。会议强调，未来政策的完善与实施将更加科学性、协调性，能源大数据的采集、存储、开发和共享，可以提高能源的使用和分析效率，泛能源大数据理论可助力国家或地区建立开放、透明的能源数据智慧管理系统，为国家制定和实施各类能源政策提供客观依据。泛能源大数据与双碳分会的设立，弥补了第八届科学数据大会在能源数据挖掘、大数据技术产业创新发展、能源数据的产业化应用、以数据为关键要素的数字经济等研讨方向的缺失,顺应了国家能源革命、碳达峰碳中和、大数据、数字经济等重要国家战略和高质量发展的需求，为我国构筑大数据时代国家综合竞争新优势、建设能源强国指明了方向，对于促进能源大数据的发展，推动政府、企业、科研机构深入合作，交叉型人才的培养、推进经济高质量发展，乃至国家“双碳”目标的实现意义重大。

p style=" text-indent: 2em text-align: justify " 中国科学院北京基因组研究所生命与健康大数据中心近日针对生命科学一些重要研究领域，开发了系列特色专业数据库，将为科研人员进一步破解生命奥秘提供重要数据支持。 /p p style=" text-indent: 2em text-align: justify " 当前，生命科学研究和应用已进入大数据时代，生物大数据爆发使原来假说驱动的传统研究模式转变为大量数据与假说共同印证的系统研究模式。如何存好、管好、用好海量生命科学大数据，不仅直接影响着生物医学和生物技术的发展，也从基础上决定了一个国家在生命科学和生物医药技术领域的持续创新能力。 /p p style=" text-indent: 2em text-align: justify " 中科院北京基因组研究所生命与健康大数据中心在现有数据资源基础上，开发了ＤＮＡ甲基化数据库、ＲＮＡ编辑与疾病数据库、植物ＲＮＡ编辑数据库、长非编码ＲＮＡ数据库、跨物种全基因组核小体定位图数据库以及犬类数据库等。这些数据库资源与疾病发生机制、基因组功能元件与结构、基因修饰与变异、动物遗传多样性研究等息息相关。 /p p style=" text-indent: 2em text-align: justify " 据悉，以上成果以６篇论文形式被国际学术期刊《核酸研究》在线发表，并将于该刊２０１９年１月的数据库专刊中集中刊发。 /p

