产品描述
Phoenix NLME是美国Pharsight公司开发的专为群体药代/药效（PPK/PPD）数据分析、模拟和仿真研究的专业软件，能够帮助研究人员充分认识如何将药物使用于目标人群并解释造成药效差异的可能原因。
Phoenix NLME完全支持Windows操作系统，内置Workflow机制，具有操作界面友好、建模线索清晰、内置模型库丰富、多种建模方式选择、容易掌握等优点。
PhoenixNLME凭借其独有的模型比较功能、可重复利用的模板功能、支持多处理器的并行计算功能和产生丰富的图表功能等优势让Phoenix NLME软件成为初学者和资深使用者的得力工具。
关键优势:
• 初学者和资深使用者都熟悉Windows系统。
• 内置丰富的建模算法。
• 运行速度领跑同类竞争解决方案。
• 提供模型库、图形建模、语言建模三种建模方法。
• 自动生成丰富的图表结果。内含内、外模型结果比较功能。
• 具备强大的原始数据前、后处理及管理功能。
• 以Project形式轻松实现模型共享和储存。
特色
• 所有算法都支持并行计算，能够充分利用多核处理器。
• 新增的工作管理系统（JMS）全面实现“云计算”，允许用户在远程Windows服务器上执行全部PK/PD建模工作（包括整体Workflow）。
Workflow模板功能
• Phoenix NLME引入了可视化的Workflow机制，高质量的图形结果，友好的用户界面，使得群体PK/PD建模简单、灵活、强大。
• 所有建模的Workflow都可以被复制、黏贴为新的Workflow，或者存为模板，重复利用于分析不同数据，这将节约大量的分析时间，大大提高工作效率。
群体建模结构
• Phoenix NLME建模选项非常易用和强大，其支持灵活的数据结构，同时也接受其它Phoenix工具如Phoenix WinNonlin用NCA计算的初值。
• 建模初始为内置的大量模型库框架，用户可根据需要设置房室数、给药方式等参数；也可以用图形建模的方式选择性地修改模型；或者利用Phoenix建模语言（PML）微调模型；用户还可以通过自定义log-likelihood解决专业化的建模问题。
Phoenix NLME建模算法和模型比较
• Phoenix NLME内置协变量建模、模型评价、模型比较三种功能来优化建模结果。首先以内置模型和作图方式评价协变量的影响，然后运行协变量搜索（stepwise或shotgun）自动优化协变量，优化的标准是对标准值（如AIC）的改善程度和对模型参数的影响程度，zei后微调zei终模型以期得到更好的估值。评价模型可利用Bootstrap、Profiling和Predictive Check三种方法。模型比较结果包括图形比较和参数拟合度比较两种形式，优化结果包括嵌套结构和数据的比较形式。
Phoenix NLME主要功能
• 多种建模方式
• 内置大量的模型库，以图示界面实现简单快速建模。
• 借助Drug Model Editor（DME）实现图形建模及模型可视化。
• 提供Pharsight Modeling Language（PML）方式实现用户自定义语言建模。
• 通过图示的用户界面可以将基础模型轻松扩展为系列协变量模型。
• 提供图形和参数两种方式优选模型及变量的取舍。
• 通过命令行、脚本文件、批处理文件实现估值的运算。
• 集中图表。
• 内置图表
• 自动生成图表如下：
• 分列群体、个体观察值随时间变化的图形
• 拟合度图
• 个体和群体预测图
• 给药后，因变量vs.群体/个体预测值和时间图
• 随机效应Quantile-Quantile图
• 随机效应与协变量图
• 随机效应直方图
• 使用工作流模板复制自定义图表
• 建模功能
• 使用微分方程或自定义功能建模。
• 允许添加连续性和分类性协变量。
• 提供多次给药或达稳态的个体或群体给药方案。
• 通过图形和多级语言两种方式轻松定义随机效应。
• 用Naive Pooled和Two-Stage方法计算初始估计值。
• 不同的算法
• Naive Pooled for Gaussian and non-Gaussian responses;
• Iterated Two-Stage (IT2S-EM)
• First Order (FO)
• First Order with Condition Estimates and Interaction (FOCEI)
• Lindstrom-Bates FOCE
• Extended Least Squares FOCE
• Adaptive Gaussian Quadrature(AGC)
• Laplacian for Gaussian and non-Gaussian responses
• l Quasi-random Parametric Expectation Maximization(QRPEM) for Gaussian and non- Gaussian responses
• Non-parametric
• 利用bootstrapping、likelihood Profiling、predictive Check 对模型进行评估。
性能
• 支持Argonne MPICH2，充分利用双核或四核加快建模运算速度。
• 单次NLME运算支持在多个处理器上同时运行。
• 通过Job Management System (JMS)将任务分配到远端执行。
兼容性和验证
• 与Phoenix WinNonlin和Phoenix Connect完全兼容；能够与PKS数据管理库整合，通过Phoenix Validation Suite工具包实现快速软件验证。
