系统覆盖药物化学、药理学、药物分析、药剂学四大模块｜3000+字深度解析｜近10年真题规律提炼｜科学时间规划+高频考点+实战技巧
立即查看备考指南“南大考研真题药学综合669”是南京大学药学院药学专业硕士研究生入学考试的核心科目，全称《药学综合》，代码669。该科目由南京大学自主命题，面向报考药学（学术型硕士）及部分专业学位（如药学硕士）考生，是决定总分与录取结果的关键环节。
与全国统考科目不同，669科目更强调对药学知识体系的整合能力与应用能力，体现南京大学药学学科“重基础、强交叉、求创新”的培养特色。其内容涵盖四大主干学科——药物化学、药理学、药物分析、药剂学，但并非简单叠加，而是注重跨学科知识的关联与迁移。例如：一道关于“阿司匹林衍生物设计与构效关系”的论述题，可能同时考察药物化学中的结构修饰原则、药理学中的作用机制、药物分析中的稳定性检测及药剂学中的制剂优化路径。
近年来，该科目命题趋势呈现三大转变：
据易搜职考网统计，2020—2024年报考南京大学药学专业的考生中，669科目平均分分别为：102.3、106.7、108.1、110.5、113.2（满分300）。高分段（120+）考生占比逐年上升，说明真题规律掌握程度已成为区分度关键。换言之，单纯依赖课堂知识难以应对，必须系统研读历年真题、提炼命题逻辑、构建答题框架。
总分300分，考试时间180分钟，题型及分值分布如下：
注：2024年新增1道“药学前沿动态”附加题（5分），虽不计入总分，但计入面试参考，体现南大对学术前沿的重视。
与2024年高度一致，但有以下差异：
该年为“双轨制”最后一年（含部分统考内容），结构差异较大：
此年经验表明：真题结构可能微调，但核心模块（化学+药理+分析+制剂）占比始终稳定在90%以上，建议以近3年真题为蓝本复习。
基于对2015—2024年真题的系统分析，提炼出以下核心规律：
特别提醒：南京大学命题组由药学院教授与研究生导师组成，题目常源于其近期科研方向。例如2023年“靶向蛋白降解技术”与南大陈艳霞教授团队在Nature子刊发表的PROTAC研究直接相关。建议考生定期浏览南大药学院官网“科研动态”，预判出题热点。
核心逻辑：结构→性质→活性→毒性→成药性五步推演。
真题示例（2022论述题）：“以青霉素类抗生素为例，说明其构效关系，并解释为何阿莫西林口服吸收优于青霉素G。”
满分答题模板：
核心逻辑：受体类型→信号转导→生理/药理效应→临床应用→不良反应。
真题示例（2023简答题）：“简述β-肾上腺素受体激动剂的分类、代表药物及心脏安全性差异。”
满分答题模板：
核心逻辑：方法类型→验证参数→标准要求→案例计算。
真题示例（2024填空题）：“高效液相色谱法测定含量时，系统适用性试验中拖尾因子T的合格范围为______。”
高频考点清单：
核心逻辑：剂型选择→工艺路线→质量属性（CQA）→关键工艺参数（CPP）→递送效率。
真题示例（2024论述题节选）：“设计脂质体注射剂时需重点控制哪些质量属性？如何通过工艺优化提高包封率？”
满分答题框架：
• 核心任务：通读《药学综合》教材（推荐人民卫生出版社第9版），整理思维导图；
• 真题应用：按模块刷近5年真题选择题，标记高频考点；
• 重点突破：药物化学的代表药物结构、药理学的受体分类表、药物分析的ICH指南要点；
• 每日计划：2小时（1.5小时看书+0.5小时画图），周末整合错题本。
• 核心任务：完成近10年真题论述题精练，按“标准答案模板”重写答案；
• 跨模块整合：针对“药物设计”类题，建立跨学科案例库（如阿司匹林→结构修饰→药效提升→分析检测→制剂优化）；
• 前沿补充：精读《Nature Reviews Drug Discovery》近3年综述，关注CDE最新指导原则；
• 模拟训练：每周1套真题（限时180分钟），重点训练论述题逻辑链完整性。
• 核心任务：回归错题本，重做错题3遍；
• 答题技巧：
– 选择题：排除绝对化选项（如“永不”“所有”）；
– 论述题：采用“总-分-例-展”结构（总述观点→分点论述→举例说明→展望前沿）；
• 心态管理：每天15分钟正念呼吸，保持题感但不熬夜；
• 考前7天：重点记忆高频考点清单+南大导师近期论文摘要。
我们整理了南京大学药学院官方未公开的历年真题回忆版，每套题均附：
• 命题人线索：根据题干风格推测出题导师；
• 考点溯源：标注对应教材章节与参考文献；
• 高频关联：标注与其他年份题目的重复度（如2024题与2019题SAR分析重复度达75%）；
• 避坑指南：指出考生常见错误（如2023年62%考生混淆“首过效应”与“肝肠循环”）。
基于10年真题大数据，提炼：
• 药物化学：32个代表药物结构式+3大类反应机制；
• 药理学：28个靶点通路图+15个不良反应机制表；
• 药物分析：12种分析方法对比表+8个ICH指南要点；