p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " img src=" https://img1.17img.cn/17img/images/201911/uepic/1acc7903-1814-407b-8564-472e91d6fd62.jpg" title=" 1北京生物统计及数据科学论坛.png" alt=" 1北京生物统计及数据科学论坛.png" style=" text-align: center max-width: 100% max-height: 100% width: 600px height: 244px " width=" 600" height=" 244" border=" 0" vspace=" 0" / /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 228px " src=" https://img1.17img.cn/17img/images/201911/uepic/9e4aec44-7f5b-4930-a966-e0c94dd598f1.jpg" title=" 2北京生物统计及数据科学论坛.png" alt=" 2北京生物统计及数据科学论坛.png" width=" 600" height=" 228" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-indent: 2em margin-top: 10px line-height: 1.5em " 11月8日到10日，“第二届北京生物统计及数据科学论坛” 在北京大学成功举办。本次论坛以“医疗器械设计及评价方法”为主题，结合生物统计和数据科学最新的研究进展，从多个角度进行了深入研讨。论坛由北京大学公共卫生学院生物统计系、北京大学数学科学学院、北京国际数学研究中心、北京大学统计科学中心、中国现场统计研究会生物医学统计学会联合主办，大数据分析与应用技术国家工程实验室、北京大数据研究院、国际生物统计学会中国分会、北京灵迅医药科技有限公司协办。来自政府监管部门及有关机构权威人士，学术界，企业界等300余名专家学者出席。北京大学副校长，北京国际数学研究中心主任，中国科学院院士田刚北京大学副校长田刚，北京大学医学部副主任肖渊，北京大学生物统计系北京大学公共卫生学院生物统计系系主任、北京大学博雅讲席教授周晓华分别在开幕式致辞。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 408px " src=" https://img1.17img.cn/17img/images/201911/uepic/9d6d0603-af28-4c4e-aa21-b840397965b8.jpg" title=" 3北京生物统计及数据科学论坛.png" alt=" 3北京生物统计及数据科学论坛.png" width=" 600" height=" 408" border=" 0" vspace=" 0" / /p p style=" text-align: center margin-top: 10px line-height: 1.5em " 北京大学副校长 田刚院士致辞 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 341px " src=" https://img1.17img.cn/17img/images/201911/uepic/a9f164c6-a9fc-4918-a176-b53c5ccd3680.jpg" title=" 4北京生物统计及数据科学论坛.png" alt=" 4北京生物统计及数据科学论坛.png" width=" 600" height=" 341" border=" 0" vspace=" 0" / /p p style=" text-align: center margin-top: 10px line-height: 1.5em " 北京大学公共卫生学院生物统计系系主任 周晓华教授致辞 br/ /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　本次论坛分为短课培训与会议两个环节。短课主题为“医疗器械设计及评价方法”，由周晓华教授和美国FDA医疗器械评审中心生物统计部前部长GREG CAMPBELL联合主讲，主要介绍了诊断及治疗类医疗器械的设计要点及统计分析模型。现场座无虚席，超过200余人参加了培训。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 282px " src=" https://img1.17img.cn/17img/images/201911/uepic/950aa444-9af5-464a-90f1-e5cbdcedf153.jpg" title=" 5北京生物统计及数据科学论坛.png" alt=" 5北京生物统计及数据科学论坛.png" width=" 600" height=" 282" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-indent: 2em margin-top: 10px line-height: 1.5em " 在论坛环节，来自国家药品监督管理局医疗器械审评中心，中国食品药品检定研究院，美国国立卫生研究院(National Institute of Health)、国家心血管病中心等国家监管部门，美国宾夕法尼亚大学、中佛罗里达大学、爱荷华大学、北京大学等学术机构，北京协和医院等医院机构，强生公司、推想科技等企业的有关专家学者分享了医疗器械的统计方法研究的国际最新进展及应用成果、探讨了大数据背景下医疗器械未来的发展方向和前景。　 /p p style=" text-indent: 2em line-height: 1.5em " 医疗器械可划分为高值耗材、低值耗材、医疗设备、体外诊断四个大类。医疗器械科技创新是国家科技创新体系的重要组成部分，也是推进健康中国建设的核心动力和支撑，先进的医疗器械是一个国家科技进步和全民健康保障能力的重要标志。中国药品监督管理研究会与社会科学文献出版社于10月21日联合发布了《医疗器械蓝皮书：中国医疗器械行业发展报告（2019）》。根据报告显示，虽然目前我国医疗器械市场呈现着生产经营企业“多、小、低”、行业研发投入与国外相比明显偏低等特征，但行业发展形势依然被看好。未来我国将成为全球最大的医疗器械市场，行业也将继续保持快速健康发展的良好势头，预计未来十年仍将是我国医疗器械行业黄金发展阶段。　 /p p style=" text-indent: 2em line-height: 1.5em " span style=" text-indent: 2em " 本次论坛聚焦于医疗器械批准上市的流程、政策、评价原则，风险控制、国际化策略，探究了如何推动医疗器械在临床试验及科研中的应用。论坛二十多位演讲嘉宾，有一半来自国外，这其中既有统计领域顶级的专家、政府监管部门的决策制订者，又有来自研发机构、医院一线的科研工作人员，演讲内容也贯穿了医疗器械从设计到临床试验再到使用的整个链条，论坛的召开对推动生物统计及数据科学理论在医疗器械临床研究领域的应用，促进我国医疗器械评价的战略思考及关键技术体系形成、促进我国创新医疗器械临床试验与国际接轨具有重要意义，受到与会者的高度评价。 /span /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　 strong 　 /strong span style=" color: rgb(0, 112, 192) " strong 11.8日 /strong strong 短课培训 /strong /span /p p style=" margin-bottom: 10px text-indent: 2em margin-top: 10px line-height: 1.5em " 上午：短课主题 strong “ /strong strong 针对治疗与诊断仪器的统计方法” /strong /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 296px " src=" https://img1.17img.cn/17img/images/201911/uepic/b0bcc290-47ec-4c46-b962-c89cf25d0aea.jpg" title=" 6 北京生物统计及数据科学论坛.png" alt=" 6 北京生物统计及数据科学论坛.png" width=" 600" height=" 296" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " 　　Professor Gregory Campbell /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　坎贝尔教授首先从医疗仪器的定义谈起。医疗仪器的范围很广，除药品及生物制品外，一切用于人类医疗的物品都可以被称为医疗仪器，从功能上可把医疗仪器分为三类：治疗仪器，美容仪器和诊断仪器。医疗仪器的临床研究可分为探索期、中枢期与上市后三个阶段，有两种形式：一是以临床结果变量为指标，所有治疗仪器与美容仪器以及部分诊断仪器的临床研究采用这种形式；二是以临床诊断表现为指标，适用范围是大部分诊断仪器，包括IVD。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　接下来，坎贝尔教授向我们讲解了中枢阶段临床研究的试验设计。治疗仪器的临床研究形式通常是同期对照实验，对照组可采用安慰剂、阳性对照、空白对照等方案，或是非随机的同期对照。在临床试验设计中，双盲、多中心的随机对照试验(RCTs)是所谓的“金标准”，这是因为利用安慰剂对照组可以消除安慰剂作用带来的偏差。安慰剂作用的来源往往是对疗效的预期，或是均值回归现象的影响，也可能单纯是受到关注带来的(Hawthorne effect)。但有些情况下，这样的设计不现实、有违伦理或是不可行，例如脑起搏器这类仪器很难设计双盲的对照试验。此时可采用已知有效的疗法作为阳性对照组，但有关的统计分析必须在试验前确定，否则根据试验结果选择检验非劣效性、优效性或等效性将导致统计推断无效。在非随机的观察性研究中，对照试验有同期对照与历史对照两种形式，最核心的问题在于非随机化的不同组之间是否是可比的，因此统计分析中必须依赖一些不可检验的假定，这是一种折中办法，其统计方法论是基于反事实变量的因果推断。观察性研究也可以是无对照的，如OPC(Objective Performance Criteria)和PG(Performance Goals)。对于临床诊断器械，自身对照试验往往也是可行的，并且比随机对照试验更优。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　随后坎贝尔教授分析了中枢阶段临床研究中统计学的作用，从研究计划到研究的实施与监控，再到最后的数据分析。在研究计划中，研究者需要统计分析确定选择何种试验设计，如平行设计、配对设计、嵌套设计、分层设计等，还需要为统计分析设定具体的计划(SAP)。如进行假设检验，需要确定原假设与备择假设形式，检验的阈值以及所需的样本量。不经计划的研究是危险的，同时也是统计上无效的。在监控过程中，研究者可以根据统计分析按预先设定的方案提前终止试验或改变规模。在数据分析中，往往有不止一种统计方法可用，例如诊断器械通常应当同时报告点估计值与相应的置信区间，但选择何种方法也必须提前计划好。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　茶歇过后，坎贝尔教授概述了美国FDA针对医疗器械的监管审批体系。FDA根据产品风险分为三级进行管理，将一些用于支撑和延续人体生命、或对人身健康具有重要的保护作用、或具有较大程度潜在风险的医疗器械归入第三级，需要办理上市前批准(PMA)。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　下一部分，坎贝尔教授介绍了有关治疗器械研究的四点统计方法创新。第一个是贝叶斯试验，可以有效利用器械的先验信息，可以更快的进行决策、依赖更少量的数据，从而对业界有很大的吸引力。第二个是自适应性试验设计，如改变样本量、改变随机化比例等，可以使试验的有效性提升。第三个是倾向得分方法，可以在观察性研究中解决混杂因素的问题。第四个是临界点方法，可用于缺失数据的分析。同时坎贝尔教授也提到了有关诊断器械研究的统计方法创新，如ROC曲线等。 /p p style=" margin-bottom: 10px text-indent: 2em margin-top: 10px line-height: 1.5em " 下午短课主题： strong Statistical Methods in Diagnostic Medicine /strong /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 366px " src=" https://img1.17img.cn/17img/images/201911/uepic/bb6a39a4-81bf-4f07-8c65-5afed20e047b.jpg" title=" 8北京生物统计及数据科学论坛.png" alt=" 8北京生物统计及数据科学论坛.png" width=" 600" height=" 366" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " 周晓华教授 /p p style=" text-indent: 2em text-align: justify margin-bottom: 10px margin-top: 10px line-height: 1.5em " 上午Gregory Campbel教授介绍了全面的介绍了关于治疗与诊断仪器的统计方法的各方面情况，下午周晓华教授的短课侧重于医疗器械评估的统计学方法。 /p p style=" text-indent: 2em text-align: justify margin-bottom: 10px margin-top: 10px line-height: 1.5em " 首先，周晓华教授介绍了评估医疗器械的三个目的，包括提供病人病情信息、影响医生诊断方案、了解疾病过程，并定义了医疗器械评估语境下的诊断精确度(diagnostic accuracy)，与药物的评估不同，这里诊断精确度更强调有病没病能不能分开。紧接着，周教授讲解了诊断精确度的六个层次，并将今天的讨论的范围限制到评估诊断精确度的有效性(diagnostic accuracy efficacy)的方法，主要包括敏感度(sensitivity)，特异度(specificity) 和ROC曲线。 /p p style=" text-indent: 2em text-align: justify margin-bottom: 10px margin-top: 10px line-height: 1.5em " 而内在的精确度（intrinsic accuracy）指的是指标不会随着发病率变化而变化，例如灵敏度和特异度。这里周晓华老师特别强调的金标准(Gold standard)的重要性，以及金标准的选取一定要求与待研究的医疗器械无关。 /p p style=" text-indent: 2em text-align: justify margin-bottom: 10px margin-top: 10px line-height: 1.5em " 接下来，周晓华教授详细介绍了受试者操作特性(ROC)曲线在评估医疗器械中的应用。ROC曲线是把不同评价标准下灵敏度和特异度配对形成的曲线。ROC曲线作为图像非常直观，并且与发病率无关、与发病率无关、与尺度无关。但在临床实践上ROC曲线不能直接应用，所以我们可以基于ROC曲线，根据具体问题，采用曲线下面积(AUC)特定区域下面积等指标评价整体的内部精确度。并且，利用贝叶斯公式，如果已知灵敏度、特异度和发病率，我们就可以计算出假阳性率和假阴性率。那如何估计ROC曲线呢?周晓华教授介绍了两种方法：一种方法是假定测量结果符合某个参数分布模型，进而可通过导出ROC曲线的函数形式来估计 也可以直接假设ROC曲线满足一定的形式，估计出ROC曲线。金标准的选取在这里也非常重要。如果没有处理好金标准问题，比如受试者是否接受金标准检验(活检)受医疗器械诊断结果影响，就会产生证实偏移(verification bias)，导致从数据中直接得出的灵敏度和特异度和实际值有偏差。尽管如此，在一定的假设下，仍然可以用统计学方法纠正灵敏度和特异度，也可以得到灵敏度和特异度的置信区间。 /p p style=" text-indent: 2em text-align: justify margin-bottom: 10px margin-top: 10px line-height: 1.5em " 短暂的休息之后，由于时间原因，周晓华教授简单的介绍了一些更复杂的ROC方法。比如如果病情和时间有关，可以定义时间依赖的ROC曲线，使其涉及生存时间，需要讨论时间相关的结局变量 如果诊断是序数型的，例如无病、轻微、严重，那么ROC曲线(曲面)将变为高维的，用面ROC曲线来表示，在这种情形我们同样可以定义表面ROC曲线下体积。 span style=" text-indent: 2em " & nbsp /span /p p style=" text-indent: 2em text-align: justify margin-bottom: 10px margin-top: 10px line-height: 1.5em " 最后，周晓华教授总结了评估医疗器械一些特点。与的药物评估比起来，医疗器械的评估方式更为复杂和更加多样，更易于接受新的统计方法。比如在美国，对贝叶斯方法在临床药物评估中的应有目前还没有被FDA完全接受，但是在医疗器械中，已经有不少产品基于贝叶斯方法评估而获得审批。 /p p style=" text-indent: 2em text-align: justify margin-bottom: 10px margin-top: 10px line-height: 1.5em " 下午周晓华教授的短课主要侧重于医疗器械评估的统计学方法。周教授从评估的三个目的讲起，包括提供病人病情信息、影响医生诊断方案、了解疾病过程，而后将重点放在评估诊断精确度的有效性(diagnostic accuracy efficacy)上，详细介绍了敏感度(sensitivity)，特异度(specificity) 和ROC曲线，特别强调了金标准(gold standard)在评估中的重要性和选取金标准的要求、证实偏移(verification bias)及其修正方法。除此之外，周晓华教授还简单介绍了与时间依赖的ROC曲线(time-dependent ROC curve)、顺序变量ROC曲线(曲面)(surface ROC)、多读者多测试ROC研究(multi-reader and multi-test ROC studies)等情形的处理方法。最后总结了相比药物评估的保守，医疗器械的评估方式更加多样，更易于接受新的统计方法。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　 span style=" color: rgb(0, 112, 192) " strong 11月9日会议报告 /strong /span /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 296px " src=" https://img1.17img.cn/17img/images/201911/uepic/4bee9973-f12c-4889-8c03-7f249ab23774.jpg" title=" 6 北京生物统计及数据科学论坛.png" alt=" 6 北京生物统计及数据科学论坛.png" width=" 600" height=" 296" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " 　 strong 　报告1：Statistical Challenges in the Evaluation of Diagnostic Devices, Including Personalized Medicine from Regulatory Point of View /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　　报告人：Greg Campbell GC Stat Consulting, LLC CEO /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　Gregory Campbell教授从监管视角为我们分析了评价医疗诊断器械效果中遇到的统计学挑战。诊断器械的用途包括诊断、筛选和监控医疗状况，分为体外诊断器械、成像系统和体内诊断器械三类。针对诊断效果的临床评价一般基于临床参考标准(CRS)，如没有CRS则应关注与已有诊断方法的效果比较。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　接下来，Gregory Campbell教授列举了在诊断器械监管中的若干统计学挑战。一是诊断效果估计的系统性偏差，如选择性偏差、证实偏差等 二是没有“金标准”的情况下诊断效果的评价方法 三是罕见病诊断研究中筛选检验所需样本量过大的问题 四是疾病的早筛方法，如癌症与阿尔兹海默症 五是独立验证的重要性，特别是在应用机器学习方法时仅采用CV等内部验证方法是不够的 六是MRMC情形下的影像研究，需要分离不同病例带来的可变性与不同读取者带来的可变性 七是报告数据中有部分缺失的问题 八是两个连续型检验方法间如何比较的问题 九是诊断决策中的阈值确定，以及阈值估计的置信区间。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 308px " src=" https://img1.17img.cn/17img/images/201911/uepic/b78adcdd-a3c8-4d18-a99d-99946cf19f61.jpg" title=" 7北京生物统计及数据科学论坛.png" alt=" 7北京生物统计及数据科学论坛.png" width=" 600" height=" 308" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " 　　 strong 报告2：Clinical Studies of Deep Learning in Diagnostic Imaging - Methodologic and Regulatory Considerations /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　　报告人：Constantine Gatsonis /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　　Department of Biostatistics, Center for Statistical Sciences，Brown University /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　Constantine Gatsonis教授介绍了诊断性影像学临床研究中深度学习的应用。影像组学的任务是应用统计机器学习方法从医学影像中提取知识，2015年以来，基于深度学习的影像组学研究成为一个热点问题。Constantine Gatsonis教授特别讲解了采用卷积神经网络(CNN)的影像组学方法，可以用于在高维特征空间中的定位、特征提取以及分类等任务。另外，目前关于影像组学的研究主要集中于标记的发现，较少关注标记的评价，Constantine Gatsonis教授介绍了采用ROC曲线评价基于深度学习发现的标记的分类效果的方法。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 366px " src=" https://img1.17img.cn/17img/images/201911/uepic/e7a5938b-2830-4d0f-b93d-4905b6c44db7.jpg" title=" 8北京生物统计及数据科学论坛.png" alt=" 8北京生物统计及数据科学论坛.png" width=" 600" height=" 366" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " 　　 strong 报告3：Statistical Methods for Clinical Evaluation of Diagnostic Tests, including Software as Medical Devices /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　　报告人：北京大学 周晓华 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　周晓华教授介绍了软件作为一种医疗器械(SaMD)的相关内容。对于诊断器械软件的评价指标主要有三个方面：相关有效性，即软件的输出指标是否可被临床应用接受 技术有效性，即软件是否可以精确可靠地运行，并可以重复 临床有效性，即软件能否达到临床应用的目标。其中临床有效性的评价需要与金标准，也就是最优的参考标准作比较，一个重要的注意事项是金标准的选择必须与研究设定独立，否则会产生偏差。随后周晓华教授介绍了处理一些复杂情况的统计方法。首先是输出变量为连续数值时，诊断灵敏度与特异度的计算都需要划定阈值，而阈值的选择有很大的空间，造成了主观模糊性。替代办法是采用ROC曲线表现诊断方法的效果，周晓华教授讲解了一些这方面的工作。最后周晓华教授介绍了一些没有参考标准的情况下如何减小偏差，例如证实偏差或是不完美金标准造成的偏差。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 364px " src=" https://img1.17img.cn/17img/images/201911/uepic/090b6400-e45c-4f20-8acd-9ad5c2823e55.jpg" title=" 9北京生物统计及数据科学论坛.png" alt=" 9北京生物统计及数据科学论坛.png" width=" 600" height=" 364" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告4：医疗器械临床评价要求及改革进展 /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：国家药品监督管理局医疗器械技术审评中心临床与生物统计一部副部长刘英慧博士 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　刘英慧博士分享了“医疗器械临床评价要求及改革进展”这一领域的概括。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　首先刘英慧博士展示了我国临床评价相关法规和规范性文件和国际协调文件和相关标准，介绍了临床评价的定义和范畴。临床评价在我国和IMDRF的定义略有不同，IMRDF的定义涉及了上市前和上市后的全生命周期临床评价，而在我国的定义中主要指上市前临床评价。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　医疗器械的临床评价路径主要有3条，包括列入《免于进行临床试验的医疗器械目录》产品的临床评价、通过同品种医疗器械临床数据进行临床评价和通过临床试验进行临床评价。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　接着刘博士介绍了临床数据的收集和分析评价。临床试验数据收集分为申报产品和同品种产品两类，数据收集完成后按照确定的流程进行分析和评价。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　在简单介绍了医疗器械临床试验规范和流程后，刘博士进一步介绍了医疗器械临床试验设计要素。临床试验设计最重要的一点是试验目的，其次设计类型。与药品临床试验不同，医疗器械的临床试验不容易进行随机对照试验(RCT)，因此单组设计的应用较多。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　第二部分，刘博士介绍了医疗器械临床评价的进展，包括拓展性临床试验的开展、在严禁数据造假行为方面的举措、接受境外临床试验数据的原则发展(伦理原则、依法原则、科学原则)等。相关指南中涉及了一些概念的定义，如等同性论证、临床经验数据等。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　此外，刘博士还介绍了即将征求意见的真实世界数据用于医疗器械临床评价的方法学实施方案，机构的内部调整等。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 299px " src=" https://img1.17img.cn/17img/images/201911/uepic/3bcdaab7-1a74-4cff-8fe2-51906bbd2c52.jpg" title=" 10北京生物统计及数据科学论坛.png" alt=" 10北京生物统计及数据科学论坛.png" width=" 600" height=" 299" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " 　 strong 报告5：人工智能医疗器械审评要点解读 /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　报告人：国家药品监督管理局医疗器械技术审评中心评审一部评审员张晶宇 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　张晶宇分享了“人工智能医疗器械审评要点解读”的内容。首先介绍了人工智能医疗器械的定义，分为AI独立软件(智能软件)和AI软件组件两类(智能硬件)。接着介绍了何为深度学习辅助决策软件，以及软件的安全性级别。软件的安全性分为轻微、中等和严重三级。后续关注方向包括产品层面、技术层面和数据层面。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 359px " src=" https://img1.17img.cn/17img/images/201911/uepic/a3951dab-6451-4808-ab66-ed5bf8e286a5.jpg" title=" 11北京生物统计及数据科学论坛.png" alt=" 11北京生物统计及数据科学论坛.png" width=" 600" height=" 359" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告6：体外诊断试剂临床评价要求及改革进展 /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　报告人：国家药品监督管理局医疗器械技术审评中心临床与生物统计二部副部长吕允凤博士 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　吕允凤部长介绍了体外诊断试剂临床评价要求及改革进展。吕部长首先介绍了体外诊断试剂的法规变迁等。继而介绍了体外诊断试剂临床评价的现行要求，包括伦理原则、机构和人员、管理要求、临床试验设计的原则和方法等。吕部长还不同的角度对体外诊断试剂的临床试验进行了优化探讨，如临床试验样本量计算的推荐方法、质量管理纳入指南等方面的尝试，以及前瞻性回顾性样本的考虑、偏倚的控制等等。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 299px " src=" https://img1.17img.cn/17img/images/201911/uepic/5e2cc281-cd87-4495-a33e-26ab746bd49f.jpg" title=" 12北京生物统计及数据科学论坛.png" alt=" 12北京生物统计及数据科学论坛.png" width=" 600" height=" 299" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告7：人工智能医疗器械检验与标准热点思考 /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：中国食品药品检定研究院高级工程师 孟祥锋 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　孟祥锋工程师介绍了人工智能医疗器械检验与标准热点思考方面的内容。随着人工智能医疗器械和非医疗器械产品越来越多的出现，其检验和评价问题十分重要。软件产品一般检测思路包括合规性和网络安全要求等，其质量评价贯穿AI全生命周期。中检院于2017年建立了测试数据集，包括收集、清洗、标注和测试四个阶段，可用于人工智能医疗器械的评价。质量评价面临着一些挑战，比如面对硬件机型和数据质量的变化，如何保持测试的鲁棒性。孟祥锋工程师还介绍了医学人工智能的标准化工作，中检院起草了2项国内标准，2项国际标准。目前标准化的工作思路为优先解决基础共性问题、兼顾风险控制与创新。中检院的AIMD数据库在设计研发、产品评价、上市后监控中均发挥着重要作用，但是目前规范化、一致化的高质量数据集仍然需要改进。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 317px " src=" https://img1.17img.cn/17img/images/201911/uepic/1ffa7919-92da-42a4-bebd-a51d4a93b1e1.jpg" title=" 13北京生物统计及数据科学论坛.png" alt=" 13北京生物统计及数据科学论坛.png" width=" 600" height=" 317" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告8：Joint Comparison of Medical Devices Using Multivariate Network Meta-Analysis /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：宾夕法尼亚大学的Yong Chen教授 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　Yong Chen教授的议题为“Joint comparison of medical device using multivariate network meta-analysis”。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　Meta分析(MAs)是为临床指南提供了比较强的证据。网状meta分析可以用于多于2个产品或干预的比较，或是干预A和干预B的一种非直接比较。通过血管支架的例子，陈教授阐释了网状meta的临床意义。网状meta分析中有几个重要的假设，一个是transitivity assumption，另一个是consistency assumption。在满足这些假设的条件下，可以对网状meta分析进行建模。通过一个抗抑郁药比较的例子，陈教授介绍了网状meta分析的好处在于提供更多的信息，估计的精度更高(置信区间更窄)。当前网状meta分析方面的工作更多的考虑多干预选择和多结局的情况。其后，陈教授介绍了在3个干预的情况下，比较效果和安全性的网状meta分析模型和相应的估计方法。传统的贝叶斯建模方法需要设定较多待估计参数，在实践中计算量也较大，陈教授提出了一类利用复合似然(composite likelihood)的新方法，该方法需要更少的参数，并且对模型误设是稳健的。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 413px " src=" https://img1.17img.cn/17img/images/201911/uepic/735c7c7e-7b3d-41e2-9292-9cfbe4244555.jpg" title=" 14北京生物统计及数据科学论坛.png" alt=" 14北京生物统计及数据科学论坛.png" width=" 600" height=" 413" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告9：Group Sequential Comparison of PPV Curves for Correlated Biomarker Data /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：Department of Statistics& amp National Center for Forensic Science，University of Central Florida Larry Tang& nbsp Associate Professor /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　中弗罗里达大学的Larry Tang 教授分享了Group sequential comparision of PPV curves for Correlated Biomarker Data的主题。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　首先Larry 介绍了诊断实验的一些基本概念如阳性预测值(PPV)、correlated diagnostic tests和数学符号。固定样本量设计存在成本过高和一些伦理角度的问题，因此适应性设计受到许多研究关注，Group sequential design (GSD) 是其中一种。针对两种诊断方法PPV曲线的比较在GSD下是一个有相关性的假设检验序列，Larry的研究给出了其渐近正态性，从而在假定患病与无病人群抽样比例后就可以给出期望的样本量，模拟结果显示相比固定样本量设计其所需样本量得到了很大程度的减少。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 330px " src=" https://img1.17img.cn/17img/images/201911/uepic/0dfdc950-570f-4ee2-8edf-0be00bc64262.jpg" title=" 15北京生物统计及数据科学论坛.png" alt=" 15北京生物统计及数据科学论坛.png" width=" 600" height=" 330" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告10：Relationship between Obuchowski-Rockette and Gallas U-statistic methods for analyzing multi-reader diagnostic imaging /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：Departments of Radiology and Biostatistics The University of Iowa Stephen /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　　L. Hillis, Research Professor /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　爱荷华大学的Stephen L. Hillis 教授在报告中讨论了两种根据AUC曲线分析多阅片者影像诊断数据的现有方法的各自特点并对他们做了比较与延伸。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　首先Hillis 介绍了多阅片者多病例研究(MRMC)，希望通过经验ROC曲线下面积(AUC)比较两个不同设备下阅片者的表现。Hillis介绍了可以比较阅片者平均AUC的Gallas方法，但是这种方法不能用于3种及以上的设备比较，也不能用于半参数AUC和部分AUC。OR方法是一种ANOVA的方法，其方差通常是通过resampling方法得到的。尽管OR可以用于不同类型的结局比较(部分AUC、经验或半参AUC)等，但是OR还未能用于unbalanced study，Hillis目前正在进行这方面的研究。 最近，Hillis提出了一种无偏估计OR残差的方差或协方差的方法，和resampling方法的结果相同。此外，和Gallas方法结果也相同，但由于自由度不同结果有可能不同。接着Hillis介绍了可进行无偏估计的R package、OR软件和可进行Gallas方法的iMRMC软件。通过两个例子，Hillis证明了新方法的有效性。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 346px " src=" https://img1.17img.cn/17img/images/201911/uepic/1a4ab860-8eee-4049-b16a-c9c0c397c993.jpg" title=" 16北京生物统计及数据科学论坛.png" alt=" 16北京生物统计及数据科学论坛.png" width=" 600" height=" 346" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " 　　 strong 报告11：Development of AI-Powered Medical Devices with a Focus on Precision Medicine Solutions /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　　报告人：Janssen Pharmaceutical Research & amp Development Inc. / Johnson & amp Johnson, Raritan, New Jersey, USA ，Scientific Director Songbai Wang /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　来自强生公司的Sognbai Wang分享了“Development of AI-powered Medical Devices with a focus on Precision Medicine Solutions”的内容。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　王博士首先介绍了人工智能(AI)、机器学习和深度学习的结构，机器学习和统计学习的区别(几乎没什么区别)。目前AI在医疗卫生行业应用广泛，其中我们目前更为关注的是精准医学。目前精准医学更多的是把现有的知识整合，包括临床试验、生物学研究等，可以为病人提供一些选择，但每个选择的证据都不足。今后精准医学应该是更全面的汇总知识和病人资料，通过统计的方法进行分析和预测，给出更准确的选择依据。统计学家需要个体信息、知识和组学数据以及算法和软件，来进行精准医学的研究。评估AI支持的精准医学解决方案需要数据证明其有效，在统计上来说就是一致性、有效性和稳健性。证明AI支持的精准医学解决方案最终还是需要临床试验进行和常规方案的比较。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 393px " src=" https://img1.17img.cn/17img/images/201911/uepic/ae660011-16e3-46b5-b7d5-05e9ad32ed51.jpg" title=" 17北京生物统计及数据科学论坛.png" alt=" 17北京生物统计及数据科学论坛.png" width=" 600" height=" 393" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " 　　 strong 报告12：External evidence: incorporating historical trial data, real world evidence, and modeling and simulation data in combined analyses with current clinical trial data /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　　报告人：Corporate Biostatistics Strategic & amp Scientific Operations Medtronic，Sr Director，Theodore Lystig /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　来自美敦力公司的Theodore Lystig分享了“external evidence: incorporating historical trial data, real world experience, and modeling and simulation data in a combined analyses with current clinical trial data”的内容。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　Lystig 首先介绍了外部数据的定义，包括历史临床试验数据、仿真实验数据、注册记录、管理记录等。真实世界数据(RWD)存在很多潜在用途，如评估注册标准等。通过一些例子，Lystig具体介绍了不同外部数据如何与当前临床试验数据结合。整体框架是对外部数据进行分类、组合、整合、图表研究。未来RWD会吸引更多的关注，但是获得RWD仍然是一个挑战。我们需要更多的思考如何将外部数据与当前临床试验数据整合。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 325px " src=" https://img1.17img.cn/17img/images/201911/uepic/c5eb81b1-b4fb-42e1-ace7-4b6a2e7f8d34.jpg" title=" 18北京生物统计及数据科学论坛.png" alt=" 18北京生物统计及数据科学论坛.png" width=" 600" height=" 325" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " 　　 strong 报告13：US and European FDA Appoval experience with a new automated external defibrillator algorithm /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　　报告人：Stryker，Senior Principal Systems Engineer，Daniel W. Piraino /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　来自Stryker公司的Daniel W. Piraino首先介绍了外部除颤器(AED)的用途和面临的一些问题。周教授的《诊断医学中的统计学方法》一书为他们提供了很多帮助。AED诊断实验的金标准是shockable rhythms、nonshockable rhythms和intermediate rhythms。Piraino还介绍了他们的产品在FDA申请中的一些经验，包括经常遇到的一些回复意见等。Piraino也为以后的申请者提供了一些有效的建议。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 342px " src=" https://img1.17img.cn/17img/images/201911/uepic/20b330d0-4da4-47a5-8206-ab0faf8bcd70.jpg" title=" 19北京生物统计及数据科学论坛.png" alt=" 19北京生物统计及数据科学论坛.png" width=" 600" height=" 342" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " 　　 strong 报告14：Risk Prediction and Assessment: Application to the U.S. National Lung Screening Trial Data /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 　　报告人：Biometry Research Group Division of Cancer Prevention National Cancer Institute National Institute of Health USA，ScD SM Mathematical Statistician，Ping Hu /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　来自美国NIH的Ping Hu博士分享了“Risk prediction and Accessment: Application to the U.S. National Lung Screening Trial Data”. /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　首先胡博士介绍了肺癌的流行病学情况，目前是美国最普遍导致死亡的癌症。但是目前关于如何定义高风险人群仍存在不确定性，一些研究提出了更加精确的风险预测模型，如LLP、PLCO model。LLP使用了条件logistic回归模型，PLCO使用了修改的logistic回归模型。胡教授的研究使用了分类树模型，通过NLST的数据进行建模。树模型的优点在于不需要线性假设和变量变换。NLST的数据集来自一个RCT试验，符合纳入标准的患者被随机分到2组，跟踪时间5年。PLCO数据集来自一个多中心RCT癌症筛查试验，筛查工具是胸片，随访13年。通过使用NLST数据作为训练集，选择一些基线协变量如家族癌症史、先前肺部疾病史、吸烟史、年龄等建立了肺癌预测的树模型。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 352px " src=" https://img1.17img.cn/17img/images/201911/uepic/230d4767-08e3-4455-a63f-f931dd3f9522.jpg" title=" 20北京生物统计及数据科学论坛.png" alt=" 20北京生物统计及数据科学论坛.png" width=" 600" height=" 352" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告15：医学影像诊断人工智能实践中的一些思考 /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：北京协和医院，孙昊教授 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　来自北京协和医院的孙昊教授分享了“医学影像诊断人工智能实践中的一些思考”。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　孙教授首先介绍了中国医疗机构的背景和现状，继而介绍了医疗数据来源和特点、医学人工智能的现状。虽然人工智能在医疗保健中的好处得到广泛认识，但尚未经过临床证明。医学影像是人工智能AI的前沿阵地，影像分析是智能诊疗的基本手段。医学影像AI产品对于医院和患者均是有益的，可以提升诊疗速度、缓解就诊压力等。人工智能医疗影像产品需要满足四个标准：功能易用性、效果稳健性、医学临床专业性、应用多样性。医学人工智能目前还存在一些问题如数据清理问题、伦理学考虑。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 362px " src=" https://img1.17img.cn/17img/images/201911/uepic/c757ef3b-9c20-44d4-b3d4-b19ac36f7adb.jpg" title=" 21北京生物统计及数据科学论坛.png" alt=" 21北京生物统计及数据科学论坛.png" width=" 600" height=" 362" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告16：创新医疗器械临床试验设计的统计学考虑 /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：国家心血管病中心医学统计部，李卫主任 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　李卫教授报告的主题是“创新医疗器械临床试验设计的统计学考虑”。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　李教授建议，如果前瞻性随机对照研究方案符合伦理且确实可行，那么创新性医疗器械应尽量采用前瞻性随机对照研究这一“金标准” /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　但在一些时候，对照组的选择可能会有困难，例如其它对照产品国内无上市或限制使用的情况。此时可以考虑单组目标值试验(OPC)。试验可采用业内公认的某产品的有效性/安全性评价指标应达到的标准(可接受的最低值)作为OPC目标值，但单组试验只是随机对照试验不可行的情况下一种替代、妥协性的方案，其本质上是历史对照，因为目标阈值是由历史数据确定的，在偏倚风险难以排除时应慎用。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　从国外的经验来看，FDA对于风险不高的产品允许通过单组目标值实验审批，但其样本量会多于随机对照试验。一个例子是关于全新的心血管长期植入器械的审批，因为没有合适的器械作为对照组，根据最小负担原则允许其与常规治疗/药物做优效性试验。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　进行单组目标值试验时还有几点注意事项：试验各方必须对目标值有清晰的认识，被试人群与目标值人群必须有可比性，目标值应得到法规及业界认可。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 328px " src=" https://img1.17img.cn/17img/images/201911/uepic/976c5ab1-377b-47f2-9ac9-b7cd31e2772f.jpg" title=" 22北京生物统计及数据科学论坛.png" alt=" 22北京生物统计及数据科学论坛.png" width=" 600" height=" 328" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告17：医疗器械临床试验方案设计中主要指标的选择 /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：北京大学临床研究所 生物统计部 副主任 阎小妍 博士 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　阎小妍教授报告的主题是“医疗器械临床试验方案设计中主要指标的选择”。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　阎教授结合她在实务工作中的经历，指出很多从业者关注样本量大小，但样本量的影响因素包括研究设计、假设检验以及指标的选择，其中主要指标的选择对样本量有着最直接的影响。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　总的来说临床设计中有两大类指标：临床有效性评价指标和临床安全性评价指标。在探索性研究中，评价指标可选择多个，而验证性研究通常只有一个研究目的，只选择一个直接相关的主要指标，并以此作为样本量估计的出发点。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　此外，不同类型研究终点也对样本量估计的方法有很大影响。临床研究中可采用定性指标、定量指标或是时间-事件数据指标，针对同一种医疗器械的临床试验，不同研究设计的目的可能是体现不同的特点，对应了不同的样本量大小。这些试验方案都要综合各方面考虑来进行设计。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 322px " src=" https://img1.17img.cn/17img/images/201911/uepic/667c0c09-70e0-4161-be8e-619a5dc935af.jpg" title=" 23北京生物统计及数据科学论坛.png" alt=" 23北京生物统计及数据科学论坛.png" width=" 600" height=" 322" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告18：人工智能医疗器械设计中的考虑 /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：哈尔滨医科大学卫生统计学教研室副主任 侯艳博士 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　侯艳教授为我们介绍了人工智能医疗器械设计中的统计学考虑。 /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　侯教授向我们讲解了医疗器械临床设计的一些原理，其基本原则是追求更高的精度的更小的偏倚。侯教授重点分享了在实践中如下需要考虑方向：一是研究目的的确定，例如在通过深度学习进行白血病血液图片的研究中，目标可以为检测有无患病，也可以是检测哪一个细胞患病，待评价的方法可能是新的方法还可能是成熟方法，而不同的研究目的对应着本质不同的试验设计 二是代表人群的抽取，其中可能存在各种偏倚，例如选择偏倚、疾病谱偏倚等，这些偏倚都需要相应的统计学方法处理 三是诊断“金标准”的确定，这是研究计划中最难的问题，如果有“金标准”，需要保证“金标准”的一致性，如果没有，利用统计分析减小偏倚 四是准确性指标的选择，研究者要根据研究的阶段、目标及特点选择指标，一般探索性与挑战阶段采用ROC，临床阶段应考虑具体临床指标 此外，数据收集计划、统计分析计划和样本量估计方法也都是应在研究设计阶段就仔细确定的环节。最后，侯教授向我们介绍了一例深度学习模型的应用。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 377px " src=" https://img1.17img.cn/17img/images/201911/uepic/05657d8a-dc8e-4d7c-9094-b5169a42cf7b.jpg" title=" 24北京生物统计及数据科学论坛.png" alt=" 24北京生物统计及数据科学论坛.png" width=" 600" height=" 377" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告19：创新医疗器械产品从技术到产品的实现过程 /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：推想科技 联合创始人 王少康 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　王少康先生结合他在推想科技的从业经历介绍了创新医疗器械产品从技术到产品的实现过程。他指出，人工智能技术是未来解决医疗产能不足、资源分布不均等问题的最佳方案。推想科技的目标是从临床中孵化出好的人工智能产品，经过扎实的临床验证，最后回到临床应用，也就是“从临床中来，到临床中去”。他还提到，基于商业AI产品的临床科研验证文章很少，大部分是用已有的数据，临床试验验证AI产品效果应该是未来的一个发展方向。 /p p style=" text-align: center margin-top: 10px line-height: 1.5em " img style=" max-width: 100% max-height: 100% width: 600px height: 380px " src=" https://img1.17img.cn/17img/images/201911/uepic/e0ecb06e-7567-4f6d-a92d-079a7d68e0f1.jpg" title=" 25北京生物统计及数据科学论坛.png" alt=" 25北京生物统计及数据科学论坛.png" width=" 600" height=" 380" border=" 0" vspace=" 0" / /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告20：A powerful AI tool for CHD screening /strong /p p style=" margin-bottom: 10px text-align: center margin-top: 10px line-height: 1.5em " strong 报告人：Statistics Department, University of Georgia，Wenxuan Zhong教授 /strong /p p style=" margin-bottom: 10px margin-top: 10px line-height: 1.5em " 　　Wenxuan Zhong教授介绍了人工智能方法冠心病筛查的新技术。她首先指出心血管疾病在中国的死亡率很高，而早期筛查可以极大地降低死亡率 冠心病居中国心血管疾病死亡率首位，但诊断准确率低。在美国，冠心病的诊断过程有三个步骤：先进行无创心超，再通过压力测试判断风险，如果风险较高在最后进行冠脉造影。而中国的医院由于时间成本太高，很少为患者做压力测试，又因为传统心脏超声无法确诊，故通常需要再进行费用较高且有创的冠脉造影检测。钟教授团队提出的智能心脏超声技术，通过对视频输入做动态特征提取，再用mixed effect model建模，最终给出预测。这一方法没有采用深度学习，因为数据量不大但模型结构清晰，也有着很好的预测效果。 /p p style=" text-indent: 2em " br/ /p p style=" margin-top: 10px line-height: 1.5em " 　　 strong span style=" color: rgb(0, 112, 192) " 北京大学公共卫生学院生物统计系 /span /strong /p p style=" margin-top: 10px line-height: 1.5em " 　　北京大学公共卫生学院生物统计系成立于2018年11月16日，由北京大学公共卫生学院、北京大学数学科学学院和北京国际数学研究中心共建，是国内第一个跨数学和公共卫生学的生物统计系，首任系主任为周晓华教授。其建设目标是培养既掌握统计理论，又能将理论与生物医学研究相结合的创新型及复合型人才。该系建立的宗旨在于促进北京大学在生物统计学科的发展，助力北京大学的“双一流”建设，探索生物统计方法学在转化医学、精准医学、大数据研究等领域的应用。该系目前的主要研究方向包括临床试验、医疗大数据开发与挖掘、因果推断、诊断医学、精准医疗和统计遗传学等。北京大学公共卫生学院生物统计系将与相关单位开展广泛交流和合作，尤其是与临床医院和相关研究机构，进一步促进生物统计研究从临床实际问题出发，既推动统计方法学的研究，也促使临床医生在实际应用中建立更完善的方法学基础。 /p

