医药市场：

1、国内医药药品整体市场，涵盖传统仿制药与各类创新药，覆盖多疾病治疗领域；
2、精准医疗、分层医疗、个体化医疗、4P医学为高度交叉的医疗范式，属于医药市场高端细分赛道；

医药分类：

1、分类：中药，西药-化学药，生物药-生物制品；

2、中药：天然原料，中医理论，多成分复方；
3、西药：化学合成小分子，结构清清楚楚；
4、生物药：活的细胞生产出来的大分子蛋白/多肽/抗体，肿瘤/自免病主力；

5、肿瘤靶向药：单抗，ADC魔法子弹-毒素杀死细胞，RDC核医药-射线杀死细胞；

生物药分类：

1、抗体类：单克隆抗体mAb、多克隆抗体pAb；

2、重组蛋白与多肽：胰岛素、生长激素、促红素、干扰素；

3、疫苗：灭活疫苗、减毒活疫苗、重组蛋白疫苗、mRNA核酸疫苗；

4、细胞治疗产品：TCR-T-精准、CAR-T-精准、CAR-NK-广谱、间充质干细胞-调节；

5、细胞治疗产品：新抗原DC疫苗、TIL肿瘤浸润淋巴细胞；

制药流程：

1、制药流程：药物研发，药品注册，药品上市；

2、药物研发：药物发现2～5年，临床前研究1～3年，临床试验3～7年；

3、药物研发：临床前研究数据支持开展人体试验，向药监提交临床试验申请IND；

4、药物研发：Ⅲ期临床试验取得阳性结果，向药监提交新药上市申请NDA；

5、药品注册：常规程序200自然日，优先审评130自然日，罕见病急需药70自然日；

6、医药上市：参与国家医保谈判，各省医药采购平台挂网，纳入各个医院药房目录；

制药名词：

1、靶点：药就像一把钥匙，靶点就是锁，药物改变靶点活性，进而治疗疾病，主要分蛋白类靶点和核酸类靶点；

2、给药方式：口服给药PO、直肠给药PR、静脉注射IV、皮下注射SC、肌肉注射IM，其中口服给药有首过效应；

3、GCP机构：在国家平台完成备案，承接药物临床试验的机构，包含伦理委员会，所有临床试验必须先过伦理；

疾病知识：

1、病毒是在活细胞寄生的非细胞微生物，只含有一种核酸，大小在纳米级别；

2、细菌是单细胞原核微生物，原核就是没有细胞核只有核质，大小在微米级别；

3、支原体是最小的单细胞原核微生物，并且没有细胞壁，大小在十分之一微米；

4、阿奇霉素治疗支原体肺炎效果非常好，抑制细菌生长，适合中轻度感染人群；

5、莫西沙星治疗呼吸道疾病效果非常好，直接杀死细菌，适合中重度感染人群；

6、感冒药用于缓解症状，感康偏重退烧止痛+缓解症状，新康泰克偏重缓解症状；

7、新康泰克：抗组胺药+通鼻止涕；

8、氯雷他定片：抗组胺药；

缓解咳嗽：

1、咽炎、支气管炎(较轻)：氯雷他定片 + 氨溴特罗(有痰，化痰+扩气管)

2、咽炎、支气管炎(较轻)：氯雷他定片 + 右美沙芬糖浆(干咳，中枢镇咳) + 清咽滴丸(解毒利咽)

3、咽炎、支气管炎(严重)：氯雷他定片 + 莫西沙星 + 强力枇杷露(有痰，中枢镇咳)

