中药新药研发基础计算
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_c160f2b7/tcm-rd-basic-stats。
技能介绍
要解决什么问题
中药新药研发从工艺、质量标准、稳定性到临床前研究,都会反复遇到同一类需求:把实验原始数据整理成可写进申报资料、批记录或论文的统计结论。组间差异要不要做 t 检验还是 ANOVA、小样本方差齐不齐、离群值能不能删、稳定性含量是否随时间显著变化——这些判断若仅靠 Excel 手工公式,算法版本与修约规则很难对齐药典与 CDE 指导原则,也不利于 ALCOA+ 意义上的原始数据—方法—参数—时间戳留痕。
本技能定位是研发链条上的通用统计计算引擎:不替你做实验设计,但在你已有 CSV/Excel/JSON 或粘贴数据的前提下,用 scipy.stats(与 R/SAS/SPSS 同源算法)完成常规分析,并把复杂化学计量学、色谱方法学验证等专业计算明确划给兄弟技能接力。
技能如何工作
统一入口为 python3 /scripts/tcm_stats_cli.py --input data.xlsx --task all,--task 可按模块拆分:descriptive、normality、compare、correlation、batch 等。核心模块包括:
- 描述性统计与异常值:均值、SD、RSD、IQR、偏度/峰度;自动在 Grubbs 与 Dixon 间推荐,并给出离群值处置建议
- 显著性检验:单样本/独立/配对 t 检验,Levene 不齐则切换 Welch t;多组 ANOVA 及事后比较;计数资料卡方检验
- 正态性:Shapiro-Wilk、K-S(含 Lilliefors)、Anderson-Darling,附带 Q-Q/P-P 图
- 相关性:Pearson/Spearman、偏相关、相关矩阵热图
- 批内均一性与过程能力:Cpk/Ppk 等,对照规格限判断批间一致性
- 稳定性数据:含量、杂质、溶出等随时间变化的汇总与趋势相关检验
输出侧强调中国药典/GB/T 8170 有效数字修约,并在解读中写清方法选择与前提检验结果。
适用边界
复杂 PCA/OPLS-DA/聚类/指纹相似度 请用 tcm-qc-chemometrics;线性/LOD/LOQ/回收率 等方法学验证专算请用 physicochemical-chromatography。本技能不负责替代统计设计咨询;正态性严重违背时,应优先采纳模块给出的非参数路径而非强行 parametric 结论。
使用场景
- 三批号浸出物测定值已录入表格,需 ANOVA 判断批间差异并给出 P 值与事后比较结论
- 药材含量复检数据怀疑有个别偏高点,要用 Grubbs 或 Dixon 检验并决定是否保留该点
- 稳定性考察 0/3/6/12 个月含量数据需汇总描述统计并评估是否随时间显著下降
- 六个批号各 6 个取样点的含量需对照 95~105% 规格评估批内均一性与 Cpk
适合人员
- 质量标准研究员手上有多组含量与杂质原始表,要按药典修约规则输出均值 SD RSD 写进方法验证报告
- 工艺开发人员比较不同批号关键工艺参数的测定结果,需要自动做方差齐性判断并选用正确 t 检验
- 稳定性专题负责人要把溶出、含量随时间的表格交给注册同事,先要规范统计汇总与显著性结论
- 中药注册资料撰写人不会做化学计量学,但需要可引用的 scipy 同源算法支撑常规数据对比段落