monolix Suite 2021破解版是功能强大的药物开发建模和计算分析的软件套件！Monolix是一种简单、快速且功能强大的工具，用于非线性混合效应模型中的参数估计、模型诊断和评估以及高级图形表示。它结合了最先进的算法和独特的易用性。临床前和临床组的药理计量学家可以依靠Monolix进行群体分析，并对PK/PD和其他复杂的生化和生理过程进行建模。提供多个实用程序，包括用于非区室和区室分析的图形和交互式的软件PKanalix。用于非线性混合效应模型中的参数估计、模型诊断和评估以及高级图形表示的简单快速和强大的工具，以及用于临床试验药物计量学的强大而灵活的模拟器！他们在一起使用旨在为用户提供更完善的工作流程，获得更准确更高质量的结果以及更方便快捷的操作，符合标准规范，全新破解版下载，有需要的朋友不要错过了！
安装激活教程
1、在本站下载并解压，如图所示
2、运行rlm.exe，然后安装程序，设置目录
3、勾选接受协议
4、当在安装过程中询问激活码时，只需跳过即可，将crack的dll文件lixoftCore.dll、rlm1413.dll复制替换到安装目录
默认位置C:\ProgramData\Lixoft\MonolixSuite2021R2\lib
5、将所有的文件复制到许可目录C:\ProgramData\Reprise
并以管理员身份运行rlm.exe
6、管理员身份运行软件即可
功能特色
一、PKanalix
1、PKanalix是一个用户友好且快速的区室和非区室分析（NCA）应用程序
非常直观的界面
PKanalix可以通过图形界面轻松定义设置和规则、检查计算并显示结果。它也可以通过R用于强大的脚本。
直截了当的NCA
PKanalix使用行业标准方法计算NCA参数，并自动生成全套绘图以可视化数据、计算参数的分布以及与协变量的相关性。
可靠和清晰的结果
所有结果均以表格和摘要的形式提供，并以交互式图表的形式提供，以便快速直观地进行解释。所有设置都保存在项目中以获得可重复的结果，集成的验证套件可确保正确的安装和计算。
区室分析
还提出了使用大型PK模型库计算区室分析框架中的参数。此外，它还包括使用Monolix进行人口建模的直接链接。
2、主要特点
非区室分析
PKanalix的第一个主要功能是计算非区室分析框架中的参数。
该任务包括定义计算Lambda_z（终端消除阶段的斜率）的规则，以便能够计算NCA参数。这个定义既可以通过规则（例如调整后的R2或时间窗口）全局完成，也可以在用户可以选择或删除计算的任何点的每个人身上完成。
区室分析
PKanalix的第二个主要功能是区室分析框架中参数的计算。它包括查找PK模型的参数，该参数表示每个个体的隔室中的动力学。执行自动初始化是为了更好地收敛每个参数。
生物等效性分析
可以使用生物等效性任务比较不同组获得的平均NCA参数（例如测试和参考配方）。线性模型定义包含在集成模块中选择的一个或多个固定效应。它允许获得与预定义的BE限制相比的置信区间，并自动显示在直观的表格和图中。
输出和绘图
所有NCA，CA和生物等效性输出都显示在可排序的表格中，并以R兼容格式导出到结果文件夹中。还提出了交互式图，以便直接解释结果。
R API可自动执行流程
在PKanalix中执行的所有步骤都可以使用LixoftConnectors软件包从R运行。您在特定数据集的界面中直观地执行的操作可以推广到脚本，该脚本可自动执行任何其他数据集的流程。
将您的NCA/CA项目集成到建模、仿真和试验设计工作流程中
对所有分析使用相同的数据文件-数据探索、NCA、CA、人口建模。PKanalix本身不包括人口分析。但是，将PKanalix项目导出到Monolix将加快种群建模速度，因为它会自动设置Monolix中所需的一切，以便单击在种群建模框架中运行参数估计：解释数据集，结构模型，初始值不需要重新定义。从Simulx中模拟的临床试验中导入格式化数据集也可以对输出进行后处理，并使用您喜欢的NCA参数分析试验。
3、2021年的新功能
使用数据集指纹进行附加结果有效性检查–在重新加载项目时检测数据集中的任何更改。
与NCA工作流程集成的生物等效性模块–使用平均生物等效性比较几种药物产品（通常为两种，称为“测试”和“参考”）的NCA参数。
更灵活：均值和SD的更多选项、NCA单个拟合图、轴的新设置以及分层图的重新排序。
改进的结果显示：NCA和CA中汇总表的分层选项
新的R函数将绘图生成为ggplot对象
新的界面功能：深色主题，字体大小，有效数字的选择。
二、Monolix