肥胖类疾病：

1、高胆固醇：阿托伐他汀钙片，可以抑制肝脏合成胆固醇；

2、1型糖尿病：胰岛素，使用胰岛素降低血糖，剂量过大易引起低血糖；

3、2型糖尿病：二甲双弧，抑制肝脏输出葡萄糖，可能引起腹胀、腹泻、恶心等胃肠道反应；

4、2型糖尿病：恩格列净，促进葡萄糖经尿液排出来降低血糖，副作用是容易诱发泌尿系统感染；

脱发原因：

1、雄性激素脱发，二氢睾酮DHT让遗传易感毛囊慢慢微小化，头发变细、变软、掉得多；

2、休止期脱发，熬夜、长期压力大、重大情绪打击，皮质醇居高不下，皮质醇促进毛囊进入休止期；

血常规：

1、血常规：白细胞、红细胞、血小板；

2、红细胞：输送氧气到全身组织，运回二氧化碳排出体外；

3、红细胞：红细胞偏少，血液携氧能力下降，全身组织供氧不足；

4、红细胞：红细胞偏多，血液变粘稠，血流阻力变大，血栓风险升高；

5、血小板：主要功能是止血，三个步骤分别是止血、凝血、修复血管壁；

6、血小板：血小板太少，止血能力差，容易淤青出血，极低时自发性内脏出血；
7、血小板：血小板太多，容易过度聚集，血栓风险升高，血管内异常结块；

白细胞：

1、白细胞：粒细胞、单核细胞、淋巴细胞；

2、粒细胞：中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞；

3、中性粒细胞：吞噬胞外细菌，急性细菌感染主力；

4、嗜酸性粒细胞：杀伤寄生虫，参与慢性过敏炎症；

5、嗜碱性粒细胞：释放组胺，速发过敏，处于过敏早期阶段；

6、单核细胞：分化为巨噬细胞吞噬清扫，分化为树突状细胞抗原提呈；

淋巴细胞：

1、辅助性T细胞：简称Th，识别抗原后分泌细胞因子，激活B细胞、细胞毒性T细胞、巨噬细胞；

2、细胞毒性T细胞：简称CTL，识别被病毒感染的细胞、肿瘤细胞、移植异体细胞，直接裂解靶细胞；

3、调节性T细胞：简称Treg，负向调控，抑制过度免疫，防止自身免疫病，避免免疫系统攻击自身组织；
4、记忆T细胞：简称Tm，感染结束后留存，再次遇到相同抗原可以快速活化，产生更快更强的免疫应答；

