[至本医疗靠独创的生物信息分析算法和大数据平台称雄基因检测领域]今珠生物公司靠不靠谱

医疗行业十倍牛股医疗行业十倍牛股医疗行业十倍牛股的预测是比较困难的，因为不同的公司和不同的股票可能会有不同的表现。

但是，根据历史数据和市场趋势，以下是一些可能表现良好的医疗行业股票：英科医疗：这是一家生产一次性医疗用品的公司，如手套、口罩和医疗床等。

在疫情爆发之前，该公司就已经开始扩大生产规模，以应对市场需求。

疫情爆发后，该公司股价上涨了近10倍。

康泰生物：这是一家从事疫苗研发和生产的企业，产品包括新冠疫苗等。

自疫情爆发以来，该公司股价上涨了约8倍。

正川股份：这是一家从事医疗器械包装材料研发和生产的企业。

自疫情爆发以来，该公司股价上涨了约7倍。

康泰生物：这是一家从事疫苗研发和生产的企业，产品包括新冠疫苗等。

自疫情爆发以来，该公司股价上涨了约8倍。

万邦德：这是一家从事医疗器械研发和生产的企业，产品包括人工心脏瓣膜等。

自疫情爆发以来，该公司股价上涨了约6倍。

需要注意的是，以上股票的表现可能会受到多种因素的影响，包括市场环境、公司业绩、政策变化等等。

因此，投资者在进行投资决策时应该进行充分的研究和分析，以确定最佳的投资策略。

医疗行业概念股龙头股医疗行业概念股的龙头股一共有以下几个：1.哈三联：公司是一家从事医药制造的高新技术企业，产品包括化学药、生物药、中药以及特色原料药，拥有哈药集团营销公司，并与美国、欧洲、东南亚等多个国家和地区的上百家客商建立了广泛的业务关系。

2.英特集团：英特集团股份有限公司是药品及医疗器械批发、药品及医疗器械零售连锁行业的领军企业之一，也是健康食品和保健品分销领域的领先企业之一，目前，公司已具备为500强企业及各类型企业提供服务的能力。

3.莱茵体育：莱茵体育发展股份有限公司主营业务为体育业务和房地产业务，2021年莱茵体育实现营业收入3.61亿元，同比增长9.27%，归属于上市公司股东的净利润1.47亿元，同比增长1253.52%。

以上内容只是部分医疗行业概念股的龙头股介绍，投资者可以结合公司当前情况，以及市场变动来判断投资哪个公司比较好。

体外诊断(IVD)行业必不可少的抗体抗原原料供应商——优宁维公司作为目前国内最专业、最全面的抗体供应商，上海优宁维公司为IVD(体外诊断试剂)生产商提供高质量单克隆抗体和抗原的最重要供应商之一，Meridian Life Science（Biodesign）、Fitzgerald、Medix Biochemica、HyTest、Progen、Calbioreagents、USbio、BiosPacific 和Exbio等已成为最大IVD生产商的首选合作伙伴。

美国Meridian Life Science是全球生产抗原（天然抗原和重组抗原）, 抗体（单克隆和多克隆），人抗小鼠抗体阻滞剂以及用于体外诊断和生物制药关键试剂的领军企业，提供用于分子诊断学的各种试剂，以及用于研发的各种外包生产服务包括cGMP规范的病毒疫苗的临床一期和二期实验。

旗下Biodesign主要的工业及研究用免疫学产品供应商，公司符合ISO 9001，FDA，GMP等多项认证，获得USDA许可，其产品超过4500种，在全球有40多个分销商，为生命科学研究，药物制造，生物技术及诊断产品开发及生产等多个领域提供抗体、抗原、免疫检测全套免疫学产品。

美国Fitzgerald 公司是一家国际性知名抗体研发生产企业。

Fitzgerald公司为全球试剂诊断公司与研究机构提供专业的抗体、纯化抗原以及工业诊断用大包装免疫原料。

公司产品多达9000种，能够满足您对于最前沿科学研究的需求。

主要产品涉及：1. 免疫比浊法用特种蛋白抗体— ApoAI, ApoB, IgG, IgA, IgM, C3, C4, TRF, CRP, Lp(a), PA, Albumin, β2-Microglobulin, etc;2. 化学发光免疫测定法（CLIA）、酶联免疫测定法（EIA）、放射免疫测定法（RIA）、荧光免疫法（FIA）测定用各类高纯单克隆、多克隆抗体，纯化抗原；3. 癌症系列抗原和抗体，如CA50, CEA, CA, AFP, CA 125, CA15-3, CA19-9, CA72-4, etc；4. 配对抗体和抗原，如生育类、传染病类、TORCH系列、心脏标记物、神经科学类、病毒类、性腺，甲状腺系列等。

生物医药主要观点：医药生物同比上涨，跑赢大盘，子板块中医疗服务涨幅较高本周沪深300收报4844.27，周涨幅2.66%，医药行业综合指数同比上涨4.04%，行业排名第4，整体表现优于沪深300，目前PE52.85倍，高于历史平均37.61倍PE （2010年至今），相对沪深300溢价率为278%，较前一周有所回调。

医疗服务（+9.51%）上涨幅度最大，中药（+4.54%）、医疗器械（+4.09%）跑赢板块整体，医疗商业（+2.90%）、化学原料药（+2.50%）、生物制品（+1.55%）、化学制剂（+0.12%）上涨幅度较小，跑输板块整体。

周观点医药上市企业中报披露，整体营收依然萎缩，净利润增长良好，各子板块分化较大。

截止本周末，医药上市公司基本都已披露中报。

上半年上市公司营收8342亿，同比减少3.54%，净利润802亿，同比增加11.25%。

随着鼓励创新、集采、控费等措施的执行，医药营收高增速得到控制，但净利润增长较快，显示盈利质量得到较大提升。

各子板块中，中药上市企业表现不佳，营收和净利润分别同比下滑10.42%和25.88%；器械表现较好，营收和净利润分别增长41.11%和102.11%；化药受带量采购影响，营收减少8.87%，净利润减少6.20%；生物药表现平稳，营收下降2.83%，净利润增长9.60%，医药商业较平稳，营收减少2.23%，净利润增长2.55%；原料药和CMO 企业受益疫情及中国在全球相对竞争优势逻辑，营收增长4.76%，净利润增长33.17%；医药服务中CRO 部分净利润增长较快，其他TO C 端业务公司因疫情影响，业绩表现不佳，整体营收减少9.73%，净利润增长43.10%。