1、基于模型的药物开发的最佳工具
Monolix是用于药物计量学非线性混合效应建模（NLME）的最先进、最简单的解决方案。它基于SAEM算法，即使对于复杂的PK/PD模型，也能提供强大的全局收敛。Monolix用于临床前和临床人群PK/PD建模以及系统药理学。
Monolix拥有庞大的用户社区。Monolix被学术界，制药行业以及美国监管机构广泛使用。
先进的统计方法
所有类型数据的可靠收敛是人口PKPD建模的核心，这就是为什么Lixoft率先与Inria合作SAEM算法。
自动生成诊断测试
Monolix自动生成一整套诊断图，即使对于复杂的PK/PD模型也是如此。例如，您可以立即创建视觉预测检查，按要调查的任何患者子组进行拆分。
提高生产率和质量
高效的C++求解器包、带有Mlxtran的标准化模型语言、PK/PD模型库和集成软件都有助于提高生产率和质量。
它的GUI非常易于使用
我们的解决方案旨在易于使用。Monolix可以通过图形界面或命令行用于强大的脚本编写。这意味着您可以减少编程，而更专注于探索模型和药理学，以便及时交付给您的客户。
2、主要特点
支持所有相关数据类型和统计功能：
Monolix涵盖了人口PK/PD建模的各种数据类型和统计特征。对于所有情况，都开发并公布了正确的统计方法以供参考。单体涵盖：
事件数据的连续、分类、计数和重复时间。
混料模型和模型的混料。
具有任意数量级别的场合间可变性。
正确处理BLQ数据。
各个参数的正态分布、对数正态分布、对数分布、概率分布和用户定义分布。
Mlxtran Mlxtran：
用于定制模型;一种简单但功能强大的模型语言，适用于简单和复杂的系统药理学模型。Monolix提供了一个完整文档的开源库，其中包含数千个PK和PD模型。
全面的文档和示例：
我们非常小心地为用户提供全面的文档，包括方法、软件手册、教程......
包含模型和数据的各种示例可用作模板来启动您自己的项目。
我们的Lixoft大学页面上有很多在线材料（本周功能，网络研讨会等）。
3、数据集
数据集是参数估计的关键要素，是将实验数据汇总到文件中的关键要素。因此，这里提出了Datxplore和Monolix数据集的专用网站。
4、使用Mlxtran构建模型
Mlxtran用于定制模型;一种简单但功能强大的模型语言，适用于简单的PK以及复杂的系统药理学模型。包含结构模型、观测模型、单个参数定义和协变量定义的模型文件。建议为Mlxtran语法建立一个专用网站。
Mlxtran还包含一组用于PK/PD，TMDD，TTE模型的宏和库。快速直观地定义模型非常有帮助。点击查看更多。
5、单体，易于使用和强大的计算能力
我们的解决方案旨在易于使用。Monolix可以通过图形界面或命令行用于强大的脚本编写。这意味着您可以减少编程，而更专注于探索模型和药理学，以便及时交付给您的客户。界面很简单，只需几个步骤即可完成所有项目。这里建议建立一个Monolix文档的专用网站。
三、Simulx
1、简单、高效且灵活的临床试验模拟应用程序
它的GUI非常易于使用：
我们的解决方案旨在易于使用。Simulx可以通过图形界面使用。这意味着您可以减少编程，而更多地专注于探索模型参数对典型个体的不同处理和影响和/或使用具有特定治疗或特征的一个或多个组中的个体群体模拟临床试验。所有结果都已绘制且易于解释。
惊人的灵活性：
该界面提供了惊人的灵活性，能够模拟任何场景。您只需单击几下即可定义任何人群、任何治疗、任何配置。临床试验设计从未如此简单。
先进的统计方法：
结果和终点可以在专用部分中定义。它在良好的统计框架中提供了各组之间的简单有效的比较。
提高生产率和质量：
高效的C++求解器包，具有Mlxtran，PK/PD，TMDD，...模型库和集成软件都有助于提高生产力和质量。您可以从scract进行模拟或使用Monolix项目。
2、主要特点
支持所有相关数据类型和统计功能Simulx涵盖了临床试验模拟的各种数据类型和模拟功能：
仿真品封面
连续、分类、计数和重复事件数据时间（或任何组合）。
具有任意数量级别的场合间可变性。
各个参数的正态分布、对数正态分布、对数分布、概率分布和用户定义分布。
Mlxtran Mlxtran：
用于定制模型;一种简单但功能强大的模型语言，适用于简单和复杂的系统药理学模型。Monolix提供了一个完整文档的开源库，其中包含数千个PK，PD，TMDD，...模型。
全面的文档和示例：
我们非常小心地为用户提供全面的文档，包括方法、软件手册、教程......
