产品详细介绍请登录 中国科学软件网 了解更多Decisiontools软件信息和报价。每个人都想知道诸如此类问题的答案。掌握了此类信息，您就可以在作出重大决策时大胆猜测并能有把握地规划策略。使用 DecisionTools Suite，您可以在 Excel 电子表格中解答诸如此类的更多问题。DecisionTools Suite 中文版是一套在 Microsoft Excel 量身定制集成程序，从而使用户可以在一个软件包中针对不确定因素完成风险优化及决策分析的操作。DecisionTools Suite 中文版包括使用蒙特卡罗模拟执行风险分析的 @RISK、执行决策分析的 PrecisionTree 和执行自动“假设”灵敏度分析的 TopRank。此外，Suite 还包括执行预测、数据分析和最优化的 StatTools、NeuralTools 和 Evolver。所有程序的设计和开发均旨在使其易于配合使用。第 6 版新增功能 — 项目管理改进及其他功能全新 DecisionTools Suite 第 6 版包含多项改进，包括功能强大的 @RISK 与 Microsoft Project 的新型集成，借助该集成，您可以对 Microsoft Project 进度表上执行风险分析和蒙特卡罗模拟，而所有这一切都来自 @RISK for Excel 平台！@RISK 还添加了时间序列模型模拟、易于理解的用于确定风险推动因素的龙卷风图、更佳的制图选项、改进后的分布拟合及新的分布函数。但 DecisionTools Suite 6 绝非只包含 @RISK。PrecisionTree 6 添加了功能强大的贝叶斯修正功能，以及可在决策树任意位置插入节点的功能。RISKOptimizer 和 Evolver 6 目前含有 OptQuest 解法引擎，可在众多类型的模型中更快速地提供解法。RISKOptimizer 之前便一直与 @RISK 共享函数，而目前出于无缝建模的目的再次提高了与 @RISK 的集成度。同时，StatTools 和 NeuralTools 也已向神经网络测试中添加了多项散点图和灵敏度分析改进。新增功能：Office 2013/Windows 8 兼容性 DecisionTools Suite 内含的所有产品均与 Excel 2013、Project 2013 和 Windows 8（32 和 64 位），以及 Office 和 Windows 的先前版本（如 Office 2003/Windows XP）兼容。支持简体中文DecisionTools Suite 6 已完全翻译为中文。所有菜单、对话框、帮助文件和示例文件都是以中文显示。DecisionTools Suite 还提供英文版、西班牙语版、德语版、法语版、葡萄牙语版和日语版。 此外，DecisionTools 6.1 版的所有产品均支持您随意切换语言，仅需一个安装程序即可，绝对是跨国公司的完美之选。新的中文版示例现在，所有 DecisionTools 产品都加入了经修正和更新的示例文件，还有各行各业的示例。所有示例都采用有条理的方式加以编排，方便导览。视频提供中文版，并以中文演示 DecisionTools 软件。这些示例是由印第安纳大学的 MBA 教授兼作者 Chris Albright 博士设计和撰写。它们提供循序渐进的指引，从设置到运行模型，详细列举了在多个行业中的应用情况。Excel 易于使用 DecisionTools Suite 与您的电子表格完全集成。浏览、定义和分析 — 全部在 Excel 中完成。所有 DecisionTools Suite 函数均是真正的 Excel 函数，并且与 Excel 基本函数的行为方式完全一样。窗口全部与电子表格中的单元格直接链接，因此在某一位置进行更改，其他位置会相应进行更改。图表通过调用窗口指向其单元格。方便的拖放操作、上下文相关的右键菜单和直观的工具栏使您可以快速学习和使用 DecisionTools。组合的威力更强DecisionTools套装的每个组成部分都可以单独的执行强大的分析。当您把这些产品组合起来，执行分析就能够得到比任何单个的程序可以提供的更完整的结果。对您电子表单中的模型的组合分析通过使用PrecisionTree创建一个决策树开始，然后通过TopRank执行擶hat-it?#20998;析来识别在模型中的关键变量。然后把它带入到@RISK中进行分析，这时主要分析您的PrecisionTree模型中固有的机会事件和不确定收益分险。使用BestFit和RISKview来量化在您的@RISK，PrecisionTree，和TopRank模型中的分险.使用@RISK来执行不确定因子分险分析，然后使用RISKOptimizer来帮助您指定您可以控制的变量。DecisionTools套装包括下列工具：@risk- 流行的分险分析Excel插件,帮助您识别隐藏的机会和避免缺陷。增加蒙特卡洛(Monte Carlo)模拟功能到Excel电子表单中。通过@RISK分布函数和模拟来替换您工作表中的不确定值，并使用历史数据来选择合适的@RISK函数，得到那些可能的输出和那些输出发生的概率值，最后使用高质量的图像和图表来向其他人展示您的发现。PrecisionTree-适用Excel的决策分析插件，让您可以向其他人描绘什么是我们应该做的及为什么要这么做。在电子表单中创建决策树和影响图解，使用决策树来可视化模型制定事件的顺序。结果包括一份完整的统计报表，敏感度图表，和分析剖面图。TopRank 在 Microsoft Excel 电子表格自动“假设”灵敏度分析。您可以定义任何输出项或“结果”单元格，而且 TopRank 将自动找到并更改影响您的输出项的所有输入单元格。最终结果是确定影响您的结果的所有输入因素，并对这些因素进行排名。RISKOptimizer-解决各类顽固组合问题的Excel功能插件。使用遗传算法来找到可以达到预期结果的可控制因子的最佳可能组合，然后在特定的情况下运行蒙特卡罗(Monte Carlo)模拟来查看不可控变量的效果。RISKOptimizer自动组合这些分析。在DecisionTools工业版套装中包含该模块.