医保统筹基金扩容，提高结余资金使用效率。

8月26日，国家医疗保障局发布《关于建立健全职工基本医疗保险门诊共济保障机制的指导意见(征求意见稿)》，将对医保个人账户及统筹账户资金的计入和使用作出重大调整，以提高结余资金使用效率，解决大部分健康人医保账户资金沉淀，而老弱人群医保资金不足、负担过重，带来的医保整体资金使用低效。

㊀第52卷第2期郑州大学学报(理学版)Vol.52No.2㊀2020年6月J.Zhengzhou Univ.(Nat.Sci.Ed.)Jun.2020收稿日期:2019-08-22基金项目:国家社科基金重大资助项目(18ZDA315);河南省高等学校重点科研项目(20A520038);河南省科技攻关项目(192102210260);河南省科技攻关计划国际合作项目(172102410065)㊂作者简介:昝红英(1966 ),女,河南焦作人,教授,主要从事自然语言处理研究,E-mail:iehyzan@;通信作者:窦华溢(1994 ),男,河南周口人,硕士研究生,主要从事自然语言处理研究,E-mail:douhuayi@.基于多来源文本的中文医学知识图谱的构建昝红英1,㊀窦华溢1,2,㊀贾玉祥1,㊀关同峰1,2,㊀奥德玛2,3,㊀张坤丽1,㊀穗志方3(1.郑州大学信息工程学院㊀河南郑州450001;2.鹏城实验室㊀广东深圳518055;3.北京大学计算语言学教育部重点实验室㊀北京100871)摘要:中文医学知识图谱(Chinese medical knowledge graph,CMeKG)是对专业医学知识的结构化描述,构建中文医学知识图谱是各类智慧医疗应用的迫切需要㊂通过收集多来源医疗文本,详细分析语料的结构特征,结合医学知识的语义特点,制定了医学命名实体和实体关系的标注体系和规范;并开发了标注工具,在医学专家的指导下,选取106种高发疾病进行人工标注,命名实体一致率达到了87.3%,实体关系一致率达到了82.9%㊂在人工标注的基础上,进行实体及关系自动抽取,构建出的中文医学知识图谱CMeKG1.0版共包括6310种疾病㊁19853种药物(西药㊁中成药㊁中草药)㊁1237种诊疗技术及设备,关联到的医学实体达20余万,概念关系实例及属性三元组达100余万㊂所构建的中文医学知识图谱为医疗问答系统和智能辅助诊疗等领域奠定了专业知识基础㊂关键词:医学知识图谱;命名实体;实体关系;标注规范;知识图谱构建中图分类号:TP391.1㊀㊀㊀㊀㊀文献标志码:A㊀㊀㊀㊀㊀文章编号:1671-6841(2020)02-0045-07DOI :10.13705/j.issn.1671-6841.20193830㊀引言随着互联网技术的飞速发展,知识的存储和共享变得越来越便捷,随之而来的是知识总量的指数级增长,各领域的知识已不再是孤岛,而是在互联网的海洋中相互交融㊁交叉发展㊂自Google 公司提出 Knowl-edge Graph [1]后,这种可以绘制知识脉络㊁挖掘数据间的潜在关系㊁分析语义信息以及以图谱方式可视化地为用户提供知识信息的技术迅速引起了各领域的研究兴趣㊂知识图谱的前身是语义网[2],语义网致力于让计算机能够理解和处理文本中所表达的语义信息,从而支持网络环境下广泛有效的自动推理㊂而知识图谱作为知识载体,其最大的优势就是使知识可视化[3],让人们既能快速理清专业知识之间的逻辑脉络,也能把握住最关键的知识点,迅速找到自己需要的信息㊂目前,医疗领域是知识图谱重要的应用领域之一㊂在医学知识图谱研究领域,SNOMED-CT [4-5]㊁IBMWatson Health [6]等,都致力于构建一套全面统一的医学术语系统,来对大部分临床信息进行统一的标准化描述㊂目前的医学知识本体库主要有医学概念知识库LinkBase [7]㊁TAMBIS 本题库[8]等㊂一体化医学语言系统自动构建了医学知识库[9]㊂上海曙光医院构建了中医药知识图谱[10],利用自身优势,对大量的中医药数据和临床诊疗知识库进行了整合和利用㊂贾李蓉等[11]于2002年开始研制中医药学语言系统,目前已发展为包括13万多个概念㊁30余万术语以及100余万语义关系的大型语义网络㊂侯丽等[12]构建了基于本体的临床医学知识库,构建以知识节点为对象的疾病库㊁药物库㊁检查库三大医学知识库,并通过不同知识库中的知识节点建立关联㊂建立一个结构科学㊁层次清晰㊁覆盖全面㊁高度关联的大规模㊁高质量中文医学知识图谱,离不开大规模医疗语料库的支撑[13-14]㊂在构建过程中,本研究首先对语料进行了分析,提出了初步的医学知识图谱描述体系,而后在医学专家的指导下进一步完善标注规范,并对多来源文本进行了多轮人工标注以及自动抽取工作㊂构建了一个覆盖面广㊁知识描述准确㊁结构完备的中文医学知识图谱,为智慧医疗领域的广泛应用奠定郑州大学学报(理学版)第52卷了专业知识基础㊂1㊀知识图谱构建过程中文医学知识图谱的构建过程可分为两个阶段:一是描述体系设计;二是知识图谱构建㊂首先,我们调研了国内外权威的标准医学术语集,初步设计了概念分类体系,通过案例标注与分析,设计了关系分类体系,而后经过医学专家的评估,形成了医学知识图谱的描述体系㊂随后,通过从权威性㊁全面性和实用性等方面的考量,经过对比和整合,形成了多来源医学文本㊂对于这些非结构或半结构化的文本数据,采用了人工标注和自动提取两种方法相结合从中提取关系,其中自动提取使用了规则加tagging 模型的方法㊂对于抽取出的实体及实体关系,进行人工审核评估,构建医学知识图谱知识本体,并完成多来源数据的知识融合,从而构建出专业性强㊁内容丰富的中文医学知识图谱㊂整体构建框架如图1所示㊂图1㊀医学知识图谱构建框架Figure 1㊀Constructing framework of medical knowledge graph实体资源库的构建基于医学主题词表(medical subject headings,MeSH)㊁融合国际疾病分类[15](interna-tional classification of diseases,ICD-10)㊁解剖学治疗学及化学分类系统(anatomical therapeutic chemical,ATC)等医学术语为资源库中的实体㊂MeSH [16]是美国国立医学图书馆编制的医学主题词表,它是一部规范化㊁可扩充的动态性叙词表㊂ICD-10是国际疾病分类的第10个版本,是根据疾病的某些特征,按照规则将疾病分门别类,并用编码的方法来表示的系统㊂ATC 是解剖学治疗学及化学分类系统,是世界卫生组织对药品的官方分类系统㊂实体资源库的构建不仅是本研究标注实体的依据,也是后续利用机器学习进行命名实体识别以及关系抽取的基础㊂为保证标注质量以及标注进度,本研究选取了常见的106种疾病进行人工标注㊂通过分析多来源医疗文本结构信息,按照其不同的类型进行分类,分别从病因㊁并发症㊁诊断步骤㊁鉴别诊断㊁流行病学㊁病史和查体㊁监测㊁预防㊁预后等多个维度对疾病进行了描述㊂在语料中经常会出现一句话里或一整段里没有提及该主题疾病的情况,这时就无法标注此种疾病的实体㊂为此,本研究对语料进行了预处理,以句号为特征,在每一句之前加上主题疾病的名字,并以@和原文做分割㊂如 患者可能有各种不典型症状,这些症状包括乏力㊁恶心㊁呕吐㊁腹痛以及晕厥㊂ 预处理后为 非ST 段抬高型心肌梗死@患者可能有各种不典型症状,这些症状包括乏力㊁恶心㊁呕吐㊁腹痛以及晕厥㊂2㊀知识图谱描述体系及标注规范本研究将实体分为12大类,分别为语义㊁疾病㊁部位㊁症状㊁检查㊁手术治疗㊁药物治疗㊁其他治疗㊁流行病6474㊀第2期昝红英,等:基于多来源文本的中文医学知识图谱的构建学㊁预后㊁社会学和其他,并使用不同的参考标准界定每一类实体涵盖的范围㊂实体之间的关系包括:语义㊁疾病-疾病㊁疾病-部位㊁疾病-症状㊁疾病-检查㊁疾病-手术治疗㊁疾病-药物治疗㊁疾病-其他治疗㊁疾病-流行病学㊁疾病-预后㊁疾病-社会学㊁疾病-其他共12个类型关系㊂具体关系类型如表1所示㊂表1㊀疾病类实体间常见关系类型Table1㊀Common㊀㊀命名实体标注的基本原则有:第一,不重叠标注,即同一段字符串不能标注为两个不同的实体;第二,不嵌套标注,即一个实体不能在另一个实体的内部;第三,实体要尽可能不含有标点符号及连接词(或㊁和㊁以及),主要目的是为了防止实体过长和实体嵌套㊂将疾病类实体作为核心,以疾病为入口,标注疾病与其他类实体和属性值(字符串㊁数字)之间的关系类型㊂对于非结构化的文本,实体关系经常跨句出现甚至跨段出现,所以标注关系时,不仅仅局限于一个句子范围内的实体关系,还包括跨段句子范围内的关系㊂3㊀知识图谱的构建3.1㊀知识图谱构建过程为了提升标注效率,开发了面向医疗文本的实体及关系标注平台㊂对于医疗文本中出现的实体,选择实体标签,选中对应的文字,即可完成实体标注㊂在完成实体标注后,可以选择进行关系标注,再依次选择关系标签所对应的第一个实体和第二个实体,即可完成两个实体间的关系标注㊂标注平台可以实现实体标注和关系标注的切换,同时提供了文件管理功能,方便进行多轮标注工作㊂第一阶段,在详细地分析了多来源医疗文本的特点之后,借鉴中文电子病历标注规范[17]的经验,本研究初步制定出了医学知识图谱描述体系结构,以此为基准,进行了3轮的试标注过程㊂试标注阶段主要目的在于收集标注中所发现的问题,经过和医学专家的讨论,进一步完善规范㊂与此同时,实体资源库的收集工作和标注平台的开发工作也在同步进行中㊂郑州大学学报(理学版)第52卷第二阶段,为了保证标注过程的准确性和一致性,本研究采取了多轮标注的方法㊂一人标注完成后,另一人进行二次标注,两次标注不一致和不确定的地方要记录下来,留待讨论会讨论,经过医学专家和老师的确认后,再由一标人返回语料中进行修改,形成最终的三标版本㊂在此过程中,根据标注人员的反馈,本研究也在不断地优化㊁更新标注规范,使其更加贴合语料自身特点㊂整体构建流程图如图2所示㊂图2㊀语料库构建流程图Figure 