5、B细胞作用：分化为浆细胞，浆细胞产生抗体，属于免疫球蛋白Ig；

6、B细胞作用：摄取抗原，加工后呈递给辅助T细胞，从而激活T细胞；

7、B细胞作用：分化为记忆B细胞，二次接触相同抗原时，快速增殖分化成浆细胞；

8、NK细胞作用：穿孔素+死亡受体+ADCC直接杀死感染细胞，分泌细胞因子进行免疫调节+间接杀伤；

09、免疫类型：T细胞是细胞免疫，靠细胞直接杀死靶细胞，属于特异性免疫；

10、免疫类型：B细胞是体液免疫，靠分泌到体液的抗体，属于特异性免疫；

11、免疫类型：NK细胞是固有免疫，针对多种病原体，不需要抗原预先致敏；

12、TB关系：B上交抗原给T审查，T确认这个抗原是危险敌人，然后批准B生产抗体；

免疫基础：

1、抗原：任何能够诱发免疫应答，并且能被抗体/免疫细胞识别的物质，不局限于单个分子；

2、抗体：抗体是B细胞分化成浆细胞后，分泌到体液里的球状蛋白质，能够特异性结合抗原；

1、神经系统：由脑、脊髓和它们发出的神经组成；

2、神经系统：中枢神经系统CNS，周围神经系统PNS；

3、中枢神经：由脑和脊髓组成，脑包含大脑、小脑、脑干；

4、周围神经：脑发出的12对脑神经，脊髓发出的31对脊神经；

脑：

1、大脑：包含左右两个大脑半球，表面的一层叫做大脑皮层，约有16亿神经元；

2、大脑：大脑皮层是调节人体生理活动的最高级中枢，人体各种功能在大脑皮层都有对应区域；

3、小脑：协调运动，维持身体平衡，酒精麻痹人的小脑，因此人在喝酒之后运动不协调；

4、脑干：连接大脑、小脑和脊髓的桥梁，能够调节心跳，维持呼吸，控制血液循环，保持血压；

脊髓：

1、脊髓：位于脊柱中央的椎管内，是脑与躯干、内脏之间的联系通路；

2、脊髓：灰质包含神经元胞体、树突、突触、神经胶质细胞，白质包含脊神经纤维、神经胶质细胞；

3、脊髓功能：反射，受大脑控制，是低级中枢，能对外界或体内的刺激产生有规律的反应，完成简单的非条件反射；

4、脊髓功能：传导，来自躯干、四肢等的各种刺激，经过脊髓才能传导到脑，脑发出的指令通过脊髓才能传递下去；

神经：

脑神经：主要分布在头部的感觉器官、皮肤、肌肉；

脊神经：主要分布在颈部、躯干、四肢的皮肤和肌肉；

神经作用：脑神经和脊神经能够传导神经冲动，神经兴奋以电信号的形式在神经纤维上传导；

神经元：

1、神经元就是神经细胞，由细胞体和突起组成；

2、突起分为树突和轴突，树突接受信号，轴突传递信号；

3、轴突被鞘包围，神经纤维是轴突+鞘，神经纤维末端的细小分支叫神经末梢；

4、多个神经纤维加上包围的结缔组织膜组成了神经纤维束，多个神经纤维束加上包围的结缔组织膜组成了神经；

1、openspec：https://github.com/Fission-AI/OpenSpec，比较简单，推荐使用；

2、speckit：https://github.com/github/spec-kit，交付文件较多，适合大项目；

3、openspec安装：npm install -g @fission-ai/openspec@latest

4、openspec配置：setx OPENSPEC_TELEMETRY 0

帮助文档：

1、终端命令：https://github.com/Fission-AI/OpenSpec/blob/main/docs/cli.md

2、插件命令：https://github.com/Fission-AI/OpenSpec/blob/main/docs/commands.md

3、入门帮助：https://github.com/Fission-AI/OpenSpec/blob/main/docs/getting-started.md

4、工作流程：https://github.com/Fission-AI/OpenSpec/blob/main/docs/workflows.md

5、详细帮助：https://github.com/Fission-AI/OpenSpec/blob/main/docs/opsx.md

常用命令：

1、初始化项目：openspec init

2、更新项目插件：openspec update

3、查看变更列表：openspec list

4、查看变更详情：openspec view

5、查看变更内容：openspec show

6、验证变更内容：openspec validate

初始化项目：

cd project
openspec init

openspec\config.yaml：

context: |
  语言：中文（简体）
  所有产出物必须用简体中文撰写。

核心流程：

1、/opsx:explore [topic]

2、/opsx:propose [change-name-or-description]

3、/opsx:apply [change-name]

4、/opsx:archive [change-name]

二、openspec扩展工作流程

1、扩展工作流程是全局配置，所有项目生效；

2、扩展工作流程：openspec config profile
3、更新项目插件：openspec update

扩展流程：

1、/opsx:new [change-name]

2、/opsx:continue [change-name]

3、/opsx:ff [change-name]

4、/opsx:apply [change-name]

5、/opsx:verify [change-name]

6、/opsx:archive [change-name]

三、superpowers使用介绍

1、插件仓库：https://github.com/obra/superpowers

2、常用技能：systematic-debugging

3、常用技能：writing-skills

工作流程：

1、brainstorming
2、using-git-worktrees
3、writing-plans
4、executing-plans or subagent-driven-development
5、test-driven-development 
6、requesting-code-review
7、finishing-a-development-branch