p 　　日前，国务院办公厅印发《科学数据管理办法》（以下简称《办法》），意在进一步加强和规范科学数据管理，保障科学数据安全，提高开放共享水平，更好支撑国家科技创新、经济社会发展和国家安全。 /p p 　　科学数据是国家科技创新发展和经济社会发展的重要基础性战略资源。在迈向世界科技强国的进程中，我国已积累了海量科学数据，然而流通利用不足已成掣肘，其潜在价值也未能被充分挖掘。 /p p 　　显然，《办法》的出台适逢其时。这里说的科学数据，主要包括在自然科学、工程技术科学等领域，通过基础研究、应用研究、试验开发等产生的数据，通过观测监测、考察调查、检验检测等方式取得并用于科学研究活动的原始数据及其衍生数据。 /p p 　　本着分级管理、安全可控、充分利用的原则，《办法》明确了科学数据管理的职责、数据采集汇交与保存、共享与利用、保密与安全等内容。 /p p 　　从职责方面来说，《办法》提出，科学数据管理工作实行国家统筹、各部门与各地区分工负责的体制。国务院科学技术行政部门牵头负责全国科学数据的宏观管理与综合协调，有关科研院所、高等院校和企业等法人单位（简称法人单位）是科学数据管理的责任主体，科学数据中心则是促进科学数据开放共享的重要载体。 /p p 　　《办法》指出，法人单位及科学数据生产者，要按照相关标准规范组织开展科学数据采集生产和加工整理，形成便于使用的数据库或数据集。 /p p 　　关于共享利用，《办法》强调，政府预算资金资助形成的科学数据应按照开放为常态、不开放为例外的原则，由主管部门组织编制科学数据资源目录。法人单位要对科学数据进行分级分类，明确科学数据的密级和保密期限、开放条件、开放对象和审核程序等。 /p p 　　《办法》明确，涉及国家秘密、国家安全、社会公共利益、商业秘密和个人隐私的科学数据，不得对外开放共享。值得注意的是，建立完善科学数据管理和开放共享工作评价考核制度，被写入《办法》附则中。 /p

p style=" line-height: 1.5em " & nbsp & nbsp & nbsp & nbsp 7月18日，中国科学院今天在北京组织召开视频会议，宣贯《科学数据管理办法》。 /p p style=" line-height: 1.5em " 　　中科院副院长、党组成员李树深指出，《科学数据管理办法》的发布实施，为中科院科学数据管理工作提出明确要求。中科院作为国家战略科技力量、中国自然科学最高学术机构，“有责任、有义务、有决心、有信心”落实好《科学数据管理办法》部署的相关工作。 /p p style=" line-height: 1.5em " 　　李树深对全院科学数据管理工作提出五点要求。他说，要充分认识科学数据的重要意义，增强做好科学数据管理工作的紧迫感、责任感 要认真梳理中科院科学数据的现状，摸清中科院科学数据管理中存在的制约问题 要加强各部门协同，尽快构建中科院科学数据管理与开放共享的政策体系 要结合中科院科研力量布局，建设好中科院科学数据中心支撑体系 要建立全院一体的科学数据工作体系，为中科院科学数据发展提供机制和组织保障。李树深强调，中科院愿意与国家有关部门一道，“聚众心、集众智、合众力、融众数”，共同开创“数据驱动创新”新时代。 /p p style=" line-height: 1.5em " 　　会上，科技部基础司司长叶玉江围绕《科学数据管理办法》有关情况做了专题报告，从《科学数据管理办法》的制定背景、起草过程、以及主要内容三个方面做了系统介绍和深入解读，指出科学数据管理对于我国科技创新发展的重要意义，并希望中科院作为科学数据的主要生产者和使用者，加快推进科学数据管理的相关工作，发挥示范作用，尽快形成可复制、可借鉴的先进经验向社会推广。 /p p style=" line-height: 1.5em " 　　中科院办公厅副主任王树志对中科院落实《科学数据管理办法》工作开展情况进行了报告，重点从中科院科学数据管理工作开展情况，存在的问题，以及后续工作安排等方面进行了介绍。 /p p style=" line-height: 1.5em " 　　中科院机关有关部门领导，院属各单位主管科技工作所领导、科技处负责人以及相关科研人员600余人在主会场和分会场参加了会议。 /p p br/ /p