2㊀Flow chart of corpus construction3.2㊀知识图谱的节点描述知识图谱的描述形式为六元组,分别为实体1㊁关系㊁实体2,以及对每一元的约束或属性,表示为{entity 1,entity 1_property ,relation ,relation _property ,entity 2,entity 2_property },简记为{e 1,e 1_pro ,rel ,rel _pro ,e 2,e 2_pro }㊂CMeKG 使用百度开源可视化库Echarts 展示知识图谱,对于每一个实体,选择以该实体为主语的六元组进行显示,其中属性描述的三元可以为空,即六元组在实体和关系的属性都为空时会蜕化为三元组㊂如图3所示,连接同一节点的相同颜色节点代表相同的语义关系,整体效果呈现为以查询实体为中心,具有语义关系的相关实体发散至四周的网状结构,每个关系边的权重相等㊂4㊀构建结果及分析标注一致性用Kappa 值[18]和F 值[19]来表示㊂Kappa 值在情感极性分类的语料标注中应用较广,但在实体识别中,若把未标注的文本作为反例的话,则反例数量巨大而难以统计㊂此种情况下F 值接近于Kappa 值,故可使用F 值来对实体识别标注语料进行一致性评价[20]㊂具体做法是将三标者A 1的标注结果作为标准答案,计算一标者A 2的标注结果的精确度P 和召回率R ,进而计算F 值,计算公式为P =A 1和A 2一致的标注结果总数A 2的标注总数,R =A 1和A 2一致的标注结果总数A 1的标注总数,F =2ˑP ˑRP +R㊂㊀㊀确定实体一致性时,只有当实体文本㊁实体类型标签和起止位置均相同时,才认为实体标注是一致的;确定关系一致性时,只有当实体对的两个实体㊁关系名称和起止位置均相同时,才认为关系标注是一致的㊂文献[21]指出,标注一致性达到80%以上时,可以认为语料的一致性是可信赖的㊂最终,本研究标注的命名实体识别一致率达到了87.3%,实体关系一致率达到了82.9%,说明本研究的标注结果是可信赖的㊂共有两名医学专家和近二十名标注人员参与标注工作㊂共计完成标注3029448字㊁23475种实体概84㊀第2期昝红英,等:基于多来源文本的中文医学知识图谱的构建念㊁32530个实体关系三元组㊂去重后的实体数量如表2所示,关系数量如表3所示㊂表2㊀实体数量Table 2㊀Number of entities实体类型实体数量/个疾病5643部位670症状4590检查2808手术治疗683药物治疗2454其他治疗1283社会学3580流行病学854预后165其他745表3㊀关系数量Table 3㊀Number of relationships关系类型关系数量/条疾病-疾病5334疾病-部位966疾病-症状7729疾病-检查4401疾病-手术治疗858疾病-药物治疗4194疾病-其他治疗1645疾病-流行病学1042疾病-预后183疾病-社会学4567疾病-同义词753疾病-其他858㊀㊀以人工标注的106种疾病标注结果为基础,本研究还使用了规则加tagging 模型对745种其他疾病进行了自动抽取工作,共抽取出140224条实体关系,经过人工校对后,剔除57676条错误信息,剩余82548条关系,准确率为58.8%㊂因为医疗文本的非结构化信息比较复杂,所以自动抽取的准确率还有待进一步的提高㊂中文医学知识图谱(http:ʊ)展示界面如图3所示㊂图形化展示是中文医学知识图谱的重要部分,通过系统页面的首字母索引或者搜索框可以查询到各类疾病实体,并以疾病为中心放射性链接与之相关的各类实体及关系㊂图3㊀中文医学知识图谱展示界面Figure 3㊀Chinese medical knowledge graph display interface9405郑州大学学报(理学版)第52卷5　小结本文主要对中文医学知识图谱的标注进行了研究,具体从3个方面来进行展开:首先调研了国内外各类医学资源的整体情况,将其整合成多来源医疗文本作为标注文本;然后在分析语料库的结构基础上,和医学专家讨论制定出医学知识图谱描述体系,通过试标注给出初版标注规范;最后通过多轮迭代的方式标注医疗文本,并请医疗专家全程把控标注质量,以确保准确性,同时使用规则加机器学习的方法进行自动抽取,至2019年3月,构建了中文医学知识图谱CMeKG1.0版,包括6310种疾病,20余万种实体概念,100余万个实体关系三元组㊂目前来看,机器标注的准确率还有待进一步提升,同时人工标注集和海量的医学文本相比规模还是比较小,未来将继续研究如何进一步提高自动标注的准确率,并且根据妇产科学㊁儿科学等临床医学主要学科进一步扩充标注疾病㊂参考文献:[1]㊀WANG C Y,GAO M,HE X F,et al.Challenges in Chinese knowledge graph construction[C]ʊ31st IEEE International Con-ference on Data Engineering Workshops.Seoul,2015.[2]㊀ZHANG X L,DU C L,LI P S,et al.Knowledge graph completion via local semantic contexts[M].Database systems for ad-vanced applications.Cham:Springer International Publishing,2016.[3]㊀刘则渊,陈悦,候海燕.科学知识图谱方法与应用[M].北京:人民出版社,2007.LIU Z Y,CHEN Y,HOU H Y.Mapping of scientific knowledge:methods and applications[M].Beijing:Peopleᶄs Publishing House,2007.[4]㊀牟冬梅,张艳侠,黄丽丽,等.基于SNOMED CT和FCA的医学领域本体构建研究[J].情报学报,2013(6):653-662.MU D M,ZHANG Y X,HUANG L L,et al.Constructing medical ontology based on SNOMED CT and FCA[J].Journal of the China society for scientific and technical information,2013(6):653-662.[5]㊀AMARILLI A,GALÁRRAGA L,PREDA N,et al.Recent topics of research around the YAGO knowledge base[M].Cham:Springer International Publishing,2014.[6]㊀AUER S,BIZER C,KOBILAROV G,et al.DBpedia:a nucleus for a web of open data[M].Berlin:Springer Berlin Heidel-berg,2007:722-735.[7]㊀CEUSTERS W,MARTENS P,DHAEN C,et al.LinkFactory:an advanced formal ontology management system[J].Proceed-ings of interactive tools for knowledge capture(KCAP2001).Victoria B C,2001:75-204.[8]㊀STEVENS R,BAKER P,BECHHOFER S,et al.TAMBIS:transparent access to multiple bioinformatics information sources[J].Bioinformatics,2000,16(2):184-186.[9]㊀NADKARNI P,CHEN R,BRANDT C.UMLS concept indexing for production databases:a feasibility study[J].Journal of theAmerican medical informatics association,2001,8(1):80-91.[10]阮彤,孙程琳,王昊奋,等.中医药知识图谱构建与应用[J].