PandaBI 是德拓自主研发的一站式数据分析与决策系统。 帮助客户快速搭建自己的大数据可视化分析平台，完成多数 据整合，建立统一数据口径，并提供灵活、易用、高效可视 化探索式分析能力，提升客户数据洞察能力，并将数据决策 快速覆盖各种应用场景，使客户成功转型为“数据驱动”的 智慧型应用。 PandaBI 为客户提供的核心价值在于用直观、多维、实时 的方式展示和分析数据，力足于提供简洁、实用操作体验， 全面激活内部数据。

高校教研大数据分析系统 数据洞察现在，智慧决策未来 核心功能 群体动态画像 用动态发展变化的眼光，采用数据动态描绘“学生”、“教师”的群体特征，为“学生分群施教”、“教师分群管理”提供最新的分析决策依据。 动态学情跟踪、预警 关注学情动态, 跟踪每个学生实时的出勤率、课堂参与度、作业完成率&优秀率，进行学业趋势预测、作业抄袭预警、挂科预警，帮助学校针对性调整教学过程。 教学质量评价跟踪 定期师生评价、同行评价，质量量化及趋势对比，正向激励教师、对教学质量异常预警。 成绩分析、预警 多维度洞察教学问题、卷面命题分析，持续改进，验证决策措施有效性。 命题质量分析 支持单卷单题区分度&变化、难度&变化、得分率及平均水平、错题难度及知识情况分析。 学生成绩分析 学生个人的各科成绩在班级、年级位置、变化趋势，以及知识点强弱分析、偏科分析、学业预测和实际结果对比。 教师成绩分析 班级学生总体情况（得分率、各难度题目作答情况分析、错题难度-知识点分析），与其它班级对比等 学院、校级管理者成绩分析 多维度数据洞察（公共课/核心课程分别从科次、平均分分布、学科、学院、教师、班级多维度交错分析，洞察本质）。 产品优势 数据全流程 打通日常教学、教学质量评价、学期考试、成绩分析等教学数据周期及各环节。 全角色 面向高校教学组织的各个角色成员（学生、学科教师、班主任/辅导员、学科负责人、院级及校级管理者等）提供数据应用场景。 数据可视化及洞察 分析展现及数据挖掘，可进行数据下钻，对异常预警进行抽丝剥茧、逐层深入，深度展开数据洞察。 随时随地 用户可随时随地掌握教学动态及异常预警，支持微信业务通知、审批待办，分析数据实时查看。 API集成 提供API接口，便于与教务系统和第三方系统数据对接。  

100%独立通道 独立光源，独立检测器，独立蠕动泵、独立操作键盘，独立液晶显示屏，独立试剂柜 可实现1-16通道同时分析 样品自动在线前处理 自动稀释、透析、蒸馏、消解、萃取等 系统高度自动化 可自动清洗，关机，开机 分析模式灵活 微流、宏流或两者结合分析 多种光程的流通池可供选择 可实现多针取样 软件功能强大 灵活编辑样品表，自动生成校正标准曲线，紧急样品处理 基线和灵敏度自动设定和校正 分辨率高，检测限低，测量范围广 可与所有LIMS兼容

教学大数据分析展示平台作为专为高校教研开发的数据挖掘分析应用系统，致力于通过对学校教学中的数据的科学采集、存储，智能建模、分析，辅助学院管理员及时把控教学进度，让教师科学制定教学方案，让学生精准认知自我。