1、sagemath是一个开源数学软件，支持代数、几何、数论、密码学、数值计算；

2、下载网址：https://www.sagemath.org/download.html

3、入门指引：https://doc.sagemath.org/html/en/tutorial/index.html

4、帮助指引：https://doc.sagemath.org/html/en/reference

5、命令行指引：https://doc.sagemath.org/html/en/reference/repl/index.html

6、绘制图形指引：https://doc.sagemath.org/html/en/reference/plotting/sage/plot/plot.html

1、帮助文档：https://docs.pytorch.org/docs/2.14/index.html

2、全局函数：https://docs.pytorch.org/docs/2.14/torch.html

3、张量函数：https://docs.pytorch.org/docs/2.14/tensors.html

4、X[:] = <expression>，X += Y，执行原地更新操作，能够有效节约内存；

5、形状不一致的矩阵，通过广播机制扩展为形状一致的矩阵，然后进行计算；

6、NaN代表缺失值，预处理可以用插值法和删除法，标签类型拆分为多列数值；

常用全局函数：

1、torch.arange(end)，创建一维向量；

2、torch.zeros(*size)，创建一个张量，元素全零；

3、torch.randn(*size)，创建一个张量，元素来自标准正态分布；

4、torch.cat(tensors, dim)，连接多个张量，dim=0按行扩展，dim=1按列扩展；

5、torch.allclose(input, other)，判断两个张量是否相近，比较浮点数存在误差，推荐使用；

6、torch.dot(input, tensor)，计算两个向量的点积；

常用张量函数：

1、Tensor.reshape(*shape)，修改张量形状，不修改元素数量和元素值；

2、Tensor.sum(dim=None)，对张量求和，指向哪个轴则对哪个轴求和；

数据预处理：插入均值和拆分标签

inputs = inputs.fillna(inputs.mean(numeric_only=True))
inputs = pd.get_dummies(inputs, columns=['name'], dummy_na=True, dtype=int)

1、书籍官网：https://zh-v2.d2l.ai

2、监督学习：擅长在给定输入特征的情况下预测标签；

3、监督学习：回归是最简单的监督学习，标签取任意数值时，我们称之为回归问题；

4、监督学习：二项分类，多项分类，多标签分类，搜索排序，推荐系统，序列学习；

5、无监督学习：数据中不含目标的机器学习问题通常被称为无监督学习；

6、无监督学习：聚类，主成分分析，因果关系和概率图模型，生成对抗网络；

7、强化学习：智能体从环境中接收一些观测，必须选择一个动作，最后从环境中获得奖励；

8、强化学习：监督学习可以转化为强化学习，强化学习可以解决监督学习无法解决的问题；

9、强化学习：强化学习的目标是产生一个好的策略，

1、python序列化使用内置的pickle，对象可以序列化为字节或文件；

2、仅仅序列化json数据，或者限制反序列化类型，避免反序列化漏洞；

序列化示例：

data = {'name':'Alice', 'age':25, 'city':'New York'}
#dump to json
data_json = json.dumps(data)
data = json.loads(data_json)
#dump to byte
data_bytes = pickle.dumps(data)
data = pickle.loads(data_bytes)
#dump to file
with open('data.pickle', 'wb') as file:
    pickle.dump(data, file)
with open('data.pickle', 'rb') as file:
    data = pickle.load(file)

解析序列化数据：

data = {'name':'Alice', 'age':25, 'city':'New York'}
data_bytes = pickle.dumps(data)
data = pickle.loads(data_bytes)
pickletools.dis(data_bytes)

恶意反序列化：

class Malicious:
    def __reduce__(self):
        return (os.system, ('ls -al',))
malicious_data = pickle.dumps(Malicious())
pickle.loads(malicious_data)

反序列化类型限制：

permitTypes = {"str", "list", "dict", "set", "int", "float", "bool"}
class RestrictedUnpickler(pickle.Unpickler):
    def find_class(self, module, name):
        if module == "builtins" and name in permitTypes:
            return pickle.Unpickler.find_class(self, module, name)
        raise pickle.UnpicklingError(f"global {module}.{name} is forbidden")
def restricted_loads(s):
    return RestrictedUnpickler(io.BytesIO(s)).load()

1、1个DNA分子是1条染色体上面的DNA长链；

2、1个细胞核包含46条染色体，包含46个DNA分子；

3、mRNA信使核糖核酸，是从DNA上面抄录下来，指导合成蛋白质分子；

4、mRNA癌症疫苗产生癌细胞特有的突变蛋白，教会免疫系统识别癌细胞；