近日，香山科学会议第507次学术讨论会在京召开。与会专家就科学大数据研究基础设施、科研方法与模式变革、数据共享机制与趋势等前沿问题展开讨论。他们表示，大数据是国家新型战略资源，科学大数据时代已经到来。为占据制高点，世界主要大国已把科学大数据纳入国家战略，并开始重点部署实施。 　　当前，随着无所不在的传感器和传感器网络、大科学装置、大规模天文望远镜等的发展，科研数据呈几何式增长态势，将科学研究各领域以及各环节都推到一个前所未有的大数据时代。一个国家的科研水平，将越来越多地取决于其在数据优势以及将数据转换为信息和知识方面的能力。 　　会议执行主席之一、中科院计算机网络信息中心研究员黄向阳表示，大数据时代的科研模式正在发生变化，以全样本、相关性、全局性和价值持续性等为特征的研究模式已经显现，这对科学大数据设施提出了新的需求和挑战。 　　&ldquo 利用海量、多分辨率、多时相、多类型对地观测数据和社会经济数据及其分析算法和模型建构的数字化虚拟地球，对地球历史演变和发展进行预测，并为全球变化提供关键信息，是&lsquo 未来地球&rsquo 的研究方向。&rdquo 会议执行主席之一、中科院院士郭华东介绍说。 　　&ldquo 在基因组研究领域，从海量基因组序列数据中快速发现新知识，是生物信息学和生物医学等领域面临的挑战。&rdquo 中科院院士陈润生认为，运用数学、计算机和生物学工具，对非编码序列开展研究，将为认识代谢、发育、分化、进化等重要生物学问题提供依据。 　　与会专家建议，为应对大数据时代科学研究范式的巨大变革，应尽快将科学大数据纳入国家战略，统筹整体规划，从国家层面推进科学大数据中长期规划和政策的实施，并系统深入地开展科学大数据的基础性科学问题、理论方法和关键技术的研究，发展数据科学，培养数据科学方面的新型复合型专业人才。

我国长期依赖于欧美的材料数据库，无法及时获得关键材料数据，因此学科发展受到制约，慢人一步。发展具有我国自主知识产权的材料库，可补全我国的材料研发链条，健全材料研发完整的生态体系，深度提升我国的材料研发生产力。最近，中国科学院物理研究所/北京凝聚态物理国家研究中心表面物理国家重点实验室SF10组刘淼特聘研究员、孟胜研究员和团队成员，将Atomly材料数据库（https://atomly.net/）中的无机晶体材料扩充到了30余万个，数据规模和质量已经跻身世界顶级水准。该数据库是由物理所和松山湖材料实验室联合研发，具有自主知识产权。它的出现彻底改变了我国物理、化学、材料科学等领域长期依赖西方数据库舶来品的跟随局面，为我国物质科学发展提供了优质的基础数据及平台，提升了整个行业的生产力、效率及竞争力。图一，Atomly.net材料数据库访问界面该数据库有力地支撑我国物质科学领域的科研。例如，北京量子信息科学研究院的于海峰/金贻荣团队通过atomly数据库判定量子比特材料的热力学稳定性【Appl. Phys. Lett. 119, 184003 (2021)】；湘潭大学的钟建新团队通过atomly数据库开展二维碳材料结构搜索【J. Phys. Chem. Lett. 12, 11511 (2021)】；西南大学的王啸天团队通过atomly数据库发现新型无自旋带隙节线半导体【J. Mater. Chem. C,10, 6530 (2022)】；中科院物理所的石友国团队使用atomly数据库比对和寻找量子自旋液体材料【Chinese Phys. B 30 107504 (2021)】。目前，该数据库每月有1万人次的访问，用户遍及中国所有的省份，也被清华大学、武汉理工等高校引入材料科学、物理等专业的教学中。此外，借助atomly数据库，物理所内的多个团队也展开若干卓有成效的科研合作。1. 借助海量数据和高通量计算手段，刘淼、孟胜和蒋坤等带领团队，实现了新材料体系的快速搜索和预测，筛选出25个热力学稳定的“类CsV3Sb5”笼目材料，为新材料发现提供了方向。结果以express letter 快报形式发表在Chin. Phys. Lett. 39 (4): 047402 （2022），第一作者为博士生姜昱韬。图二，“类CsV3Sb5”笼目材料高通量搜索2. 依靠高质量海量数据库，刘淼、孟胜和李世亮团队与中国人民大学夏天龙团队，从18万个无机材料中搜索得到了若干“类MgB2”的超导材料。理论预测指出CaB2具有较高的超导转变温度（Tc=9.4-28.6 K）。通过实验证实了BaGa2中的超导电性，实现了材料搜索的“端到端”模式。结果发表于Phys. Rev. B 105, 214517 (2022)，第一作者为博士生喻泽和薄涛博士。图三，“类MgB2”超导材料高通量搜索建设材料大数据科学平台，开创新材料研发手段，开拓新方法和新工具，将会从深层次提高我国材料研发原始创新能力。以上工作得到了科技部(2021YFA1400200、2017YFA0302903)、中国科学院(XDB33010100、ZDBS-LY-SLH007、XDB33020000、CAS-WX2021PY-0102、GJTD-2020-01)、自然科学基金委（12025407、11934003）、松山湖材料实验室等机构的大力支持。PhysRevB.105.214517-2.pdfScreening Promising CsV$_{3}$Sb$_{5}$-Like Kagome Materials from Systematic First-Principles Evaluation.pdf

珀金埃尔默Informatics 2019年度数据科学用户会即将于12月5日下午举行。届时将会有众多科研领域的专家为大家介绍使用Spotfire及其他数据统计工具对科研数据进行分析探索的应用案例。我们本着更好地为用户搭建经验交流互动平台为目的，更有效地促进彼此的资源共享，诚挚邀请您参加此次会议。我们也衷心的希望能够借此机会答谢各个行业的新老用户和关心珀金埃尔默信息化平台发展的朋友，感谢您长期以来给予我们的关心和支持!我们期待与您面对面的交流，探讨数据分析和挖掘的新思路。会议时间：2019年12月5日 会议地点：上海张江博雅酒店（上海市浦东新区张江高科技园区碧波路699号）会议日程时间主题演讲嘉宾12:30-13:15注册13:15-13:30欢迎致辞Charles Coyne珀金埃尔默亚太区信息科学事业部总经理13:30-14:00Using Embase and Spotfire to build KOL analysis from scholar publicationsZhang Ya Peng PhD.Scientific Information Expert, Professional ServiceReed Elsevier China14:00-14:30Spotfire在临床数据领域的应用沈逸如珀金埃尔默信息科学事业部数据科学家14:30-15:00茶歇15:00-15:30Transform data into insights with SpotfireYang ChengAssociate Director of Scientific InformaticsNovartis China15:30-16:00Spotfire在医院科研领域的应用苏璞 PhD.珀金埃尔默信息科学事业部产品经理16:00-16:30Screening Data Analytics and Decision Making Enabled by Spotfire PlatformLin Yi PhD.Principal Scientist, Data Science, pRED InformaticsRoche China.16:30-17:00致结束词嘉宾介绍林翼 PhD.Principal Scientist, Data Science, pRED Informatics罗氏研发中国有限公司主题：Screening Data Analytics and Decision Making Enabled by Spotfire Platform嘉宾介绍：2012年初加入罗氏研发中国有限公司(Roche Innovation Center Shanghai)，现任信息科学部研发主任，数据科学家。12年工业界药物研发信息平台建设和项目管理经验。近几年重点放在研究AI人工智能和实验室自动化在研发早期的技术和应用。目前领导和参与多个罗氏研发总部的信息化平台项目，并参与药物早期研发项目的高级数据分析工作。Yang ChengAssociate Director of Scientific Informatics at China Novartis Institute for Biomedical Research (CNIBR)主题：Transform data into insights with Spotfire嘉宾介绍：Yang Cheng, Associate Director of Scientific Informatics at China Novartis Institute for Biomedical Research (CNIBR). Yang graduated from Peking University with degree in medicine, and obtained double degrees from University of Tuebingen in Germany in molecular biology and computer science, as well as Warwick University in UK with MBA.Yang joined Novartis in 2013, and she is the leader of scientific informatics group in CNIBR. This group is intending to provide informatics solutions by applying various technologies including machine learning, data mining, and natural language processing, etc. to all research functions, from early discovery until translational research. Yang has research interests in data mining, machine learning, image analysis, Natural Language Processing, etc. and application of various information technologies to the effective and efficient data lifecycle management in pharmaceutical industry.张亚鹏 PhD.Scientific Information Expert, Professional Service励德爱思唯尔主题：Using Embase and Spotfire to build KOL analysis from scholar publications嘉宾介绍：现供职于励德爱思唯尔信息技术有限公司（Reed Elsevier），担任Scientific Information Expert一职。之前在罗氏研发中国，担任高级数据科学家（Senior Data Scientists）。领域方向是药物研发领域内的文献，专利及临床竞争信息及数据的整合及分析。涉及范围有：早期靶点调研的竞争分析、相关学术领域中KOL分析、先导化合物优化过程中的信息收集及分析、以及后期临床相关的公开信息收集及分析方面等。苏璞 PhD.Field Application Scientist, Informatics, PerkinElmer珀金埃尔默企业管理（上海）有限公司主题：Spotfire在医院科研领域的应用嘉宾介绍：苏璞，M.D. & Ph.D.，同济大学医学博士，美国杜克大学访问学者，发表SCI论文等十余篇，前上海交通大学附属第一人民医院医师，现任美国珀金埃尔默公司，信息科学部产品经理。8年临床医学和数据分析经验，近几年重点放在研究健康大数据挖掘和临床数据分析及其应用，目前领导和参与多个珀金埃尔默信息科学部大数据平台等项目。沈逸如Data Analyst, Informatics, PerkinElmer主题：Spotfire在临床数据领域的应用嘉宾介绍：2013年上海交通大学生物技术本科毕业，2015年Tufts University医学院公共卫生硕士毕业，现担任珀金埃尔默公司信息化科学事业部数据科学家。主要负责临床数据和医院科研数据的清洗、建模与分析。长按识别下方二维码，即可免费注册参会！

古埃及木乃伊背后除了有法老之谜和宗教传说，留给我们的还有宝贵的人类基因信息。如今，新的基因测序技术让我们有机会看到古人在成为木乃伊之前的样子。据美国趣味科学网28日报道，研究人员使用从木乃伊遗骸中提取的基因数据，重建了3名生活在2797年前的古埃及男子的面孔。这是研究人员首次将基因测序技术用于那个时代的人类DNA。　　木乃伊来自位于埃及开罗南部洪泛区的古埃及城市阿布西尔梅莱克，埋葬于公元前1380年至公元425年之间。2017年，德国马克斯普朗克人类历史科学研究所的科学家们对木乃伊的DNA进行了测序。据当时报道，这是首次成功重建古埃及木乃伊的基因组。　　此次，美国DNA技术公司帕拉班纳米实验室的研究人员利用全基因组测序数据，对其中3个质量最高的木乃伊样本创建了大约25岁左右的面部3D模型。他们为木乃伊面部轮廓生成3D网格，并通过计算突出了3张面孔之间的差异，同时还使用一种名为Snapshot的表型分析方法来预测木乃伊的血统、肤色和面部特征。　　研究人员发现，这些木乃伊曾经有浅棕色的皮肤、深色的眼睛和头发。总体来说，与现代埃及人相比，他们的整体基因构成更接近现代地中海或中东人。　　该公司生物信息学主任艾伦格雷塔克称，研究古人类DNA很有挑战性，因为古人类的DNA高度降解，通常会与来自细菌的DNA混合，所以从木乃伊身上留下的人类DNA数量可能非常少。但由于绝大多数DNA是在所有人类之间共享的，因此科学家不需要整个基因组来预测一个人的身体特征，只需要分析基因组中某些特定位点，即所谓的单核苷酸多态性（SNP），它是个人之间身体差异的代码。　　不过，也可能存在古代人类DNA无法提供足够SNP的情况。这种情况下，科学家可以用来自附近SNP的替代值替换缺失的遗传数据，以对缺失的SNP进行统计预测。　　据悉，此次研究使用的基因分析技术可预测来自任何种族背景的个体的遗传祖先，包括他们的眼睛颜色、头发颜色、肤色和脸型。该技术还可用于在没有嫌疑人或数据库可查的刑事案件中生成线索，或者帮助识别遗体。