华中科技大学同济药学院李华教授、沈阳药科大学无涯创新学院陈丽霞教授、军事医学研究院国家应急防控药物工程技术研究中心李行舟研究员等组成联合攻关小组，系统性分析了新型冠状病毒（SARS-CoV-2）基因编码的蛋白作为主要或潜在的药物治疗靶点，并通过计算机虚拟筛选方法发现了一系列具有抗病毒、抗菌和抗炎作用的临床药物和天然产物对不同的靶蛋白表现出很高的亲和力，为新型冠病毒感染性疾病（COVID-19）的治疗提供了新的可能。研究成果在线发表在SCI杂志《药学学报》英文版(Acta Pharmaceutica Sinica B,一区),为了加速新冠病毒药物研发，研究组还在文章中公布了所有靶点蛋白质结构模型和筛选得到的高分潜在药物供下载，每个药物和靶点的共结构可以应要求发送。研究团队利用生物信息学和结构基因组学的方法系统性分析了SARS-CoV-2所有基因编码的蛋白质，并且将基因序列与SARS-CoV和MARS-CoV等冠状病毒进行了比对,通过同源建模的方法构建了19个SARS-CoV-2蛋白和1个人类宿主的蛋白的同源结构，基本涵盖了对于冠状病毒RNA复制、翻译；结构组成；入侵宿主细胞以及干扰宿主固有免疫等至关重要的所有蛋白靶点，对于进一步发现特异性靶向SARS-CoV-2的抑制剂提供了理论基础。研究团队还构建了常用的抗病毒药物数据库（78个化合物），包括已经上市的、和目前正在进行新冠病毒临床实验的化合物，把这些化合物和新冠病毒的各个靶点都进行了分子对接，重点分析目前正在进行临床实验的药物瑞德西韦、氯喹、克立芝等。目前已知的瑞德西韦抗病毒作用机制是三磷酸活性代谢产物作为冠状病毒RNA聚合酶的底物ATP类似物，掺入RNA链，从而阻止RNA的合成。研究团队的对接结果显示瑞德西韦和RdRp具有很高亲和力，和其目前抗病毒机制一致。此外，研究团队还发现瑞德西韦可能作用于宿主细胞表面II型跨膜丝氨酸蛋白酶（TMPRSS2），阻止S蛋白被TMPRSS2酶切，从而阻止S蛋白变构介导的病毒与细胞膜融合，可能是瑞德西韦新的作用机制，这是一个新方向，为后续研究提供了思路。

通常情况下，高分子纳米囊泡的制备需要借助有机溶剂，这既不环保又耗费时间， 也不利于产业化。本项目的技术创新点在于通过在水中直接溶解高分子的方法来制备一 种既生物相容又可生物降解的高分子纳米囊泡，简化囊泡的制备过程，既环保又经济， 便于大规模生产，非常符合低碳经济的要求。 此外，由于直接使用抗癌药譬如阿霉素会对人体产生较强毒副作用，本项目提出将 抗癌药包在高分子囊泡中，以 EPR 效应将药物累积到肿瘤位置进行缓释，减少药物的毒 副作用，提高抗肿瘤的效果。与不可降解的药物载体相比，本项目所研制的既生物相容 又可生物降解的纳米囊泡就有明显的优势，在提高药物的抗肿瘤效果、减少药物的毒副 作用以及纳米粒子本身的安全性等方面具有非常重要的意义。

