XiaoMi-AI文件搜索系统
World File Search System反癌
药房反癌课程 - 工作簿
细胞毒性药物破坏细胞周期中各个点的细胞复制。因此，它们的作用在积极和快速分裂的细胞中更为明显。其中包括癌细胞和某些人体正常细胞，这些细胞也迅速分裂，例如皮肤，头发和粘膜细胞，围绕口腔和胃肠道（GI）层。对人体正常细胞的这种损害是细胞毒性药物引起副作用的机制之一。
药房反癌课程 - 工作簿
无法区分正常的健康细胞和癌细胞。正常细胞，尤其是那些迅速分裂的细胞会造成一些暂时的损害。这些包括骨髓中的血液形成细胞，性腺中的生殖细胞，胃肠道粘膜和毛囊。某些器官（例如心脏和肺）特别容易或敏感某些细胞毒性药物，并且随着时间的推移，这些器官可能发生毒性。
中国南京有针对性的反癌药物的可及性的趋势：一个中断的时间序列分析
全球衰老的人口和快速工业化，以及诸如慢性疾病，超级细菌，不健康的生活方式和环境污染等危险因素显着增加了全球癌症的全球发病率。从2006年到2016年（1），癌症患者的数量增加了38％，在世界各地195个国家和地区的死亡人数增加了17.8％，与癌症有关的发病率和死亡率继续增加（2，3）。在发病率率方面，前3个癌症是肺癌，胃癌和结肠癌，而肺癌，肝癌和胃癌在死亡率方面最重要（4）。与癌症治疗相关费用的随之而来的激增给社会和家庭带来了相当大的负担（5，6）。来自国家癌症中心的数据表明，近年来，中国与癌症相关的年度医疗费用超过了2200亿元人民币，自付费用（OOP）费用占家庭总收入的一半以上（7，8）。
Graphsynergy：网络启发的反癌药物组合预测的深度学习模型
图2。鉴于药物CombDB数据集上的不同药物，细胞系和组织的预测性能。 A. 药物和细胞系的预测性能的分布。 x轴表示ROC -AUC的值。 y轴表示相应的ROC -AUC值的频率。 B. 及其相应的ROC-AUC值的药物和细胞系相关蛋白质的数量分布。 C.药物和细胞系的平均蛋白质平均程度及其相应的ROC-AUC值的分布。 在B.和C.中，这些线是带有灰色阴影的插入线，表示拟合误差。 D.所有细胞系的ROC-AUC值的组织特异性分布。鉴于药物CombDB数据集上的不同药物，细胞系和组织的预测性能。A.药物和细胞系的预测性能的分布。x轴表示ROC -AUC的值。y轴表示相应的ROC -AUC值的频率。B.及其相应的ROC-AUC值的药物和细胞系相关蛋白质的数量分布。C.药物和细胞系的平均蛋白质平均程度及其相应的ROC-AUC值的分布。在B.和C.中，这些线是带有灰色阴影的插入线，表示拟合误差。D.所有细胞系的ROC-AUC值的组织特异性分布。