p 　　生态环境监测是生态环境保护的耳目与基石。没有科学准确的监测数据作支撑，生态环保工作就成了无源之水，无本之木。在“8-12”天津市滨海新区火灾爆炸事件后，大批环境监测人员与消防及医护人员一起奋战在最前线，将公众最为关心的信息传递出来。 /p p 　　环境监测网络的重要性由此可见一斑。 /p p 　　近日，国务院办公厅印发了《生态环境监测网络建设方案》(简称方案)，对未来生态环境监测网络建设做出全面规划和部署。方案指出，到2020年，全国生态环境监测网络基本实现环境质量、重点污染源、生态状况监测全覆盖。监测网络将为政府考核问责提供技术支撑，实现生态环境监测与执法同步。 /p p 　　 strong 谁来测?监测事权上收增强监测数据科学性 /strong /p p 　　在中国气候传播项目中心副主任李玉洁看来，方案的出台表明生态环境监测网络建设将大刀阔斧展开。但将这项工程从美好的顶层设计真正落到实质建设，必须认识到生态环境监测网络建设的重难点。 /p p 　　据调查反映，目前生态环境监测存在一系列问题，比如各级政府、企业、社会的环境监测事权划分不够清晰，存在人为干扰采样装置，随意篡改监测数据等现象，对科学评价环境质量、环境保护目标考核等造成了一定的影响。 /p p 　　全国政协委员、环保部副部长吴晓青就坦言，环保部就发现有些地方为了减轻考核压力，让监测站直接编造监测数据的情况。 /p p 　　为此，方案的一个亮点就是明确提出，环保部适度上收生态环境质量监测事权，以准确掌握、客观评价全国生态环境质量总体状况。地方各级环境保护部门相应上收生态环境质量监测事权。 /p p 　　中国工程院院士、清华大学环境科学与工程研究院院长郝吉明认为，环境监测事权的上收，有利于避免个别地方政府受考核评比等行政干扰对监测数据进行造假，保障环境监测数据的真实性和全局性，增强监测数据的科学性、权威性。 /p p 　　据吴晓青介绍，今年上半年以来，环保部一直在积极推动监测事权上收工作，国家环境监测网络运行机制改革已取得实质性进展。目前，环保部已经就国家环境质量、监测事权上收事宜与财政部达成一致，将分三步完成国家大气、水、土壤环境质量监测事权的上收，真正实现“国家考核、国家监测”。资金保障方面也已作出安排。25亿元中央集中排污费专项资金投入的重点之一就是保障监测事权上收工作。 /p p 　　不过李玉洁指出，监测事权上收并不意味着监测工作全都要依赖中央。完整的监测机制建立还必然要理清中央和地方各级、政府和社会监测的职责和任务。在发挥政府政策制定和监管功能的同时，还需要充分发挥企业、科研机构、环保类非政府组织以及第三方专业监测机构的功能，利用市场机制鼓励社会类监测机构提供监测服务供给。 /p p 　　 strong 怎么测?强化高新技术建设大数据平台 /strong /p p 　　按照方案的实施思路，生态环境监测网络建设的发展方向可以概括为“统一标准”、“信息共享”。 /p p 　　“这是因为目前相关监测信息的技术规范、评价方法不统一，数据缺乏可比性，共享不足，影响了政府权威性和公信力。”环保部环境监测司有关负责人解释说。 /p p 　　公众环境研究中心主任马军指出，与之前我国的环境监测体系相比，此次推进的环境监测网络建设，无疑在覆盖面以及监测要素上都有大幅度的提升。“原来的监测系统都是比较分散的，不同的部门、地区，比较零散的建立起来的，不管是从规划、规范到信息发布都不是非常统一，共享程度也不高，这些方面希望通过这一次新的建设能够有所改变，能够实现各类数据的全覆盖，包括共享、预报预警能力的提升。” /p p 　　按照方案要求，未来环境保护部门将会同有关部门统一规划、整合优化环境质量监测点位，建设涵盖大气、水、土壤、噪声、辐射等要素，布局合理、功能完善的全国环境质量监测网络 统一相关环境要素的布点、监测和评价技术标准规范，并根据工作需要及时进行修订完善 同时提出要加快生态环境监测信息传输网络与大数据平台建设，将国务院相关部门和各地的生态环境监测数据进行联网共享，大力加强数据资源的开发与应用。并在信息发布方面，依法建立统一的生态环境监测信息发布制度，实现生态环境监测数据统一发布。 /p p 　　据记者了解，一系列工作已经在积极推进中。截至目前，空气质量、水质、土壤环境监测已取得阶段性成果。比如，为提前谋划配合“土十条”的出台，上半年，环保部组织启动了国家土壤环境质量监测国控点位布设工作，截至目前，已有辽宁、江苏、浙江等10个省份完成了点位布设工作。 /p p 　　在技术应用上，今年，环保部大力推进两颗大气环境监测卫星以及两颗16米分辨率环境卫星后续星的立项与研制。今年年底前，将完善环境遥感监测布局，发布环境遥感“十三五”规划，继续推动“天地一体化”进程。 /p p 　　 strong 如何做?做好任务分解，完善法律法规 /strong /p p 　　在对未来全国生态环境监测网络充满信心的同时，专家也冷静指出，“目标任务还很艰巨。” /p p 　　在郝吉明看来，“《方案》提出了生态环境监测工作的指导思想、原则、目标和任务，是纲领性的文件，下一步还要相关部门和各级政府拿出更加具体和细化的实施方案。” /p p 　　国务院发展研究中心资源与环境政策研究所所长高世楫也表示，下一步需要对各级政府、相关部门和企业的任务有大致分工，进一步细化落实。首先各级政府和相关职能部门应做好任务的分解工作。 /p p 　　上海市环保局总工程师罗海林建议，要进一步明确国家各部委在生态环境监测网络中的职责和任务，以及国家和地方的监测事权划分具体落实方式及时间节点。 /p p 　　在明晰监测事权方面，除了要明确划分各级政府环境监测事权，还要明确划分政府和企业环境 /p p 　　监测事权。明确政府所属监测机构主要承担环境质量监测、重点污染源监督监测、环境执法监测、环境应急与预报预警等职能，其他服务性监测可向市场开放，由社会监测机构承担。 /p p 　　而对于监测数据可靠性和权威性的保障，郝吉明认为应该对现有的大气、水、土壤、生态、近岸海域等监测技术规范进行现状梳理、需求分析，列出需要修订完善的清单，抓紧开展修制订工作，力争统一各有关部门的环境监测标准规范，努力推进各类环境监测机构的监测活动执行统一的技术标准规范。 /p p 　　此外，郝吉明还建议尽快出台环境监测条例、国家环境质量监测网络管理办法、国家环境监测信息发布管理规定等法规、制度，使各项改革的举措固化为法律和制度，使改革工作有法可依，有章可循，扎实推进。 /p

昨天，2014创新方法研究会科学工具专业委员会、国产科学仪器设备应用示范产业技术创新战略联盟年会在温岭市召开。 近年来，温岭市大力实施&ldquo 创新驱动&rdquo 发展战略，不断加大科技投入，全力发展战略性新兴产业和高新技术产业，取得了积极成就。去年，温岭市被科技部评为&ldquo 全国科技进步先进县市&rdquo 。去年10月，科技部条财司副司长吴学梯还专程到温岭市指导，对浙江福立分析仪器有限公司等仪器仪表企业的发展给予了大力支持。 当天，来自全国各地科学仪器行业的顶尖技术专家和企业家齐聚一堂，以&ldquo 大数据时代的科学仪器&rdquo 为主题，围绕如何推动大数据落地来激发企业的竞争力和创造力进行探讨，为温岭市仪器仪表企业发展带来了新的理念、新的技术。 温岭市市长李斌在会上致辞，他说，在信息化、大数据时代，通过信息技术在各个行业的渗透、融合、颠覆，既能改造传统产业实现升级，也能催生新兴产业实现转型，推动存量提升和增量发展，真正实现&ldquo 腾笼换鸟&rdquo 和创新发展。他希望温岭企业家能够通过此次会议讨论交流，学习最新前沿技术，在产业转型升级上取得新的成就。 随后，与会人员还参观了浙江福立分析仪器有限公司。

2021年5月21日，病原微生物领域大数据合作研讨会在北京召开，会议由中国科学院微生物研究所、中国疾病预防控制中心、中国疾病预防控制中心传染病预防控制所（传染病所）和中国疾病预防控制中心病毒病预防控制所（病毒病所）联合主办。科技部基础司二级巡视员傅小锋，科技部国家科技基础条件平台中心副主任王瑞丹，中国科学院办公厅副主任王树志，中国疾控中心主任高福院士、传染病所所长阚飙，病毒病所所长许文波、中国科学院微生物研究所所长钱韦等领导和专家出席了本次会议。　　会上，国家微生物科学数据中心和传染病所、病毒病所分别签署合作协议，正式成立国家微生物科学数据中心病原菌分中心和病毒分中心，未来合作各方将充分利用各自优势，通过大数据整合与分析，对海量病原微生物数据进行系统管理和深度挖掘，开展病原微生物科技资源共享和应用，以及以大数据为核心的基础性和前瞻性研究，支撑国家致病菌和病毒全基因组监测网络建设，为维护国家生物安全提供科学数据资源与技术支撑。　　国家科学数据中心和国家资源库作为科技创新的重要支撑，是我国科技创新能力建设的重要战略科技力量。在当今大数据时代，科技创新越来越依赖于对科学数据的分析挖掘和综合利用。自科技部、财政部2019年首批成立了20个国家科学数据中心以来，各数据中心在推动不同学科领域科学数据汇交采集、存储管理、处理加工、分析挖掘与开放共享工作都取得了重要的进展。国家微生物科学数据中心在数据标准体系建设，科学数据汇交与管理、数据资源共享与服务平台建设和基于大数据的领域应用等方面，都取得了突出的成绩。尤其是在抗击新冠肺炎疫情期间，国家微生物科学数据中心与国家病原微生物资源库合作，发挥各自优势，建立了新型冠状病毒国家科技资源服务系统，获得了世界互联网大会先进成果的奖励，也成为国家数据中心与国家资源库合作一个成功的尝试。　　此次合作旨在围绕国家重大传染病防控需求，加强国家科学数据中心和国家种质资源库的有序衔接，构建国家战略科技力量，进一步完善微生物领域的科学数据资源体系建设，为科技创新和经济社会发展提供高质量的支撑服务。

核心提示：2016年5月2日，河北科技大学副教授韩春雨在国际知名学术期刊《自然-生物技术》上发表文章，并提出一种新的基因编辑手段——NgAgo。8月2日，《自然-生物技术》发表声明，要求韩春雨公开相关实验数据。资料图 近日，“一鸣惊人”的韩春雨又陷入了“舆论风暴”。 2016年5月2日，这位河北科技大学副教授在国际知名学术期刊《自然-生物技术》上发表文章，并提出一种新的基因编辑手段——NgAgo。 论文发表后，韩春雨受到一些科学家及媒体热捧，但此后不久，该事件又陷入持续性争论，多国科学家表示其基因组编辑结果无法重复，也有科学家称其可以重复。在多方呼吁下，8月2日，《自然-生物技术》发表声明，要求韩春雨公开相关实验数据。 多国科学家质疑，韩春雨实验结果不可重复? 韩春雨的论文发表至今已有3个多月，韩春雨的基因编辑技术NgAgo也被人认为是对现有的CRISPR技术提出了挑战，有媒体报道时称，这是一个“具有颠覆性的第四代基因编辑技术”，被誉为“诺奖级”成果。 就在媒体争相报道这位年轻科学家时，国外一些科学家已经开始利用韩春雨论文描述的实验方法进行实验。然而这些实验所得数据有的可以证明，韩春雨的实验是可重复的，有些学者则声称其实验结果不可重复。 在这些质疑声中，最受人关注的是澳大利亚国立大学研究者盖坦布尔焦(Gaetan Burgio)的研究结果。他此前声称有间接证据显示，可以重复韩春雨的实验结果，并认为其“非常高效”，最终结果要等待基因测序的直接结果。然而，7月 29日，盖坦布尔焦发长文《我对于NgAgo的实验经历》质疑NgAgo的可行性。 盖坦布尔焦在文章中指出，“像很多人一样，多次尝试后，我仍旧没有发现任何证据证明NgAgo能进行基因组编辑”。他认为，“NgAgo可能没有、或者只在严格限定的条件下才有内切酶活性，从而使得它几乎不可能被重复 即使它真有活性，也限制了它的广泛应用”。 7月29日，作为国际转基因技术协会前主席的西班牙科学家路易蒙特利欧(Lluis Montoliu)也在网络上发言表示，“在盖坦布尔焦及很多相似的失败案例后，《自然-生物技术》应当要求作者公布原始数据及具体实验条件”。记者试 图邮件联系路易蒙特利欧，截至记者发稿暂未收到回应。 对于近日的各种质疑和争议，今天记者联系到韩春雨，他回复称，“不回应就是最好的回应”。 一波三折，众多科学家呼吁公开原始数据 事实上，关注并尝试重复韩春雨实验的科研人员不只在海外。 7月21日，中国科学院上海神经科学研究所研究员、博士生导师仇子龙在其微博中发表文章表示，“我们自己实验室还在重复，优化各种条件，比如筛 选等等”。仇子龙在文中表示，“目前这些实验结果距离NBT文章中的结果相差甚远。目前急需韩春雨老师提供可重复NBT发表文章的NgAgo，或者优化的 Ngago2.0, smart版本等等进行实验”。 文章一出，仇子龙被众多网友当做是认定实验可重复的“挺韩派”，不少微信文章也据此声称仇子龙可以重复该实验。对此，中国科学院上海神经科学研究所相关人员告诉中国青年报记者，目前网上信息有未经本人核实的不符合事实的部分，因此现阶段暂不作回应。 无论是支持还是质疑，关注此事的众多科学家表示应公开原始数据。盖坦布尔焦也在长文中指出，《自然-生物技术》应该要求韩春雨向公众公开他所有的原始数据和实验条件，这是学术期刊的义务。 8月2日，《自然-生物技术》就韩春雨事件发表声明称，“《自然-生物技术》对于人们提出的任何关于论文的疑虑都会认真对待，并加以慎重考虑。 已有若干研究者联系本刊，表示无法重复这项研究。本刊将按照既定流程来调查此事”。同时，声明指出，“作为在自然科研旗下期刊发表论文的条件之一，作者须 将材料、数据、代码和相关的实验流程及时向读者提供，不可加以不当限制”。 发布声明当天，盖坦布尔焦在接受中国青年报中青在线记者及其他媒体联合采访时表示，他并不认识韩春雨，两人也从未有过任何形式的交流。“更 重要的是，我对中国科学界没有任何反对意见。我也并不反对NgAgo系统，而且CRISPR技术和NgAgo之间的战役和我没有关系。”盖坦布尔焦在采访中表示，“说实话，对于来自《自然-生物技术》的调查，我的感受很复杂(甚至有些难过)。关于这篇文章我的立场是十分清晰 的，并且已经把我的立场写了下来。我们需要去弄明白为什么我们这个领域没有人可以成功重复这个实验。想要更好地理解这个新技术的运作方式，唯一的办法就是 公开原始数据”。 科学不取决于雄辩，而在于事实 在韩春雨的研究成果掀起热议的同时，不少科学家和相关学者认为，这样的开放争论正是推动科技进步的重要方式，而有关科学的争论最终要回归到科学事实。 盖坦布尔焦在其长文中表示，“这是我第一次参与开放科学的体验，并且感到和同伴们的讨论富有启发性。我认为与其追逐发表高影响因子的文章并且 神神秘秘，我们应该开放和分享我们的结果，以帮助每个人都避免在不可重复和没有意义的实验上浪费时间。在我看来，科学应该以这种方式进行”。 由知名学者饶毅、鲁白、谢宇创办的微信公众号“知识分子”在5月8日发表了介绍韩春雨的文章。8月1日，该公号推送了一篇饶毅在2012年发表于博客的旧文。文章指出，实验科学不取决于雄辩，而在于事实。 该文说道，“科学有讨论和争议是正常现象，为进步所必需。在科学讨论中，严厉批评是一个原则，并不否认与人为善，因为科学批评的目的是为了进步。当出现不同意见时，讨论是一方面，而对于实验科学来说，最终起决定因素的是进一步的实验”。 记者致电多位生物科学领域的科学家，他们均表示，目前对于韩春雨事件不便评论，但强调“要用科学说话”。