项目简介目前癌症中的胰腺癌仍是临床治疗的难题，由于症状隐匿，发病迅速，预后差，使胰腺癌的发病率和死亡率逐年上升，延长胰腺癌症患者生存区、提高生存率和生 存质量，是国内外科学家关心的重要课题。钴依赖的蛋氨酸合成酶（MS）是叶酸类代谢 酶，对正常细胞和肿瘤细胞敏感性差别更大的靶酶，针对其作用机理，设计合成了活性 小分子 A13，具有优于吉西他滨的治疗胰腺癌的活性。A13 化合物经过两次不同机构肿瘤细胞测定，确定其抗胰腺癌和肺癌活性。 与山东省药学科学院合作，测定人胰腺癌 PNCA-1 裸鼠移植瘤模型抗肿瘤作用。设置 5-FU 对照组，吉西他滨对照组和模型对照组，A13 尾静脉注射给药，隔天给药时间为 21 天。 实验结果是 A13 在 60 mg/kg 和 120 mg/kg 剂量条件下对人胰腺癌裸鼠移植瘤的生长的抑 制作用，相对肿瘤增值率分别为 55.97%和 39.63%，结果优于 5FU（59.04%）和吉西他滨 （49.21%），对体重和饮食没有影响，各脏器解剖观察未见毒性病理变化。对照吉西他滨 组裸鼠表现出明显体重下降和饮食受阻。A13 化合物在模拟大肠液 16 h 能保持稳定，在 血浆中 96 h 能保持稳定，为后续动物实验确定给药方式和给药时间。对肺癌 SPC-A-1 裸 鼠移植瘤小鼠也有治疗作用，A13 的肿瘤相对增值率与培美曲塞对照组相当。  项目团队刘俊义教授，化学生物学系。主要研究方向为：1）叶酸代谢酶制剂的研 究。2）中枢神经保护剂的设计、合成及生物活性研究。3）抗 HIV、HBV 药物的设计合 成与构效关系研究。4）基于新靶点的抗肿瘤药物研究。曾获得过国家自然科学基金及博 士点基金等十余项，授权专利 7 项。设计合成：张志丽，副教授。生物活性：王孝伟副教授，田超博士。合作单位：山东省药学科学院。 应用范围 该项目可应用在癌症的治疗中首选胰腺癌，单独用药或联合用药。也可联合用药治疗肺癌。   项目阶段临床前研究（动物研究阶段）。知识产权专利名称：新型 8,10-去二氮杂-N5 甲酰基四氢叶酸类化合物作为抗肿瘤药物的应用 。专利申请号：2014105575999合作方式技术转让。