医学信息学杂志,2016,37(4):8-13.RUAN T,SUN C L,WANG H F,et al.Construction of traditional Chinese medicine knowledge graph and its application[J].Journal of medical informatics,2016,37(4):8-13.[11]贾李蓉,刘静,于彤,等.中医药知识图谱构建[J].医学信息学杂志,2015,36(8):51-53,59.JIA L R,LIU J,YU T,et al.Construction of traditional Chinese medicine knowledge graph[J].Journal of medical informat-ics,2015,36(8):51-53,59.[12]侯丽,钱庆,黄利辉,等.基于本体的临床医学知识库系统构建探讨[J].医学信息学杂志,2011,32(4):42-47.HOU L,QIAN Q,HUANG L H,et al.Discussion on clinical medicine knowledge base system construction based on ontology [J].Journal of medical informatics,2011,32(4):42-47.[13]徐琳宏,林鸿飞,赵晶.情感语料库的构建和分析[J].中文信息学报,2008,22(1):116-122.XU L H,LIN H F,ZHAO J.Construction and analysis of emotional corpus[J].Journal of Chinese information processing, 2008,22(1):116-122.15㊀第2期昝红英,等:基于多来源文本的中文医学知识图谱的构建[14]张德政,谢永红,李曼,等.基于本体的中医知识图谱构建[J].情报工程,2017,3(1):35-42.ZHANG D Z,XIE Y H,LI M,et al.Construction of knowledge graph of traditional Chinese medicine based on the ontology [J].Technology intelligence engineering,2017,3(1):35-42.[15]SUNDARARAJAN V,HENDERSON T,PERRY C,et al.New ICD-10version of the Charlson comorbidity index predicted in-hospital mortality[J].Journal of clinical epidemiology,2004,57(12):1288-1294.[16]LIPSCOMB C E.Medical subject headings(MeSH)[J].Bulletin of the medical library association,2000,88(3):265-270.[17]杨锦锋,于秋滨,关毅,等.电子病历命名实体识别和实体关系抽取研究综述[J].自动化学报,2014,40(8):1537-1562.YANG J F,YU Q B,GUAN Y,et al.An overview of research on electronic medical record oriented named entity recognition and entity relation extraction[J].Acta automatica sinica,2014,40(8):1537-1562.[18]JEAN C.Assessing agreement on classification tasks:the kappa statistic[J].Computational linguistics,1996,22(2):249-254.[19]HRIPCSAK G.Agreement,the F-measure,and reliability in information retrieval[J].Journal of the American medical infor-matics association,2005,12(3):296-298.[20]OGREN P,SAVOVA G,CHUTE C.Constructing evaluation corpora for automated clinical named entity recognition[C]ʊPro-ceedings of the12th World Congress on Health(Medical)Informatics.Marrakech,2008:28-30.[21]ARTSTEIN R,POESIO M.Inter-coder agreement for computational linguistics[J].Computational linguistics,2008,34(4):555-596.Construction of Chinese Medical Knowledge Graph Based onMulti-source CorpusZAN Hongying1,DOU Huayi1,2,JIA Yuxiang1,GUAN Tongfeng1,2,ODMAA Byambasuren2,3,ZHANG Kunli1,SUI Zhifang3(1.School of Information Engineering,Zhengzhou University,Zhengzhou450001,China;2.Peng Cheng Laboratory, Shenzhen518055,China;3.Institute of Computational Linguistics,Peking University,Beijing100871,China) Abstract:The Chinese medical knowledge graph(CMeKG)was a structured description of professional medical knowledge,which was also an actual need for various types of intelligent medical applications. With medical texts from multiple sources collected by this study,structural features of corpus were ana-lyzed;semantic features of medical knowledge were combined;the annotation system of medicine named entities and entity relations was formulated and the platform was developed accordingly.Under the guidance of medical experts,106high-incidence diseases were selected and labeled.The consistency rate of named entity and entity relationship were achieved87.3%and82.9%respectively.On the basis of manual anno-tation,the entity and relation were extracted automatically.Along with more than200000medical entities and over one million conceptual relationship examples and attribute triples,6310diseases,19853drugs (western medicine,Chinese patent medicine and Chinese herbal medicine),and1237diagnosis and treat-ment technologies were included in the CMeKG version1.0.Thus,A solid foundation could be laid by CMeKG in certain fields,such as medical question answering system and intelligent assisted diagnosis. Key words:medical knowledge graph;named entity;entity relationship;labeling specification;knowl-edge graph construction(责任编辑:方惠敏)。