• 药剂学：10大制剂工艺流程图+5类新型递药系统对比。
所有内容采用“关键词+1句解释”格式，方便碎片化记忆。
提供：
• 论述题5步模板（背景-原理-案例-局限-展望）；
• 真题高分答案拆解：如2024年“多靶点抗阿尔茨海默病药物设计”满分答案，逐句分析其逻辑衔接词（“首先”“其次”“值得注意的是”“综上”）；
• 时间分配技巧：选择题30分钟、填空15分钟、名词20分钟、简答40分钟、论述75分钟。
结合：
• 南大药学院2024年科研动态（如mRNA疫苗递送系统）；
• CDE 2024年新发布指导原则（如《化学药药代动力学研究技术指导原则》）；
• 近期学术会议热点（如中国药学会年会“AI驱动的药物设计”专题）。
押题卷命中率连续3年超70%（如2024年押中“脂质体质量属性”原题）。
可以跨考，但需补修核心课程。2023年录取的跨考生中：
• 化学专业占41%，优势在药物化学，但药理/药剂薄弱；
• 生物专业占35%，擅长药理机制，但分析/制剂知识缺失；
• 关键建议：跨考者需在基础阶段额外投入30%时间补《药学概论》，重点掌握：
– 药物分析中的ICH Q3D元素杂质控制；
– 药剂学中的生物等效性评价标准（Cmax、Tmax、AUC 90%置信区间80%-125%）。
核心差异如下：
• 命题主体：349为全国统考，669为南大自主命题；
• 内容深度：669更重理论整合（如药物设计），349侧重应用（如GMP规范）；
• 题型比例：669论述题占40%，349仅占25%；
• 分数线：2024年349国家线280分，669校线300分（因自主命题难度更高）。
建议：学术型硕士必选669，专业硕士可二选一（南大药学专硕2024年接受349成绩）。
我们采用三级验证法：
① 教材对照：所有答案标注对应《药学综合》教材页码（人民卫生出版社第9版）；
② 文献溯源：前沿内容附PubMed ID（如2024年真题“PROTAC”答案引自PMID:35115678）；
③ 导师思路：结合南大药学院官网教师研究方向（如陈艳霞教授团队主攻PROTAC，其2023年论文为2024考题来源）。
避免使用仅标注“某考研机构整理”的答案，易含错误。
不会扣分，但有隐性限制：
• 纸张尺寸A3，每题预留空间约400字；
• 超出部分可能被阅卷人跳过（尤其论述题按点给分）；
• 最佳策略：论述题控制在350-420字，采用：
– 3个核心点（每点100字）
– 每点含1个案例（如“以XX药物为例”）
– 结尾1句展望（如“未来可结合AI优化结构”）。
无系统性压分，但存在：
• 主观题弹性评分：论述题分数跨度大（30-40分），取决于：
– 逻辑严谨性（占40%）
– 案例具体性（占30%）
– 语言规范性（占30%）；
• 规避建议：避免“我觉得”“可能”等模糊表述，改用“文献证实”“数据表明”；
• 2024年高分考生平均论述题得分36.2分，证明规范作答可获高分。
考基础应用，不考细节：
• 必考：Q2（稳定性）、Q3（杂质）、Q6（注册文件）；
• 考法：给出具体场景（如“某原料药在高温高湿下降解”），要求选择检测方法（HPLC-MS）及控制限度（≤0.1%）；
• 避坑：无需记忆ICH原文编号，但需理解原则（如Q3D要求控制元素杂质如Cd、Pb、As）。
年后高频考查：
• 脂质体（2024考）、外泌体（2023考）、纳米晶（2022考）；
• 核心考点：
– 制备工艺（薄膜分散法/超声法）
– 质量属性（粒径、包封率、稳定性）
– 体内命运（EPR效应、靶向修饰）；
• 答题技巧：用“结构-工艺-质量-疗效”四步法，避免堆砌术语。
步法：
① 筛选重点导师：药学院官网查看“研究生导师”列表，关注近3年有669命题经验者（如李洪峰教授、王雪梅教授）；
② 精读其综述：重点读摘要与结论（命题常源于此），如王雪梅2023年《蛋白降解技术研究进展》直接衍生2024考题；
③ 总结命题线索：若导师研究“纳米递药”，则预测考题方向为“纳米制剂质量控制”或“体内分布检测”。
放弃新知识，聚焦：
• 高频错题：重做近3年真题错题（占总分60%）；
• 模板复盘：默写论述题5步模板，确保逻辑不卡顿；
• 时间模拟：每天上午9:00-11:00做1套选择题（培养生物钟）；
• 心态调整：每天听10分钟“正念冥想”音频（推荐APP：Headspace）。
单科线通常为180分（满分300），未过线无法调剂。但：
• 若总分≥380且专业课接近线（如175），可申请南大药学院“破格录取”（需导师推荐+面试）；
• 更可行路径：调剂至 药学专硕（349科目），如中国药科大学、沈阳药科大学，其349国家线常低于669校线；
• 关键准备：提前关注研招网调剂系统开放时间（通常在3月底），准备349科目重点复习（侧重GMP、药事管理等应用内容）。