近日，科迈恩科技面向广大分析测试领域的科研、检测、生产及教学用户推出了最新一代面向科学大数据的化学计量学与机器学习解决方案ModelLab Matman® 。ModelLab Matman作为科迈恩科技开发的ModelLab系列AI建模分析软件中的一员，提供对于科学数据领域通用的化学计量学分析与机器学习建模的广泛支持，可以对任何通用类型的数据文件（如Excel表格、CSV数据文件）进行建模分析。ModelLab Matman采用C++语言专为高性能矩阵计算开发，结合各类定性与定量化学计量学与机器学习高性能算法模型，为满足复杂体系科学数据分析的需求提供行业领先的分析软件和科研工具。图1 ModelLab 科学大数据AI建模解决方案产品家族新品亮点1. 多模态分析仪器复杂体系数据挖掘ModelLab系列软件（含Matman, Specman, Chroman, Massman等）提供对各类色谱、质谱、光谱，核磁共振，以及其他类型仪器及科学统计数据的AI建模分析支持。专业的仪器数据处理提供包括色谱峰保留时间对齐、质谱解卷积、光谱多元校正、高维光谱因子分解等各类多维、高分辨数据的解析和处理。从而实现高度自动化的定性、定量及非靶向分析。图2 ModelLab化学计量学与机器学习算法组成2. 领先的科学大数据机器学习建模ModelLab Matman独有的化学计量学高性能计算SDK涵盖多元校正、多元统计、回归建模、模式识别、因子分解以及知识图谱等在内的各类机器学习算法。其包括PCA、PLSR、SVM、ATLD、随机森林、聚类热图等数十种功能强大的算法模型，并支持与仪器数据无缝连接。图3 ModelLab功能模块：模型训练3. 高维高内涵的多组学数据分析ModelLab Matman通过数据以及模型输入接口API，支持对各类色谱、质谱、光谱等仪器分析原始数据以及任意的表格及矩阵数据的快速机器学习建模和预测过程。可应用于指纹图谱、非靶向代谢组学、风味组学、环境暴露组学等各类多模态融合组学研究。4. 实时高效的大数据可视化分析ModelLab Matman通过将化学计量学与机器学习、自然语义分析以及知识图谱相结合，通过丰富的大数据可视化技术使得复杂体系样品数据分析过程和结论所见即所得。从而通过人工智能技术为分析测试相关行业的数字化、智能化转型和提质增效提供有力支撑。图4 ModelLab功能模块：算法自定义结果输出图5 ModelLab功能模块：自定义图表外观图6 ModelLab功能模块：分析报告应用领域通过化学计量学与机器学习相结合，所建立的定性、定量预测模型可广泛应用于检测分析各行业相关领域的复杂体系非靶向分析。图7 一致性评价模型【中药制药】中药材及饮片真伪优劣与质量评价、指纹图谱分析、中药注射剂质量控制、一致性评价、道地产地溯源与土壤因子、贵细药材分等分级、原料混批勾兑、储藏时间预测【代谢组学与蛋白组学】非靶向代谢指纹图谱分析、脂质体组学分析、代谢通路研究、空间代谢组学分析【化学药与生物制品】药物体内代谢、有关物质分析、原料药及中间体快检、在线过程控制、肽图指纹图谱、药物辅料智能分析、体内外相关性分析、一致性评价【精准医学】癌症早筛、多模态质谱成像分析、疾病标志物发现、血药浓度监控【环境保护】水质快检分析、水中油快速鉴别、污染物三维荧光分析、污染物预警监测、污染物的溯源鉴定、空气异味评级等【食品及农产品】原料及添加剂快速筛查、违法违禁添加、原产地及年份溯源、风味特征物质剖析、数字化定量勾兑、香精香料分析、品质分等分级【快消品】真实性评价及违法添加筛查、气味客观化与品质分等分级、白酒真实性溯源及感官评价、烟草及香精香料的风味组学建模与分析【石油化工】轻重质油、润滑油、生物柴油的油品分析、油页岩分析、溢油溯源鉴别、录井勘探、沥青真实性与老化智能分析等【珠宝玉石】珠宝玉石、陶瓷、文物等的真伪鉴别、断代、断源鉴别及三维荧光快检【司法鉴定】纸张、染料、油墨、墨水、纺织品、土壤、毒物的来源及真实性鉴别等【汽车制造】气味嗅辩分析、气味客观化分析与智能评级、油漆智能鉴别、润滑油快检分析 ModelLab系列软件作为一款多组学融合与多组学分析技术提供强大的数据分析工具，提供基于前沿算法与人工智能相结合的创新智能仪器分析手段，借以提升中国分析测试行业客户的化学分析能力，打破了长期以来分析测试行业的数据孤岛，解决长期困扰国产化仪器领域的软件及算法等“卡脖子”问题，从而为我国仪器仪表及检测行业持续提供基于前沿算法与人工智能相结合的创新检测手段。关于科迈恩科技科迈恩科技秉持“让AI为创新分析技术赋能”的愿景，致力于让广大用户受益于大数据和人工智能技术对于检测能力的创新和提高。目前科迈恩科技已在智能化仪器数据分析、快检技术、新药研发、精准医疗、感官评价等工业级AI建模等领域拥有系列化产品或解决方案，涵盖色谱、质谱、光谱、核磁共振等多维分析大数据的融合。所服务的客户覆盖制药、快消品、农产品、临床、石化、环保、交通、汽车制造等诸多领域。关注“科迈恩科技”公众号，了解更多分析检测行业的解决方案如您对科迈恩科技有更多想了解，可通过仪器信息网和我们取得联系！400-860-5168转3905

p style=" line-height: 1.5em " span style=" font-family: 宋体, SimSun " & nbsp & nbsp 2015年11月6日，关于制定统一的我国仪器数据通讯协议和数据存储标准的讨论会议在北京召开。本次会议由食品安全第三方检验检测诚信联盟发起，创新方法研究会科学工具专业委员会、国产科学仪器设备应用示范产业技术创新战略联盟、北京市科学技术研究院、辽宁省分析科学研究院和浙江福立、普析等企业代表出席。 /span /p p style=" line-height: 1.5em " span style=" font-family: 宋体, SimSun " & nbsp & nbsp 本次讨论会主要是针对目前我国科学仪器行业缺少国家标准，我国目前的检测设备和检测机构面临着“数据”杂乱、大量数据浪费、可追溯性差等问题，倡导两个联盟和各方力量联手来共同制定统一的我国仪器数据通讯协议和数据存储的标准，通过企业标准上升到国家标准，通过打造检验检测云平台、互联网+和传统制造业结合的手段实现实验室数据追溯和质量控制，最终实现工业4.0，为国产仪器发展形成新业态。 /span /p p style=" line-height: 1.5em " span style=" font-family: 宋体, SimSun " & nbsp & nbsp 据食品安全第三方检验检测诚信联盟秘书长、贵州省分析测试研究院院长谭红介绍，仪器设备自身产生的和检测机构产生的数据如果没有统一的格式，统一的接口，统一的出口，那这些数据就是杂乱的，不能形成利于挖掘和分析的大数据，将严重阻碍我国科学仪器以及检测检验机构的发展，因此说，制定统一的我国仪器数据通讯协议和数据存储的标准是迫在眉睫的。 /span /p p br/ /p p style=" text-align: right " span style=" font-family: 宋体, SimSun " 撰稿人：陈星羽 /span /p

独家发布：1985-2011年度国家科学技术奖励数据统计及分析白皮书 　　2012年2月14日，代表着国家科技领域最高奖励的“五大奖”再次揭晓。 　　其中以“国家最高科学技术奖”尤为引人注目，它是从事科技工作的个人在国内可以获得的最高奖项，已有10余年的历史，目前获奖人数仅有20人，且大多为耄耋老人。从某种意义上说，该奖的性质好像艺术界的“终身成就奖”. 　　而其他的四项即国家自然科学奖、国家技术发明奖、国家科学技术进步奖、中华人民共和国国际科学技术合作奖也分别是基础研究领域、技术发明、技术应用、国际合作等方面的最具代表性的奖项。 　　今年的国家最高科技奖授予了高能物理学家谢家麟和城市建筑学家吴良镛。自然科学奖一等奖到今年已连续13年空缺。发明奖一等奖属意如今热到发烫的信息技术领域--有机发光显示材料和宽带移动通信领域。而“五大奖”中唯一拥有特等奖的“科技进步奖”更是百花齐放，颇多斩获。 　　纵观27年来这五大奖项的基本情况，它们其实折射出我国科技发展的历程和脉络。为此 ,我们对获奖人的年龄、性别、学科、身份等信息做了一些比对分析，发现了一些有意思的现象，也试图寻找一些规律，希望对如何改善中国科技奖励工作有所启发。 　　获奖者年龄和性别 　　“国家最高科学技术奖”:从2000年开始评选，到2012年共有20位国家最高科学技术奖获得者。这20位获奖者全部为男性，获奖时的平均年龄为82.9岁，最年长的一位为92岁， 最年轻的也已65岁。 图1　历年国家最高科技奖获奖者年龄分布 　　“国家自然科学奖”、“国家技术发明奖”、“国家科学技术进步奖”:由于国家科技奖励办公室在网上公布的数据中并不包括获奖人年龄和性别，我们只能到其他地方去搜寻相关信息。限于时间，只查找到特等奖和一等奖的174个项目第一完成人的数据。174位特等奖或一等奖项目第一完成人中，平均获奖年龄是58.68岁，年龄最大者87岁，最小33岁。在174人中，男性165人，占94.83%,男性平均年龄58.45岁 女性9人，占5.17% 女性平均年龄62.89岁，年龄最大75岁，最小为52岁。174人中61岁以上者共75人，占43.10%,9位女性中61岁以上有6位。33岁-49岁共38人，占21.84%. 　　我们祝愿，今后有更多三四十岁的青年才俊获奖。 图2 获奖人平均年龄变化不明显 图3 获奖人性别及年龄分布 　　获奖者当选院士情况 　　20位国家最高科学技术奖获得者均为中国科学院院士或中国工程院院士。其中有11位是1980年或更早以前当选的中国科学院院士。在上述174位特等奖或一等奖项目第一完成人中，获奖时已当选院士的，有48人，占27.59% 获奖时不是院士，但在2012年统计时已当选院士的，有69人，占39.66% 目前尚不是院士的，有57人，占32.76%. 图4 获奖者当选院士情况 　　报奖人数 　　一等奖最多允许15人申报。如果我们从首次颁奖的1985年一直统计到2011年(只能找到其中23年的数据)，20多年来获得一等奖的412个项目中，有229项的申报人数是15人，占项目总数的55.58%,申报人数为14人的项目有17个，占3.4%.但是应当看到，申报人数为1人的有7项，2人的有4项，3人的有8项，4人的有11项，总共30项，占获奖总数的7.8%.也就是说，并非只有大的科研团队才能获取一等奖，独立作战者和2至4人的小型团队仍然有凭借其突出科研成就而获奖的机会。(见图5) 图5 一等奖上报完成人数量与一等奖项目数量 　　产学研合作 　　在27年来的所有9087个获奖项目中，有470个项目是产学研合作的成果，即申报单位包括了企业、大学和科研机构三种类型。从产学研合作获奖项目占当年获奖项目总数的比例来看，总趋势是产学研合作越来越强，令人欣慰。(见图6)。比如，1985年，这个比例是2.64%, 到了2011年，这个比例高达17.57%, 是27年来最高的比例。从2008年开始，连续4年产学研合作获奖项目的比例都超过10%.其中企业为第一单位的有132个项目，占470个产学研项目的28%. 图6 产学研项目占当年获奖百分比 　　这些数据从一个侧面见证了国家科技奖励“五大奖”27年来的历程，也见证了我国科研队伍的成长、壮大，见证了我国整体科技实力的明显进步，以及企业成为技术创新主体这一历史过程中产学研结合项目的崛起和成效。

2022年，相信很多人都记忆难忘，疫情放开后的北京，路上堵车了，烟火气回来了，环球影城排队了......抗疫三年，我们付出了巨大的代价，也有了更多的感悟，这个世界总有一些东西不可被击败。难忘的2022年已经过去，2023年，让我们重新振作，重新出发。对于科学仪器行业来说，2022也是不平凡的一年，12月27日，国家统计局发布数据，1-11月份，全国规模以上工业企业实现利润总额77179.6亿元，同比下降3.6%。其中，规模以上仪器仪表制造企业营业收入8549.1亿元，同比增长4.3%。数据说明，科学仪器行业的表现可能比我们想象的更好，下面让我们一起回顾下2022年，看看从仪器信息网导购平台大数据的角度，哪些科学仪器更受用户关注？仪器信息网仪器优选，是目前国内品质更高、影响力更大的仪器导购平台。在2022年，平台持续深化内容建设，增强仪器导购功能，联合众多专家及厂商，持续进行领域拓展。新拓“半导体行业专用仪器”一级大类，并且全新优化升级生命科学仪器分类，使新的生命科学仪器分类具有更清晰的“路标”作用。同时，全年新拓92个仪器品类，主要集中在无损检测、半导体、生命科学、环境、光学仪器等领域，如“气溶胶发生器、气溶胶采样器、DNA合成仪、原位电离质谱，手术显微镜、核酸采样工作站、瞬态吸收光谱仪、有掩模光刻机、DR探伤仪、微孔板分液器、细胞培养生化分析仪”等，新拓领域可满足更多行业用户的仪器采购需求。截至目前，仪器优选已有15大类、1000+个仪器品类，收录从20多万台优质仪器中精心筛选的3万+台优选仪器，每年数百万仪器采购用户访问，这些用户访问数据，可为揭示中国科学仪器市场需求提供一个相对客观的视角。对于科学仪器行业，仪器用户对各类仪器的需求和关注的变化情况，不仅可以帮助厂商进一步了解仪器市场的需求变化，也对仪器市场的发展走向有着一定的指导意义。为此，仪器信息网对2022全年仪器优选栏目用户的访问行为数据进行了整理和分析，希望可以为广大用户和厂商提供一定的参考和借鉴。1、15类仪器用户访问分布情况从1-12月各大类仪器的用户访问量来看，分析仪器和实验室常用设备仍是用户关注的焦点，两者访问量之和超过总访问量的50%，其中分析仪器的访问量最高。同时，生命科学仪器，在2022年整体访问量明显增长，排名第3位。物性测试、环境监测、光学仪器三大类仪器的访问量相差不大，合计占总访问量的30%左右。图1 15类仪器用户访问分布情况2、15类仪器用户留言分布情况1-12月各大类仪器的留言量与访问量变化趋势大致相同，以分析仪器、实验室常用设备为主，两个领域留言量之和占总留言量50%左右，物性测试、生命科学、环境监测仪器留言量分列第三、四、五位。图2 15类仪器用户留言分布情况3、用户访问量TOP10仪器品类1-12月仪器优选访问量TOP10品类中，分析仪器和实验室常用仪器占据8席，生命科学和光学仪器分别入围1个品类。其中，化学分析仪器有气相色谱、液相色谱、紫外分光光度计、红外光谱、液质联用、X射线衍射仪6类仪器榜上有名；实验室常用设备入选TOP10的品类分别是纯水器和离心机；光学仪器上榜的依然是扫描电镜；生命科学仪器上榜的依然是PCR，今年榜单排名第六位。图3 用户访问量TOP10仪器品类4、用户留言量TOP10仪器品类1-12月仪器优选累计留言量TOP10品类也主要以化学分析仪器为主，共有气相色谱仪、紫外分光光度计、红外光谱、X射线衍射仪、液相色谱仪、原子吸收光谱、电化学工作站7个品类上榜。实验室常用设备下依然是纯水器和离心机入榜TOP10，激光粒度仪代表物性物性测试仪器首次荣登TOP10。从1-12月数据分析来看，留言量变化趋势与访问量变化趋势70%是吻合的，品类的访问量越高，留言越多。图4 用户留言量TOP10仪器品类5、用户访问量增长TOP10仪器品类扫描电镜（SEM）在访问量增长中排名第1，电子显微镜是人类探知微观世界最有力的工具，广泛应用于科学研究及工业检测，在材料、半导体、医学、生物、冶金等领域有不可替代的作用。近年来，随着全球对生命科学、材料研究的探索和研究持续深入，以及对半导体需求不断扩大等，全球电子显微镜行业市场规模呈现不断增长趋势。紫外分光光度计在访问量增长中排名第2，2022年，全国启动第三次土壤普查，紫外分光光度计被列为土壤理化性状检测的重要仪器，因此需求量增长较快。X射线衍射 (XRD) 在访问量增长中排名第3，X射线衍射是一种非破坏性技术，用于表征晶体材料或其中具有一些晶体场的材料。半导体行业对 X 射线衍射仪 (XRD) 的需求不断增长，工业研究、采矿和建筑材料生产现场的全自动 X 射线衍射分析产生更具成本效益的生产控制解决方案，也在推动对 XRD 设备的需求，预计X 射线衍射仪 (XRD) 将有更明显的增长空间。TOC分析仪在访问量增长中排名第5，目前，TOC分析仪已成为各类水处理厂的重要水质分析工具，可在实验室中测量，也可在水处理过程中在线测量。USEPA发布的“水安全倡议：污染预警系统规划临时指南”，将TOC、氯、电导率定为检测饮用水中污染物的三项最重要指标。红外测温仪在访问量增长中排名第8，红外测温仪具有简单、轻巧、操作方便、安全等功能。随着技术不断发展，红外测温仪技术也更加成熟，各相关企业也积极研发了更多类型和多功能的仪器产品，扩大了用户的选择余地。目前，在钢铁工业、玻璃工业、塑料工业、化学工业、电力行业等行业内，均可以看到红外测温仪的“身影”。另外，生命科学领域下的PCR，在2022年仍然增长强势。疫情放开之前、全员核酸检测的普及化，带动了PCR大量的采购需求。图5 用户访问量增长TOP10仪器品类6、用户留言量增长TOP10仪器品类1-12月留言量同比增长TOP10仪器品类中，X射线衍射仪留言增长最多，其次是电化学工作站，值得关注。X射线衍射仪、离心机、TOC分析仪3类仪器，不仅访问量增长较快，2022年的留言增量也相当可观。图6 用户留言量增长TOP10仪器品类通过对2022年1-12月仪器优选用户留言数据统计分析发现，分析仪器受到用户的持续关注，采购需求一直热度不减。此外，实验室常用设备，物性测试、生命科学、环境监测仪器、光学仪器也深受用户青睐，采购热度持续提升。值得注意的是，仪器优选来自移动端（包括仪器信息网WAP站、仪器信息网APP、仪器信息网小程序）的访问用户已经达到整体访问量的38%，用户向移动端转移的趋势已经日趋明显。仪器优选自改版至今8年来，内容日益贴近用户需求，同时整合了站内的优质资源，真正实现为用户提供一站式仪器导购服务。已经成为用户选仪器的直达采购平台和厂商宣传的首选平台！选靠谱仪器，就上仪器信息网【仪器优选】！扫一扫，轻松快速找仪器!