生命科学领域细分龙头股解析
生命科学领域内有很多公司在不同的细分领域表现出色。

以下是
其中一些细分龙头股的解析：
1. 基因测序：Illumina（爱因斯坦）是全球最大的基因测序和
基因芯片制造商之一，其产品有助于研究基因组学、药物研发和精准
医学等领域。

2. 生物制药：Regeneron（再生元）是一家快速发展的生物制药
公司，致力于开发治疗癌症、眼科疾病、风湿性关节炎等疾病的新药。

3. 医疗设备：Medtronic（美敦力）是全球领先的医疗设备制造商，其产品包括心脏起搏器、脊柱椎间盘支持系统等。

4. 生命科学工具：Thermo Fisher Scientific（赛默飞世尔科技）是一家全球领先的生命科学工具公司，提供细胞培养、基因测序、蛋白质分析等实验室设备和试剂。

5. 医药零售：CVS Health（CVS健康）是美国最大的医药零售商之一，经营着一系列零售药店、药房和医院等。

以上是生命科学领域内的部分细分龙头股，这些公司在其所在的
领域有着极高的市场份额和业务覆盖面。

他们的产品和服务对生命科
学研究、医疗保健等领域都有着很高的影响力。

2022年5月 科学中国人 25以科学思维 领军转化医学——记中国科学院生物物理研究所抗体工程高级专家李翀　王 芳 户 万北京燕山南麓，世界级原始创新承载区的怀柔科学城中，李翀创建的中科健兰集团（以下简称“中科健兰”）在这里诞生和发展。

2018年，在中国科学院和北京市科学技术委员会“怀柔科学城科技创新专项”的支持下，中科健兰依托中国科学院生物物理研究所的国家重点实验室和国家级医学组织样本数据库，深入开展基础医学研究和转化医学研究。

从无到有，由弱到强，在李翀的带领下，中科健兰通过一系列的医学研究与应用实践，秉承让科学问题“从临床中来、到临床中去”的医学转化理念，构建从科研理论到成果创新的高效传导迭代循环新模式，为中国转化医学践行出了一条前所未有的创新之路。

4年来，无数次深夜复盘和推演，也让李翀从一名中国科学院生物物理研究所抗体工程高级专家成长为集科研、临床、管理、运营于一身的大型科学集团董事长，成为跨领域的中国转化医学领军者。

科研导师：从临床中来到临床中去用科学的方法引领科技成果转化，是李翀有别于企业经营者、科技工作者和行政管理者的独特思维。

在李翀看来，科学研究、产业落地、临床应用之间存在着现实脱节，只有将理论应用于实践，再用实践检验理论，才能弥合差距、实现共赢。

在医学领域，李翀发现临床专家和科学家的思维完全不一样。

“科学家喜欢简单问题复杂化，一个问题出现了，要提出科学假说、探究发生机理、剖析致病机制，不断进行发问和求证，这是科学家看待问题的方式。

”而临床专家刚好相反，“在与临床机构合作的过程中，我们发现临床专家喜欢复杂问题简单化。

他们更看重结果是否有用，是否能治病，对患者来说有多大的好处，这是他们更看重的地方。

”正是因为存在这样的差距，李翀和他的团队作为科研“国家队”的一分子，通过中国科学院的科研力量指导临床机构进行基础医学和转化医学的研究与应用，开启了多个研究计划，让科学问题从临床研究中来、到临床实践中去，从而更好地解决重大临床问题，解释重要生理意义。

生物医用材料龙头企业全文共四篇示例，供读者参考第一篇示例：生物医用材料是一种应用于医疗领域的材料，主要用于替代人体组织、修复受损组织、辅助诊断治疗等用途。

随着医疗技术的不断发展和人们对健康的追求，生物医用材料市场需求不断增长，成为了一个渐趋火热的行业。

在生物医用材料行业中，有一些企业被称为“龙头企业”，这些企业在行业内拥有较大的市场份额、领先的技术水平和广泛的产品线，代表着行业的发展方向和趋势。

下面我们就来介绍几家国内外知名的生物医用材料龙头企业。

第一家公司是美国爱迪克公司（EddyTech Corporation），这是一家专注于生物材料应用与研发的企业，公司成立于2000年，总部位于美国加州，是全球生物医用材料行业中最具实力的企业之一。