包含模型和数据的各种示例可用作模板来启动您自己的项目。
我们的Lixoft大学页面上有很多在线材料（本周功能，网络研讨会等）。
3、轻松构建模型
Mlxtran用于定制模型;一种简单但功能强大的模型语言，适用于简单的PK以及复杂的系统药理学模型。包含结构模型、观测模型、单个参数定义和协变量定义的模型文件。建议为Mlxtran语法建立一个专用网站。
Mlxtran还包含一组用于PK/PD，TMDD，TTE模型的宏和库。快速直观地定义模型非常有帮助。
4、Simulx，易于使用和强大的计算能力
我们的解决方案旨在易于使用。Simulx可以通过图形界面或R用于强大的脚本。这意味着您可以减少编程，而更专注于探索模型和药理学，以便及时交付给您的客户。界面很简单，只需几个步骤即可完成所有项目。
使用帮助
1、数据集结构
数据集结构包含每个受试者的测量值、剂量方案、协变量等......即所有收集的信息。数据必须采用长格式，即每行对应于一个人和一个时间点。不同类型的信息（剂量、观察、协变量等）记录在不同的列中，必须用列类型标记（见下文）。色谱柱类型非常相似，并且与Nonmem软件使用的结构兼容（此处列出了差异）。当用户定义数据集中的每个列类型时，将指定此列类型，如下图所示。
请注意，Monolix通常根据名称提供列类型的初步猜测。
此外，我们还有一个按钮数据查看器允许将数据集探索为Datxplore。
列类型的说明
数据集的第一行必须是标题行，用于定义列的名称。列名是完全免费的。在MonolixSuite应用程序中，定义数据时，将要求用户将每列分配给列类型（有关此步骤的示例，请参阅此处）。列类型将向应用程序指示如何解释该列中的信息。可用的列类型如下：
用于所有类型的行的列类型：
ID（必填）：个人标识符
场合（以前称为OCC）：场合的标识符（索引）
时间：剂量或观察记录的时间
DATE/DAT1/DAT2/DAT3：剂量或观察记录的日期，与时间列结合使用
事件ID（以前称为EVID）：指示线是剂量线还是响应线的标识符
忽略的观测值（以前称为MDV）：用于忽略该行的观测值信息的标识符
忽略的行（从2019版开始）：用于忽略该行的所有信息的标识符
连续协变量（以前称为COV）：连续协变量（可以在连续尺度上取值）
分类协变量（以前称为CAT）：分类协变量（只能接受有限数量的值）
回归器（以前称为X）：定义一个回归变量，即可以在结构模型中使用的变量（例如用于时变协变量）
忽略：忽略该列所有行的信息
用于响应行的列类型：
观测（必填，以前称为Y）：记录连续、计数、分类或事件时间数据的测量/观测
观测值ID（以前称为YTYPE）：观测值类型的标识符（用于区分不同类型的观测值，例如PK和PD）
删失（原CENS）：标记删失数据，低于下限或高于量化上限
限制：在删失列的情况下，删失间隔的上限或下限
用于剂量线的色谱柱类型：
量（以前称为AMT）：剂量
给药ID（以前称为ADM）：剂量类型的标识符（例如通过不同的途径给出）
输注速率（以前称为RATE）：剂量给药速率（特别用于输注）
输液持续时间（以前称为TINF）：给药的持续时间（特别用于输注）
额外剂量（以前称为ADDL）：在规定的剂量之外，要添加的剂量数，间隔剂量间隔
剂量间歇（以前称为II）：使用额外剂量或稳态柱类型添加的剂量间期
稳态（以前称为SS）：标记已达到稳态，并将在实际剂量之前以间隔DOSE INTERVAL添加预定义的剂量数，以实现稳态
2、加载新数据集
要加载新的数据集，您必须转到“浏览”您的数据集（绿色框），标记所有列（紫色框），定义观察类型，然后单击蓝色按钮接受，如下所示。
3、观察类型
有三种类型的观测值
连续：观测值相对于时间是连续的。例如，浓度是连续观测值。
计数/分类：观测值发生在有限的分类空间中。例如，观察值可以是分类观察值（效应可以观察为低、中、高）或定义时间内的计数观察值（定义时间内癫痫危象的数量）。
事件：观察是一个事件，例如癫痫危象的发生。
观察类型可由用户在界面中指定。
4、标签
图中和数据选择中建议的名称是标签中定义的名称。用户可以修改它。默认情况下，使用的标签是数据集中定义的标签。
从2019版本开始，可以更改您的首选项。通过单击设置>首选项，将弹出以下窗口。
在数据框中，您可以添加或删除每列的首选项。
要删除首选项，请双击要删除的首选项。将提出一个确认窗口。
要添加首选项，请单击您考虑的标头类型，在标头名称中添加名称，然后单击“添加标头”，如下图所示。
请注意，所有首选项都在Monolix，Datxplore和PKanalix之间共享。
5、滤波
从2020版本开始，我们添加了使用过滤器以图形方式过滤数据集的可能性，如下所示。
6、协变量统计
从2021版本开始，可以在接口的专用帧中获取协变量统计信息：
显示所有协变量（如果有的话），并提出统计量的摘要。对于连续协变量，提出最小值、中值和最大值以及第一和第三四分位数以及标准差。对于分类协变量，将显示所有模态以及每个模态的数量。请注意“复制表格”按钮，该按钮允许在Word和Excel中复制表格。将保留表格的格式和显示。
7、从Datxplore或PKanalix导入项目
可以从Datxplore或PKanalix导入项目。为此，请转到Datxplore/PKanalix的项目>新项目（如下图所示的绿色框）。在这种情况下，将创建一个新项目，并且所有数据帧都将由来自Datxplore或PKanalix项目的信息填充。