今天，小菲要跟大家分享一个使用FLIR红外热像仪做实验的有趣案例：德国耶拿弗劳恩霍夫应用光学和精密工程研究所(Fraunhofer IOF)的研究人员开发了一套成像系统，通过两台高速、高分辨率单色成像仪和一台GOBO投影仪对物体进行三维检测。在碰撞测试、安全气囊展开等典型动态应用中，除快速空间变化过程以外，温度变化也扮演着重要的作用。高速3D热成像系统的工作原理德国耶拿弗劳恩霍夫应用光学和精密工程研究所（简称“IOF”）主要从事光子学领域应用型研究，早在2016年就开发了一款高速3D成像系统。该系统由两台立体排列的高速立体黑白成像仪和一台自行研发的主动照明GOBO投影仪组成。自2019年以来，其还引入FLIR科学成像仪（FLIR X6900sc 超晶格 长波热像仪，该热像仪支持高达1000 Hz的帧速率和640×512像素的分辨率），推出了一款高速3D热成像系统。高速3D成像系统基于能灵敏感知可见光谱范围(VIS)的两台单色成像仪。二者以12,000 Hz的帧速率和1百万像素的分辨率工作——较低分辨率下还可实现更高帧速率。但两台成像仪尚无法以所需质量标准产生有意义的3D数据。此外还要借助一种复杂的照明系统，超快投射条纹图案序列，这些图案类似于常规正弦条纹，只是其宽度会不定期变化。将重建的3D数据与来自FLIR X6900sc SLS高速热像仪的2D数据相结合，生成三维高速红外图像。FLIR X6900sc超晶格探测器在长波红外范围内运行，因此在GOBO投影仪光源发出辐射的可见和近红外波长范围内不敏感。由于投射的非周期性正弦图案对物体的加热也无关紧要，因此GOBO投影仪不会影响红外成像。FLIR X6900sc SLS丨LWIR高速红外热像仪FLIR X6900sc SLS是一款面向科学家、研究人员和工程师的超快速、高灵敏度的红外热像仪。这款热像仪拥有先进的快门释放功能，搭载额外SSD硬盘后，其内置内存能发挥出超强的记录能力，无论是在实验室，还是测试现场，它都能捕捉到质量超群的高速事件定格图像。可谓一机在手，万事无忧。FLIR X6900sc超晶格长波红外热像仪在640×512像素的全尺寸格式下，记录速率高达1,004帧/秒，在最小局部图像格式下，记录速率高达29 kHz。使用这些热像仪，可以在内置内存中记录长达26秒的全帧格式数据，图像丝毫无损。凭借应变超晶格(SLS) 长波红外探测器，FLIR X6900sc SLS可实现比其他X6900s型号约短12倍的积分时间和更大的动态范围。新型系统的测量与计算在测量过程中，三台成像仪同时记录图像数据。来自黑白成像仪的数据与GOBO投影仪的非周期性条纹投影相结合，产生实际3D图像，然后计算出10对一组的图序列，以形成3D图像。这种“3D重建”会形成空间形状，然后将FLIR长波热像仪的红外图像数据叠加到该空间形状上，以便在映射过程中将温度值分配给空间坐标。当然，在测量之前，需要对由可见光成像仪和长波热像仪组成的系统进行校准。为此，IOF团队使用了带有规则的开环和闭环网格的校准板。为确保即使在温度分布均匀的条件下，仍能在可见光谱范围和长波红外中检测到这些结构，圆和背景选用了具有不同反射率(可见光)发射率(长波红外)的材料。耶拿的研究人员通过印刷电路板找到了解决该问题的方法。为此，他们开发了一款非同寻常的电路板，由规则的开环和闭环网格组成，而不是由电气组件之间的电气连接组成。高速3D热成像系统的实际应用IOF的新型高速3D热成像测量系统旨在将高动态空间3D与红外数据结合起来。运动中的运动员、碰撞测试、安全气囊展开等超快速流程不仅有表面形状的快速变化，也有局部温度的变化，过去无法同时捕获这些变化，该系统首次实现了这一目标。目前，该系统已经过各种情景的测试，其中包括篮球运动员运球（不仅会使球变形，还会引起热量）：还有用于测量安全气囊展开时的温度变化和空间表示，系统在距离3米处对高速过程记录半秒钟。将三维数据与热成像信息结合后，不仅可以清楚地看到安全气囊展开后的温度，还能获得时间点和空间坐标信息。借助这些信息可以减少和防止安全气囊展开导致驾驶员受伤的风险。IOF研究团队的Martin Landmann确信：高分辨率3D数据和快速热成像图像相结合的应用场景十分广泛。Martin Landmann解释道：“举例来说，通过观察碰撞测试，研究变形和摩擦过程，或者研究超快速的热相关事件，比如安全气囊触发时的爆炸或者开关柜中的爆炸，我们可以获得非常有用的信息。”他强调称，他们正在不断地开发和优化系统。可见，将来我们有望看到弗劳恩霍夫应用光学和精密工程研究所团队的更多创新研究成果。FLIR X6900sc热像仪对于目前的长波红外或中波红外探测器，应变层超晶格（SLS）探测器提供更快的快照速度、更宽的温度频段和更好的均匀性。这款热像仪具有高级触发功能和内置RAM/SSD记录功能，配有一个四插槽电动滤片轮，可以在实验室环境下和测试范围内对高速事件实现画面定格功能。

p 　　8月17日，国家自然科学基金委公布了集中审批的11大类共40265项2017年度资助项目。 /p p 　　8月24日，国家自然科学基金委员会举行新闻发布会，介绍了国家自然科学基金2017年度项目受理、评审及资助等方面情况。据基金委通报，2017年度计划安排中央财政经费资助计划248亿元，比2016年的229亿元增加8.30%，批准资助科学基金各类型项目40860项，直接费用1997346.66万元，已完成全年资助计划的78.29%。 /p p 　　近几年国家自然科学基金的通过率是多少?什么学科是资助的重点?不同省份资助金额占比是多少?不同高校又呈现出什么样的特点呢? /p p 　　小编统计分析了近些年国家自然科学基金委公布的数据，重点梳理了2017年(8月17日集中公布)的评审情况，和大家一起读一读国家自然科学基金立项数据! /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201708/insimg/d53b9b69-d9d0-49a2-8ae5-de0181a76316.jpg" style=" " title=" 1.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201708/insimg/7db9cab9-cbbc-4b11-9b4f-aea7e15c7a07.jpg" style=" " title=" 2.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201708/insimg/e3c96d5e-ab61-4706-b658-40205ce8d4fe.jpg" style=" " title=" 3.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201708/insimg/c4d4f0a6-836c-4b56-85ee-569eb3c3495a.jpg" style=" " title=" 4.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201708/insimg/cbf424e3-d852-48a9-9989-baea3c15e5a8.jpg" style=" " title=" 5.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201708/insimg/449cc950-5f6b-426a-8a54-8a043cc8031d.jpg" style=" " title=" 6.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201708/insimg/06eddc24-1380-440e-a260-73403d82d281.jpg" style=" " title=" 7.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201708/insimg/e4d9dad0-19fe-495d-9c39-3e4d006b92c2.jpg" style=" " title=" 8.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201708/insimg/11eec22e-78dd-49db-8ad2-61e99e60aab4.jpg" style=" " title=" 9.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201708/insimg/e0504ab8-ac07-4c72-9502-7a401ac9b51e.jpg" style=" " title=" 10.jpg" / /p p style=" text-align: center " img src=" http://img1.17img.cn/17img/images/201708/insimg/88b089c4-7dd4-4c61-a213-d47cf0f18636.jpg" style=" " title=" 11.jpg" / /p

在食品领域，热分析技术除了对原料的结晶性或熔融进行分析以外，也被广泛用于热稳定性评价。食品成品通常是由多种食品原料组成的混合物，通过热分析技术不仅可反应出单一原材料的物质性质，也可研究随着原料比例的变化，食品热特性的变化。差示扫描量热法（DSC）和动态热机械分析法（DMA），在研究多种食品原料所构成的食品时，可研究温度变化对于口感的影响。 下面就让我们使用日立差示扫描量热仪和动态热机械分析仪对市售糖果进行热稳定性评价。 使用DSC对食品组成成分的玻璃化转变温度和熔融温度进行评价，如下图1所示：奶糖和口香糖的原料中麦芽糖的玻璃化转变温度分别为-7.2℃和-12.2℃；33.8℃和39.6℃可能是糖中油脂成分的熔融温度，通过峰形可看出奶糖中油脂成分较多；加热和冷却后，两种糖的熔融温度发生变化，分别为27.8℃和29.1℃。 图1. 使用DSC对食品组成成分的玻璃化转变温度和熔融温度进行评价使用DMA对食品软硬程度进行评价，如图2所示：随着温度升高，在-10℃以后，随着麦芽糖的玻璃化转变出现软化现象。当温度在40℃以下时奶糖的E’较高，口感较硬；当温度超过室温后，由于油脂的熔融，口感会变得柔软。图2. 使用DMA对食品软硬程度进行评价 综上所述，通过热分析方法，可研究食品的玻璃化转变，熔融温度，以及不同温度下的粘弹性变化等热特性参数，从而作为定义食物的成分和口感指标。 日立TA7000系列热分析仪拥有良好的性能和超高的灵敏度，可高灵敏度测定食品在程序升温过程中的各种热特性变化，为食品的研发和生产提供科学的数据支持和指导方案。 关于日立TA7000系列热分析仪详情，请见：日立 DSC7020/DSC7000X差示扫描热量仪https://www.instrument.com.cn/netshow/SH102446/C313721.htm日立 STA7000Series 热重-差热同步分析仪https://www.instrument.com.cn/netshow/SH102446/C313727.htm日立 TMA7000Series 热机械分析仪https://www.instrument.com.cn/netshow/SH102446/C313737.htm日立 DMA7100 动态机械分析仪https://www.instrument.com.cn/netshow/SH102446/C313739.htm关于日立高新技术公司：日立高新技术公司，于2013年1月，融合了X射线和热分析等核心技术，成立了日立高新技术科学。以“光”“电子线”“X射线”“热”分析为核心技术，精工电子将本公司的全部股份转让给了株式会社日立高新，因此公司变为日立高新的子公司，同时公司名称变更为株式会社日立高新技术科学，扩大了科学计测仪器领域的解决方案。日立高新技术集团产品涵盖半导体制造、生命科学、电子零配件、液晶制造及工业电子材料，产品线更丰富的日立高新技术集团，将继续引领科学领域的核心技术。

空间伽马射线观测作为人类认识宇宙的重要手段之一，在宇宙起源、暗物质探测等科学前沿问题的研究中发挥着积极作用。9月7日，中国科学院国家空间科学中心国家空间科学数据中心与中科院紫金山天文台联合发布“悟空”号暗物质粒子探测卫星首批伽马光子科学数据。此次公开发布的为2016年1月1日至2018年12月31日的伽马光子科学数据（共计99864个事例），以及与其相关的卫星状态文件（共计1096条记录）。暗物质粒子探测卫星（又名“悟空”号）作为空间科学先导专项（一期）首发星，于2015年12月17日在酒泉卫星发射中心成功发射。其主要科学目标通过在空间观测高能电子（包括正电子）和伽马射线能谱，寻找暗物质粒子的存在证据，并开展宇宙射线起源及伽马射线天文方面的相关研究。经过五年半的平稳运行，目前“悟空”号卫星平台、有效载荷均工作正常，已经完成全天区扫描超过11次，获取了约107亿高能宇宙射线事例，已先后获得了宇宙线电子、质子、氦核等TeV以上能区最精确的测量结果。暗物质粒子探测卫星有效载荷由4个子探测器（塑闪阵列探测器PSD、硅阵列探测器STK、BGO量能器、中子探测器NUD）构成。其中塑闪阵列探测器主要用于测量入射粒子的电荷，并用于伽马射线的反符合探测；硅阵列探测器主要用于测量入射粒子的方向，内部装有钨板将伽马射线转换为正负电子从而实现对其方向的精确测量，同时也可以对入射粒子的电荷进行测量；BGO量能器主要用于测量宇宙线粒子尤其是高能电子和伽马射线的能量，同时进行粒子鉴别，剔除高能核素（包括质子和重核）本底；中子探测器用于测量宇宙线中的强子与中子探测器上层的物质发生作用产生的次级中子，进一步剔除高能核素本底。暗物质粒子间接探测、宇宙线物理和伽马射线天文是“悟空”号卫星的三大科学目标，而对伽马射线的观测是实现其科学目标的重要手段之一。由于伽马光子不带电荷，在传播的过程中不会被磁场偏转，可以更好地携带暗物质空间分布的信息，故而在暗物质间接探测研究中伽马射线数据具有特殊价值。暗物质粒子探测卫星的伽马射线观测具有极高的能量分辨率，有望更好地研究暗物质的性质。国家空间科学数据中心与紫金山天文台将持续发布伽马光子科学数据，开展数据分析与应用技术及工具的研发，为公众提供数据共享与应用服务。“悟空”号伽马射线曝光图

2015年10月16日，上海——10月14日，科学服务领域的世界领导者赛默飞世尔科技（以下简称：赛默飞）在北京倾力赞助由国家蛋白质科学中心（北京）与《自然》出版集团联合举办的2015年《自然》会议——“大数据时代的生命科学”高峰论坛，积极推动大数据在国内生命科学领域的全面发展。多位来自国内外生命科学及大数据科学领域的专家学者出席了此次会议并发表专题报告。会议开始分别由Leroy Hood教授（美国系统生物学研究所）与贺福初院士作开幕主旨报告。同时，赛默飞中国区总裁江志成和赛默飞色谱与质谱全球业务总裁Dan Shine作为特邀嘉宾参与了此次会议，与生命科学领域的专家学者共同探讨包括大科学设施以及新技术新方法，大数据集的管理、整合和解析，国际大科学合作计划，大数据分析的未来发展等相关论题。赛默飞为生命科学领域提供最前沿的分析设备和解决方案，是服务大科学和大数据的全球领导者。赛默飞不但是国家蛋白质科学中心（北京）的长期合作伙伴，并还积极携手国内生命科学行业，通过创新技术和前沿科技帮助其提升科研能力。赛默飞提供包括质谱在内的整套解决方案，其中涵盖定量蛋白质组学稳定同位素标记TMT、各类翻译后修饰分离与富集、蛋白质提取与酶切等全面前处理试剂与方案，全面助力生命科学研究实现组学大项目开展、大数据产出和大发现成果。贺福初院士作会议主旨演讲国家蛋白质科学中心（北京）质谱实验室赛默飞中国区总裁江志成先生、赛默飞全球色谱与质谱业务总裁Dan Shine先生与国家蛋白质科学中心（北京）秦钧教授一同参观中心实验室 关于国家蛋白质科学中心（北京）国家蛋白质科学中心（北京）是国务院“十一五”期间批准设立的12个重大科技基础设施之一，项目由国家发改委、北京市政府、总后勤部和教育部共同出资，联合清华大学、北京大学及中科院生物物理所共同建设，是迄今我国生命科学领域投资最大，规模最大的国家级大科学工程。-------------------------------------------------关于赛默飞世尔科技赛默飞世尔科技（纽约证交所代码：TMO）是科学服务领域的世界领导者。公司年销售额170亿美 元，在50个国家拥有约50,000名员工。我们的 使命是帮助客户使世界更健康、更清洁、更安全。我们的产品和服务帮助客户加速生命科学领域的研究、解决在分析领域所遇到的复杂问题与挑战，促进医疗诊断发 展、提高实验室生产力。借助于首要品牌Thermo Scientific、Applied Biosystems、Invitrogen、Fisher Scientific和Unity Lab Services，我们将创新技术、便捷采购方案和实验室运营管理的整体解决方案相结合，为客户、股东和员工创造价值。欲了解更多信息，请浏览公司网站：www.thermofisher.com赛默飞世尔科技中国赛 默飞世尔科技进入中国发展已有30多年，在中国的总部设于上海，并在北京、广州、香港、台湾、成都、沈阳、西安、南京、武汉、昆明等地设立了分公 司，员工人数约3700名。我们的产品主要包括分析仪器、实验室设备、试剂、耗材和软件等，提供实验室综合解决方案，为各行各业的客户服务。为 了满足中国市场的需求，现有8家工厂分别在上海、北京和苏州运营。我们在全国共设立了6个应用开发中心，将世界级的前沿技术和产品带给国内客户，并提供应 用开发与培训等多项服务；位于上海的中国创新中心结合国内市场的需求和国外先进技术，研发适合中国的技术和产品；我们拥有遍布全国的维修服务网点和特别成 立的中国技术培训团队，在全国有超过2000名专业人员直接为客户提供服务。我们致力于帮助客户使世界更健康、更清洁、更安全。欲了解更多信息，请登录网站：www.thermofisher.com