爱迪克公司主要从事生物医用材料的设计、生产和销售，产品涵盖了人工关节、人工器官、生物支架等领域，为医疗器械行业提供了全方位的解决方案。

爱迪克公司拥有团队实力雄厚的研发团队和高水平的生产技术，可以为全球客户提供个性化的定制服务。

第二家公司是德国西门子医疗（Siemens Healthineers），西门子医疗是全球规模最大、技术最先进的医疗设备制造商之一，也是生物医用材料领域的龙头企业之一。

西门子医疗在生物医用材料领域的产品线涵盖了医用成像、手术器械、体外诊断等多个领域，公司在生物医用材料研发、生产和销售方面取得了显著成就。

西门子医疗拥有一支强大的研发团队和专业的销售服务团队，其产品远销全球100多个国家和地区，深受全球客户的信赖和好评。

这些生物医用材料行业的龙头企业在技术研发、产品创新、市场拓展等方面都取得了显著成就，为行业的发展做出了重要贡献。

随着科技的不断进步和消费者对健康的重视，生物医用材料行业的发展潜力巨大，未来将迎来更广阔的市场空间和发展机遇。

希望这些龙头企业能继续保持创新精神，不断提升产品质量和服务水平，为医疗健康事业的发展作出更大的贡献。

第二篇示例：生物医用材料是指应用于医疗领域的材料，可以用于修复、替换或增强生物组织和器官功能。

植物提取技术全介绍超声循环提取技术 (1)超声波提取萃取器系列 (1)植物提取物：修整前进步伐前景利好 (3)陕南目前最大植物提取生产线城固县投产 (3)植物提取物出口快速增长拉动产业升级 (4)湖州荣凯植物提取有限公司 (4)美国从植物中提取胰岛素 (4)浙江金华康恩贝生物制药有限公司 (4)我国植物提取物行业科技发展现状 (5)我国植物提取物市场分析 (11)植物提取物出口突破4亿美元 (15)植提标准谁来统?? (15)2006年7月份提取物企业出口排名 (16)浙江省植物提取行业 (17)陕西方舟天然营养制品有限公司 (17)2007年上半年提取物出口形势分析及展望 (17)业内专家：植物提取物产业发展须突破四大瓶颈 (19)中国原料药因环保问题涨价波及印度制药业 (19)青蒿素企业困境：WHO采购新规和产能过剩 (20)植物提取物：修整前进步伐前景利好 (21)我国广义生物产业产值已近5000亿元 (21)咖啡有助于防止蛀牙 (22)枳实提取物外经贸行业标准 (22)超声循环提取技术超声循环提取技术是中国科学院过程工程研究所生化工程国家重点实验室的科研人员，针对我国目前在天然产物提取过程中存在的突出问题，在海洋“863”和国家“九五”科技攻关项目的支持下，研究开发出的具有自主知识产权、国内国际先进水平的专利技术，是将超声波强化提取技术运用在传统天然产物提取生产领域中的革命性技术突破。

超声波具有“空化现象”、“机械振动”以及“热效应”等特性，“空化现象”可产生瞬间几千个压力，使提取介质中的微小气泡压缩、爆裂，破碎被提取原料和细胞壁，加速天然药用成份的溶出，“机械振动”和“热效应”进一步强化了溶出成份的扩散，使药用成份在提取介质中快速达到浓度平衡，可大大缩短提取时间，提高产品质量，是当前浸出提取中最具前途的提取技术。

中科院过程工程所的研究人员采用超声循环提取技术解决了超声波提取工程放大题，攻克了超声波应用于提取生产的最大障碍。

行业周报按病种分值付费（DIP）规程发布，或将推动进口替代加速生物医药2021年07月25日强于大市（维持）行情走势图相关研究报告《行业深度报告*生物医药*创新药研发专题系列——ADC：从模仿转型创新之路》2021-07-22《行业周报*生物医药*即将进入中报季，推荐关注业绩确定性强的标的》2021-07-21《行业周报*生物医药*新政策推动药物创新，关注真正具有临床价值和壁垒的创新企业》2021-07-12 《行业点评*生物医药*临床价值成为关注核心，医药创新门槛提高助推产业升级》2021-07-08《行业周报*生物医药*“十四五”医疗卫生服务实施方案出台，利好医疗器械与医疗服务》2021-07-04证券分析师叶寅投资咨询资格编号S1060514100001************y ey****************.cn李颖睿投资咨询资格编号S1060520090002liy********************.cn请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。

⏹行业观点：按病种分值付费（DIP）规程发布，或将推动进口替代加速。

7月15日，国家医保局印发了《按病种分值付费（DIP）医疗保障经办管理规程（试行）》。

该规程的发布，将进一步提高医疗保障基金使用效率，积极稳妥推进区域点数法总额预算和按病种分值付费，规范DIP的经办管理工作。

规程明确了DIP业务的主要内容，具体包括七项：（一）完善协议管理，建立健全医保经办机构与定点医疗机构协商谈判机制；（二）按照全国统一的业务和技术标准，加强数据治理，为DIP业务开展提供支撑；（三）实施区域总额预算管理，合理制定DIP支付预算总额；（四）确定统筹地区病种分值和医疗机构等级系数；（五）开展审核及月度预结算，也可按月结算；（六）开展年度清算，计算各定点医疗机构DIP年度清算医保基金支付金额；（七）强化DIP全流程监测，加强考核评价。

江苏新冠检测龙头股票一览表江苏省是中国经济重要的省份之一，也是新冠疫情防控工作较为出色的地区之一。

在新冠疫情爆发后，江苏省积极采取措施，加强疫情防控工作，包括加大新冠病毒的检测力度。

因此，江苏省的新冠检测行业迅速发展，相应的龙头股票也得到市场的关注。

江苏省新冠检测龙头股票主要集中在医药和生物科技领域，下面是几个值得关注的股票：1. 宇新药业（603718）：宇新药业是江苏省一家新冠检测设备和试剂的研发和生产企业，其具备自主知识产权的PCR检测设备和试剂在新冠疫情期间被广泛应用。