相关专利提供一种治疗失眠症、抑郁症的药物有效部位组合物及其制备方法

本项目中我们将从分子结构入手，设计开发BODIPY使其不仅可以诊断早期AD，并能干预抑制AD发展，开发出基于BODIPY的阿尔兹海默症人工智能药物，达到AD早期诊断和干预治疗的目的，为临床AD早期诊疗提供理论基础和技术支持。整个研究工作具备以下特点：（1）设计开发近红外BODIPY荧光探针对细胞和活体进行成像可避免生物背景荧光的干扰；（2）BODIPY对与AD早期相关的Aβ寡聚体具有特异响应，为临床前AD早期诊断提供科学依据；（3）BODIPY通过与Aβ聚集的作用点结合，呈现荧光，到达有效诊断的目的，在此基础上Aβ聚集缠结的作用点被BODIOY占据从而达到一定程度上抑制AD发展的目的；（4）将抑制Aβ聚集的天然小分子药物山柰酚与BODIPY有效结合，可进一步提高AD早期诊疗的效果。   Scheme 1. Aβ derives from the proteolytic cleavage of a larger glycoprotein named amyloid precursor protein. (A) A near-infrared BODIPY probe (NB-K) was synthesized which detected and drove self-assembly of FF. (B) NB-K designed according to the structure of FF and the two aromatic rings of FF overlap well with the two aromatic rings of NB-K. When NB-K binds to Aβ oligomers, free rotation of three benzene rings of NB-K is restricted resulting in 1650% increasing of NB-K fluorescence. (C) Overview of the amino acid sequences of the Aβ-related peptides Aβ1–40 and Aβ1–42. (D) Aβ produces β-folds and then aggregates to form tetrad oligomers. NB-K could be potentially useful in the early diagnosis (via imaging) of AD via binding to the FF of oligomeric Aβ. On the other hand, the tetramer could rotate 90° along the β-fold axis to form fibrils. Aβ源自β-和γ-分泌酶对糖蛋白（称为淀粉样前体蛋白（APP））的蛋白水解切割（Scheme 1C）。二苯丙氨酸二肽（FF）是Aβ折叠起始作用点，对Aβ聚集过程起着关键作用。四个β折叠的Aβ通过FF的π-π堆积作用和其它氨基酸之间的氢键作用以面对面的方式排列形成Aβ寡聚物，这是AD早期的重要生理标志，严重损害了大脑的健康。当β折叠的Aβ形成四聚体Aβ寡聚物时，FF几乎被完全暴露，这为近红外BODIPY荧光探针（NB-K）与FF有意组合提供了极好的机会（Scheme 1D），并能够通过荧光信号传输有效地诊测早期AD。Aβ寡聚物沿β折叠链方向逐渐以90°旋转，变成Aβ原纤维，其比Aβ八聚体更大，且与中期/晚期AD有关。当β折叠的Aβ形成原纤维时，疏水性片段（包括FF）聚集在球形结构的核心，大多数FF参与Aβ的自组装并形成球形结构，导致NB-K与Aβ原纤维的结合不良（Scheme 1D）。而且，Aβ单体表现出更大的自由弹性，这可能导致NB-K对Aβ单体的不良反应。总的来说，NB-K可以有效地分化以响应寡聚体和单体/原纤维，从而达到AD早期诊断的目的。如Scheme 1B所示，FF的两个芳环与NB-K的两个芳环很好地重叠，形成稳定的π-π结构。FF的羧基和氨基进一步促进了NB-K-FF的结合。NB-K和ThS在染色Aβ方面的主要区别如下：1）NB-K的分子量约为ThS的三倍。由于更大的空间位阻，NB-K不能进入由芳香环形成的浅槽，因此NB-K不能染色结合Aβ原纤维。 2）Aβ中的NB-K结合基段为FF。当Aβ形成β折叠时，折叠点恰好在FF，然后Aβ形成Aβ寡聚体。如Scheme 1所示，Aβ寡聚物中的FF几乎完全暴露，结果是NB-K会牢固结合识别响应Aβ寡聚物。    Figure 1. (A) Aβ aggregation assay: in vitro study to detect Aβ aggregation over time. ThT was used to detect formation of fibrillary Aβ species. Total fluorescence (%) was plotted as the fluorescence intensity divided by the maximum fluorescence intensity obtained during the plateau; (B) and (C) Fluorescence emission of NB-K and ThT response to buffer (background fluorescence, black line), oligomer and fibrils; (D) △I refers to the increased fluorescence intensity, I0 corresponds to background fluorescence of NB-K or ThT; Aβ morphology was evaluated by SEM after 160 hours incubation with NB-K (E) or ThT (F). 单体Aβ可以在24小时内衍变形成Aβ寡聚物，在72小时后开始有Aβ纤维形成。硫黄素-T（ThT）是市售检测Aβ原纤维的绿色荧光探针，以它为参照对比NB-K，以实时监测单体Aβ随时间的衍变聚集。在72小时后，ThT荧光强度略有增加，表明Aβ原纤维的形成（Figure 1A, ）。而对于NB-K，荧光强度在10小时后迅速增加，仅在40小时后才达到平稳状态，这表明NB-K缩短了Aβ衍变聚集成核相时间（Figure 1A, ）。 在24小时NB-K荧光强度急剧升高，这应与NB-K阳性Aβ物种有关，即Aβ寡聚体。换句话说，NB-K抑制寡聚体转变为原纤维。此外，使用荧光光谱法评价了NB-K在Aβ寡聚物和原纤维的溶液中区分识别Aβ寡聚物与Aβ原纤维的能力。对于Aβ寡聚物和Aβ原纤维，NB-K荧光分别增强了1650％±15％和450％±10％（Figure 1B, 1D）。相比之下，ThT荧光强度并未随Aβ寡聚物而增加，而随Aβ原纤维而增加了460％±10％（Figure 1C, 1D）。这说明ThT只对Aβ原纤维有荧光响应信号，而NB-K对Aβ寡聚物有很好的荧光响应信号，相比之下，NB-K对Aβ寡聚物的荧光响应性能高于ThT对Aβ原纤维荧光响应。此外，分别在ThT和NB-K存在下，Aβ单体衍变聚集160小时后，通过SEM观察Aβ单体最终衍变聚集形态。我们发现，在NB-K存在下，Aβ显示出六边形结构（Figure 1E），而在ThT存在下，Aβ显示出复杂的如斑块状的聚集体结构（Figure 1F）。这表明NB-K可能影响Aβ的构象聚集，从而产生有序排列的结构，而ThT对Aβ单体衍变聚集没有良性影响。    Figure 2. Epifluorescence microscopy of transgenic AD mouse (APP/PS1) brain stained with ThS or NB-K. ThS emission was obtained at 488 nm (left panels) and NB-K fluorescence was obtained at 561 nm (middle panels). Merged images of ThS and NB-K are shown on the right panels. Hippocampus is shown in A-C, whereas cortex is shown in D-F. G-I are magnified images from dotted squares in D-F, respectively. Scale bar: 100 µ (A-F), 50 µ (G-I). 在Aβ聚集的过程中，核心缠结成不溶性的原纤维，周围是由可溶性寡聚物组成的环状结构，这些可溶性寡聚物正在慢慢向原纤维衍变。AD脑组织的ThS / NB-K双重染色清楚地表明了这种现象，如Figure 2所示，Aβ原纤维的ThS绿色荧光染色被Aβ寡聚物的NB-K红色荧光染色所包围。 另外，在正常对照小鼠的脑切片中，未观察到NB-K染色，进一步说明NB-K对Aβ寡聚物的特殊识别性和荧光信号响应性，这对AD早期诊断预防研究无疑是一个有价值的信息。