100多年来，约1/3的诺贝尔物理学和化学奖奖给了那些在发展科学仪器或测量方法方面有杰出贡献的科学家。“现代科技的重大突破越来越依靠科研仪器的进步，特别是基于新原理的科研仪器的创新性发展。” 国家自然科学基金委员会原主任陈宜瑜院士曾谈到。随着科学技术的发展，科学仪器设备已经成为科研工作者不可缺少的重要工具，对科学发展的贡献也越来越大。　　近日，荷兰代尔夫特理工大学的研究团队借助扫描隧道电子显微镜(STM)，创造出了一种可重复使用的数据存储设备，这种设备具有使用单一原子储存信息的能力。　　科学杂志Nature Nanotechnology 报道了该研究团队的成果，据称，这项技术能够在1平方英寸中存储 500TB 的数据。理论上，代尔夫特理工大学创造的设备能够在一个0.1mm宽的立方体中储存整个美国国会图书馆的数据。不过他们实际展示的设备在如此小的体积中只有储存 1KB 数据的能力。　　虽然物理学家具备控制单一原子的能力已有25年，不过要实现原子级储存仍存在阻碍。其一是原子在常温下不稳定，其二是适宜的储存材料不好找，还有就是发现并控制原子的方法很困难。　　为了控制原子，研究团队用上了扫描隧道电子显微镜(STM)，这种工具能够提供原子表面的图像，并可以让研究人员对原子表面进行操作。1990 年，物理学家 Don Eigler 利用 STM 将 35 个氙原子排列成了“IBM"字样。但代尔夫特团队用了某种相反的方式来达到他们的目标。他们并未用各种各样的方式来排列原子，而是做出了基于原子空缺的储存网格。　　基本上，研究人员将一层有着12x12空缺格的氯原子放在了铜底版上，每格都有黑点。在 STM 下，研究人员很容易控制四个相邻原子中的一个，控制过程可以重复进行。　　这种方法有着几个核心优势。首先，空缺位置相对稳定，存储设备所放置的环境温度可以稍微高一些。该团队介绍，他们不需要 -210℃ 的液氦，-196℃ 的的液氮就能满足设备的工作要求。其次，让该设备的可靠度更高。因为这样设备不拾取单一原子，而是让原子绕空缺运动。最后，研究人员可以将空缺排布成原子自动运行的形式，解决难以控制原子的问题。　　然而，这项储存技术仍面临很多实际的问题。比如数据中心的温度比-196℃高不少，大规模地使用液氮降温并不现实。另外传输速度也是一个问题，读取一个储存网格的数据需要10分钟很难满足实际需要。不过研究人员表示，读取速度慢主要是受到了 STM 的限制，如果能用到 STM 最大的电子带宽，读取速度在理论上能够提升到1MB/s。

仪器信息网讯 2013年4月19日，中国科学仪器行业最高级别的峰会——“2013中国科学仪器发展年会(ACCSI 2013)”在京召开。其中，仪器信息网高级顾问刘文玉作了以《从数据分析浅谈中国科学仪器的发展与机遇》为题的大会报告。 　　该报告中从“2012年市场概览”、“2013年市场机会”、“创新与发展”、“紧跟信息时代步伐”四个方面介绍了中国科学仪器的发展与机遇。内容涵盖了国内外主流仪器市场份额比较、“科学仪器重大专项”解析、跨国企业的“本土化”战略、 “政府采购”、“大部制改革”、“市场竞争”、“售后服务”、“用户采购行为”及各部委利好仪器行业的相关政策等多个行业关键点。 仪器信息网高级顾问 刘文玉 　　据介绍，近年来中国科学仪器的生产总值逐年上升，国内仪器行业的上市公司也取得了不错的业绩，其中2012年国内上市公司平均业绩增长12.9%。从仪器信息网市场研究中心给出的国内外主流仪器市场份额比较的数据可知，与进口仪器相比，目前国产主流仪器已经占了一定的市场份额，但是同时也看到，国产GC-MS、LC-MS/MS等高端仪器所占的市场份额还是很少。 　　通过国产主流仪器的厂商数量及国内外主流仪器核心技术差距的对比，刘文玉介绍到，当前国内企业的产品同质化严重，虽然我国已经有一些产品能和国外同类产品相竞争，但是在核心技术和核心部件方面还有很大的差距，需要“创新”。此外，刘文玉还从“科学仪器重大专项”出发，分析了目前我国科学仪器研发及产业化过程中存在的问题，如在国家重大专项支持项目中，有关核心部件的研发很少，产业化前景目前未知。 　　市场机会方面，刘文玉从质检系统、药检系统、环保部、农业部、第三方实验室等各方面介绍了中国科学仪器的机遇。其中，刘文玉还提到，2013年涉及国务院机构改革，其中最显著的变化——食品安全从“九龙治水”到食品药品监督管理总局，会否影响“十二五”计划的实施?这其中的变化与进程我们拭目以待。 　　据仪器信息网市场研究中心数据，获取仪器信息的第一大渠道就是网络，因此科学仪器行业要重视网络宣传，紧跟信息时代的步伐。此外，还应在市场研究、搭建合作和成果转化平台、重视人才培养和招聘等方面多下功夫。 　　在报告中，刘文玉还指出，科学仪器行业的“创新与发展”是一个值得研究的课题，中国的科学仪器未来要走怎样的路值得我们深思，或许中国的家电及汽车行业的发展模式能给一些参考。 　　最后，刘文玉特别强调，当前国内的一些科学仪器企业正在不断的壮大，未来的一切在于我们的“行动”、“理想”、“坚持”，并呼吁：为中国科学仪器的快速健康发展共同奋斗! 2013中国科学仪器发展年会(ACCSI 2013)现场

米尔福德, 马萨诸塞州- 2011年5月13日沃特世公司(NYSE:WAT) 今天宣布Arista 实验室(里士满, 弗吉尼亚州) 已经购买了沃特世 NuGenesis® 科学数据管理系统(SDMS) 软件，其非常适合可能需要分析及提供明确有害成分分析报告的实验室，它也是在新FDA条例实施后首个提供烟草产品GLP测试的实验室。Arista 的目标是在今年上半年完成其新企业级软件的实施。 良好实验室规范 (GLPs)是美国食品和药物管理局在监管药物及食品检测实验室时颁布的完善法规，除其他事项以外，该法规还强调了实验室保护记录以及管理和存档测试数据的方法。Arista 实验室希望成为新FDA法规实施后的首个提供烟草产品GLP测试的合约实验室。 Arista准备根据2009年6月份奥巴马总统签署的烟草制品管制法案提供GLP服务。该项立法赋予美国食品和药物管理局管制烟草产品的新权力，而这将对实验室提出新的GLP要求。“如果你等到最后一分钟再行动，那么很有可能一切都晚了。你需要提前做好准备，” Arista 实验室主任Brad Norwood说。 Arista 实验室最近扩大了其产品组合，为日益增多的客户提供了分析和毒理学服务，目前已符合ISO 17025质量控制标准。 如果GLP要求成为监管体系的一部分，Arista 希望未雨绸缪。Arista业务拓展经理Randy Courington说, “我们决定要为可能发生的变革做好准备。即便没有发生变革，我们也能至少保持遥遥领先，并且有能力执行GLP项目。” 按照GLP方式，除了其他相关义务之外，还应遵守严格的记录保存要求。Courington说, “文档记录非常关键。如果你没有以某种形式记录下来，就相当于什么也没发生。你必须能够时刻拥有所有信息；你不能只靠记忆，你必须拥有确切的证据: 这就是记录，实实在在发生过的内容。” 自2003年成为沃特世客户以来，Arista到目前为止使用过Waters® ACQUITY® UltraPerformance LC (UPLC® )和基于Waters Empower™ 色谱数据系统 网络的HPLC系统, 以及运行Waters MassLynx™ 质谱软件的沃特世三重四极杆质谱仪。 NuGenesis SDMS是一种自动化的电子仓库，可将各类科学数据存储至中心数据库并对其进行管理，从而提供整合大量研究应用的能力。制药、生物技术和化学/工业领域内领先公司的科研人员已将SDMS视为一个标准，因为它能加快研究速度，提高科研协作水平，长期保存研究数据，并能提供知识产权保护和美国联邦法规21章第11款(21 CFR Part11)法规依从性所要求的文本记录。通过使用自动化的“文件和打印采集”技术，SDMS可采集并存储任何仪器或应用所产生的特定科研数据。所有数据均使用高级算法，从而自动具备可检索性。 事实已经证明，NuGenesis SDMS能够提供生产力，并且无论处于什么地点，都可以单点访问所有信息，从而显著降低运行成本。 有关NuGenesis SDMS 7.1 的更多信息，请访问: www.waters.com/sdms 关于Arista实验室(www.aristalabs.com) Arista 实验室是一个通过ISO 17025认证的分析测试机构，旨在满足烟草成分及烟雾排放等以管制为主导的需求。作为一个独立运营的实验室，Arista 能够提供客观的第三方合规性分析、研究和开发以及产品管理等。2009年，Arista承诺开始向当前的良好实验室规范(cGLP)迁移。随着该软件和仪器资格的实施和验证，Arista希望全面遵守美国联邦法规21章第11款和第58款的准则要求，以确保符合cGLP。Arista实验室公司以及Arista 实验室（欧洲）公司均属于Molins PLC的全资子公司。 关于沃特世公司(www.waters.com)50多年来，沃特世公司(NYSE:WAT)通过提供实用和可持续的创新，使医疗服务、环境管理、食品安全和全球水质监测领域有了显著进步，从而为实验室相关机构创造了业务优势。作为一系列分离科学、实验室信息管理、质谱分析和热分析技术的开创者，沃特世技术的重大突破和实验室解决方案为客户的成功创造了持久的平台。2010年沃特世拥有16.4亿美元的收入和5,400名员工，它将继续带领全世界的客户探索科学并取得卓越成就。 联系人：张林海沃特世公司市场部86(21) 61562642lin_hai__zhang@waters.com 周瑞琳（Grace Chow）泰信策略（PMC）020-83569288grace.chow@pmc.com.cn

近期，中国中医科学院中药研究所团队建立了全球药典基因组数据库(GPGD)。该数据库是全球首个针对药典收载草药物种的大型基因组学数据库。相关研究成果发表在《Science China-Life Sciences》杂志，标题为“Global Pharmacopoeia Genome Database is an integrated and mineable genomic database for traditional medicines derived from eight international pharmacopoeias”。　　该数据库目前已收录903个草药物种的34346条数据，包括867个物种的21872条DNA条形码数据，674个物种的2203个细胞器基因组以及49个物种的55个全基因组数据等，所收录数据涵盖全球八大药典草药物种（中国药典、美国草药典、日本药典、韩国药典、印度药典、埃及药典、欧洲药典以及巴西药典）。该数据库为草药物种鉴定、用药安全、中药资源保护和利用等方面研究提供了资源。数据库访问地址：http://www.gpgenome.com。 　　注：此研究成果摘自https://link.springer.com/article/10.1007/s11427-021-1968-7

卡林型金矿的显著特征是金在载金矿物（主要为含砷黄铁矿）中常以晶格金（Au+）和纳米级包体金（Au0）的形式赋存，因无法通过光学显微镜观察而被称为“不可见金”。“不可见金”的量化表征是卡林型金矿研究的热点，理解“不可见金”赋存状态有利于改善卡林型金矿这种难处理金矿的选冶，以及完善金的微观成矿机制。然而，“不可见金”难以通过常规方法进行分离和分析，目前关于卡林型金矿中不同赋存状态金量化表征的工作鲜有发表，该研究方向急需分析技术与方法的突破。　　基于此，中国科学院地球化学研究所研究员万泉及其团队采用逐级酸蚀与XPS相结合的手段建立了有效且可靠定量表征卡林型金矿中金赋存状态的方法，并以贵州贞丰水银洞金矿样品为例，获得了一系列金赋存状态的定量化数据。该方法采用非氧化性酸去除了造成XPS金信号屏蔽的贫金层（位于含砷黄铁矿最外层）以及造成XPS金信号干扰的Mg（主要来源于白云石），并首次采用XPS获得了“不可见金”的定量数据，包括Au、As含量、Au+与Au0的比例、Au0纳米颗粒的尺寸以及上述参数随黄铁矿颗粒不同深度的变化规律。该方法通过检测酸蚀溶液中的Fe、As、Au含量，计算出各次酸蚀被溶解的表层黄铁矿中Au、As的含量，并估算出被溶解黄铁矿的厚度。除最表面氧化层外，非氧化性酸在黄铁矿上的刻蚀深度可以稳定控制在纳米级范围内。　　黄铁矿中含量的最表面约几百纳米厚的黄铁矿中存在Au含量极低的贫金层，其Au含量远低于XPS的常规检出限（~0.1 at%）且厚度远大于XPS的检测深度（~10 nm），因而贫金层的存在是XPS无法直接获取金信号的原因。酸蚀可有效去除黄铁矿表面的贫金层并暴露出内部的富金环带，首次酸蚀即可去除黄铁矿表面的氧化层。根据酸蚀前后样品Au 4f谱图分峰拟合结果，水银洞金矿样品中金同时存在Au+与Au0两个价态。图2(a)中未经酸蚀处理的黄铁矿的Au 4f谱图中存在显著的Mg 2s信号且Au信号极弱，导致Au 4f信号几乎被Mg 2s掩盖。酸蚀后样品中绝大多数Mg被去除，Au 4f谱峰表现出良好的信噪比，验证了白云石会对XPS测Au造成信号干扰（图2(b)）。根据Au0 4f7/2 的结合能大小，推测本样品中纳米金颗粒的粒径绝大多数小于6 nm，最小达1-2 nm。根据Au 4f谱图分峰拟合的峰面积，研究估算出Au0和Au+在样品中的百分占比（图3），其中Au0的百分比变化范围可从31.2至59.8%，Au的物种在同一样品的不同测试位置之间有轻微的分布不均。　　该工作获得了卡林型金矿中“不可见金”具有合理统计意义的化学状态，有助于卡林型金矿研究，并且该分析方法有望用于分析低品位金矿石以及其他地质样品。　　相关研究成果近期以封面文章形式发表在Journal of Analytical Atomic Spectrometry上。研究工作得到中科院战略性先导科技专项（B类）、国家自然科学基金与贵州省特色重点实验室项目的联合资助。