宇新药业积极扩大生产能力，满足市场需求，并取得了良好的业绩。

公司股票在疫情期间表现良好，市值持续增长。

2. 爱尔眼科（300015）：爱尔眼科是一家综合眼科服务提供商，也是江苏省一家新冠检测服务的提供商之一。

公司在疫情期间积极组织开展新冠检测工作，并成为江苏省重要的新冠检测实验室。

爱尔眼科的股票表现出色，市值稳步增长。

3. 格力生物（688363）：格力生物是一家生物医药企业，其主要业务包括生物制药、基因检测和体外诊断。

格力生物在新冠疫情期间积极参与抗疫工作，推出了多个新冠检测产品，并取得了一定的市场份额。

公司股票在疫情期间表现出色，市值持续增长。

4. 美尔雅（688085）：美尔雅是一家致力于基因测序与分析的高科技公司，也是江苏省一家新冠检测服务的提供商。

美尔雅在疫情期间积极开展新冠病毒的基因测序工作，并为疫情防控提供了重要的技术支持。

公司股票在疫情期间表现良好，市值稳步增长。

总而言之，江苏省的新冠检测行业发展迅速，涌现出许多龙头股票。

这些公司在新冠疫情期间积极参与抗疫工作，取得了较好的业绩。

随着新冠疫情的不断传播和扩散，新冠检测行业仍将保持较高的增长势头，这些龙头股票有望继续受到市场的关注和追捧。

细胞免疫治疗主要上市公司一览1.开能环保（300272）公司公告拟以自有资金1亿元认缴出资设立上海原能细胞科技有限公司建免疫细胞项目，主要是免疫细胞的存储和应用，预计毛利率约为40%-50%。

公告称将通过技术合作、投资等方式与国际、国内的研究机构和专家开展免疫细胞治疗技术的研究与产品开发，在肿瘤治疗、肿瘤免疫、抗衰老、保健及提升免疫力等领域展开应用方面的技术转化合作。

2.中珠控股（600568）公司携手美国TNITNI生物技术有限公司公司研发抗癌药物免疫疗法和瑞银报告中诺华公司一样已完成二期临床试验。

在6月21日中珠控股在重组公告中显示，中珠控制旗下全资子公司湖北潜江制药股份有限公司拥有多家医药制药公司股权（新疆新特药民族药业有限公司36%股权及14%股权托管受益权、陕西济生制药有限公司50%股权托管受益权和湖北东盛制药有限公司98.68%股权）。

目前看中珠控股在医药行业中市值远远低于同行业，细胞免疫治疗概念板块中流通盘与开能环保接近同在20亿下。

3.冠昊生物（300238）公司与台湾鑫品生医科技股份有限公司（鑫品生医）签订有关免疫细胞储存技术《技术授权合同书》，以1200万元的价格获得鑫品生医免疫细胞存储技术在中国大陆地区使用的独家授权。

台湾鑫品生医是一家在免疫细胞治疗领域技术领先的上市公司，鑫品生医的“优化免疫细胞银行”在2011年获得SNQ品质（SymbolofNationalQuality-SNQ）标章，是全台湾第一家获得该标章认证的公司。

鑫品生医拥有自主研发的T细胞制备技术为核心的免疫细胞治疗品台技术，在免疫细胞的提娶存储、复苏和治疗领域占据优势（比如细胞复苏后的存活率能达到95%以上）。

4.海欣股份（600851）公司控股子公司海欣生物技术与上海第二军医大学合作研发的"抗原致敏的人树突状细胞（APDC）”是我国首个自主研发的获得CFDA 批准的、针对晚期大肠癌的治疗性疫苗。

生物科技基因概念股票有哪些
以下是一些生物科技基因概念股票的例子：
1. 朗霖科技（Illumina Inc.）：朗霖科技是一家基因测序和分
析解决方案的领先供应商。

公司的测序和分析平台被广泛应用于生物医学研究、药物开发和临床诊断等领域。

2. 康宁（Corning Inc.）：康宁是一家生物科技公司，主要从
事研究和开发用于细胞培养和基因表达的产品。

康宁的细胞培养产品广泛应用于药物开发和生物医学研究等领域。

3. 美国基因组（Genomic Health Inc.）：美国基因组是一家专
注于癌症基因组学研究和分析的公司。

该公司提供的基因组检测产品，可以帮助医生和患者做出个性化的癌症治疗决策。

4. 陌陌科技（Momo Inc.）：陌陌科技是一家中国在线社交网
络公司，其子公司陌陌生物专注于基因编辑和人工智能技术。

陌陌生物的基因编辑技术被广泛应用于农业育种和医学研究等领域。

5. 喜力生科（Crispr Therapeutics AG）：喜力生科是一家专注
于基因编辑技术开发的生物科技公司。

公司的CRISPR-Cas9
基因编辑技术被认为是一种革命性的基因工程工具，可以用于治疗各种遗传性疾病。

这些公司代表了生物科技和基因概念股票中的一些重要参与者。

投资者可以通过购买这些股票来参与到基因科技领域的发展，
并获得潜在的投资回报。

但是，请注意股市投资有风险，并且过去的表现并不代表未来的结果。

投资者在进行任何投资决策之前，应该进行充分的研究和了解，并在需要的情况下寻求专业的投资建议。

基因编辑治疗的龙头股票有哪些基因编辑治疗是一种新兴的医学领域，通过对人体的基因进行编辑和改造，来治疗一些遗传性疾病。

随着技术的进步和临床的验证，基因编辑治疗在股市中也逐渐受到了投资者的关注。

下面是几个基因编辑治疗领域的龙头股票。

1. CRISPR Therapeutics （CRSP）CRISPR Therapeutics是一家全球领先的基因编辑公司，专注于开发基于CRISPR-Cas9技术的治疗方案。

该公司与药厂Vertex Pharmaceuticals合作，开发了一种针对血液病的基因编辑疗法。

目前，该公司的CAR-T疗法已经进入临床试验阶段。

2. Editas Medicine （EDIT）Editas Medicine是一家专注于基因编辑研究的公司，通过开发CRISPR-Cas9技术，针对多种疾病提供治疗方案。

Editas Medicine与Allergan合作，致力于开发基因编辑治疗眼疾的新药。

该公司还在开发一种基因编辑药物，用于治疗固有性代谢疾病。

3. Intellia Therapeutics （NTLA）Intellia Therapeutics是一家基因编辑技术公司，专注于使用CRISPR-Cas9技术治疗临床需求。

Intellia Therapeutics与美国卡莱尔研究所合作，开发基于基因编辑的疗法，用于治疗固有性肾上腺皮质增生症。

4. Sangamo Therapeutics （SGMO）Sangamo Therapeutics是一家生物制药公司，专注于基因编辑和基因疗法的研究和开发。

该公司研发了一种基于Zinc Finger Nuclaese（ZFN）技术的基因编辑疗法，用于治疗HIV和人类免疫缺陷病毒（HIV/AIDS）。

需要注意的是，基因编辑治疗是一个新兴的领域，目前处于科研和临床实验阶段，尚未商业化。

投资者在投资基因编辑类股票时应谨慎，了解公司的研发进展、合作伙伴和市场前景。

基因医药龙头企业
目前全球的基因医药龙头企业主要有以下几家：
1. 朗盛生物（Roche）：朗盛生物是瑞士的一家医药公司，业
务涵盖药物研发、诊断工具和生物技术等领域，在基因医药领域拥有丰富的产品线和研发能力。

2. 异常基因科学（Genentech）：异常基因科学是美国的一家
生物医药公司，是朗盛生物的全资子公司，专注于生物技术和基因医药研发领域，是全球基因医药领域的重要参与者。

3. 默克（Merck）：默克是美国的一家跨国医药公司，涉及医
药研发、生物医学和基因治疗等领域，其基因医药业务在国际市场上占据重要地位。

4. 新特药业（Novartis）：新特药业是瑞士的一家综合性医药
公司，业务涉及制药、眼科、基因治疗等领域，在基因医药研发和生产方面积累了丰富的经验。

5. 民斯（CNS Pharmaceuticals）：民斯是美国的一家专注于基
因医药研发的公司，主要致力于治疗胶质母细胞瘤等罕见疾病，目前在基因医药领域取得了一定的突破。

以上仅为部分基因医药领域的龙头企业，随着科技的不断进步和基因医药领域的发展，未来可能会涌现更多的领军企业。

Enterprise Development专业品质权威Analysis Report企业发展分析报告生命之源（珠海）生物科技有限公司免责声明:本报告通过对该企业公开数据进行分析生成，并不完全代表我方对该企业的意见，如有错误请及时联系;本报告出于对企业发展研究目的产生，仅供参考，在任何情况下，使用本报告所引起的一切后果，我方不承担任何责任:本报告不得用于一切商业用途，如需引用或合作，请与我方联系:生命之源（珠海）生物科技有限公司1企业发展分析结果1.1 企业发展指数得分企业发展指数得分生命之源（珠海）生物科技有限公司综合得分说明：企业发展指数根据企业规模、企业创新、企业风险、企业活力四个维度对企业发展情况进行评价。

该企业的综合评价得分需要您得到该公司授权后，我们将协助您分析给出。

1.2 企业画像类别内容行业医药制造业资质空产品服务术服务、技术开发、技术咨询、技术交流、技1.3 发展历程2工商2.1工商信息2.2工商变更2.3股东结构2.4主要人员2.5分支机构2.6对外投资2.7企业年报2.8股权出质2.9动产抵押2.10司法协助2.11清算2.12注销3投融资3.1融资历史3.2投资事件3.3核心团队3.4企业业务4企业信用4.1企业信用4.2行政许可-工商局4.3行政处罚-信用中国4.4行政处罚-工商局4.5税务评级4.6税务处罚4.7经营异常4.8经营异常-工商局4.9采购不良行为4.10产品抽查4.11产品抽查-工商局4.12欠税公告4.13环保处罚4.14被执行人5司法文书5.1法律诉讼（当事人）5.2法律诉讼（相关人）5.3开庭公告5.4被执行人5.5法院公告5.6破产暂无破产数据6企业资质6.1资质许可6.2人员资质6.3产品许可6.4特殊许可7知识产权7.1商标信息最多显示100条记录，如需更多信息请到企业大数据平台查询7.2专利7.3软件著作权7.4作品著作权7.5网站备案7.6应用APP7.7微信公众号8招标中标8.1政府招标8.2政府中标8.3央企招标8.4央企中标9标准9.1国家标准9.2行业标准9.3团体标准9.4地方标准10成果奖励10.1国家奖励10.2省部奖励10.3社会奖励10.4科技成果11土地11.1大块土地出让11.2出让公告11.3土地抵押11.4地块公示11.5大企业购地11.6土地出租11.7土地结果11.8土地转让12基金12.1国家自然基金12.2国家自然基金成果12.3国家社科基金13招聘13.1招聘信息感谢阅读:感谢您耐心地阅读这份企业调查分析报告。

中国十大生物公司排名第一篇：中国生物公司排名前五名随着中国生物制药公司的愈发强大，这个国家成为了迄今为止最受瞩目的生物科技领域，并且很有可能在未来成为全球领导者之一。

下面我们将重点介绍中国排名前五的生物公司。

1. 药明康德药明康德成立于1999年，总部设在上海，是中国最大的药品研发外包服务提供商。

其主要业务包括药物发现、药物研发、药品生产、临床试验、医学检测等。

药明康德在香港交易所上市，市值高达260亿美元。

其客户包括了全球知名制药公司，如辉瑞、默沙东、谷利医药等。

2. 华大基因1999年，华大基因在深圳创立。

该公司涉及到了DNA测序和相关研究的电子商务，同时还提供了产前诊断和肿瘤治疗等服务。

华大基因首次公开募股，于2019年5月在科创板上市，成为首家在该板块上市的生物技术公司。

其市值超过240亿美元，为继腾讯、阿里巴巴之后中国第三大上市公司。

3. 吉药控股吉药控股是一家集医药研发、生产和销售于一体的国有企业，其总部位于北京市。

其市值约150亿美元，是中国最大的中药制造商和出口商之一。

吉药控股在2019年成功登陆香港交易所，并成功发行10亿股，募资达75亿美元。

其发展方向是打造一个综合的健康产业集团。

4. 美的集团（美的生物）美的集团是一家家电制造商，但是在2017年收购了库柏曼生物制品公司之后，也开始进军制药领域。

其生物产业部门成为了中国最快增长和最有前途的生物公司之一。

美的生物主要是从事检测试剂盒、生物制药等相关业务。

该公司市值约127亿美元。

5. 3SBio3SBio成立于1993年，总部设在沈阳市，是一家专注于生物药物研究开发和生产的公司。

其在肿瘤、肾病、类风湿性关节炎、心血管系统等领域具有重要的优势。

3SBio在香港交易所上市，市值约69亿美元，是中国最大的生物制药公司之一。

第二篇：中国生物公司排名6-10名继续介绍中国十大生物公司排名，接下来将介绍第6到10名的公司。

6. 爱尔眼科爱尔眼科成立于1999年，是一家专门从事眼科医疗技术研究的公司。