Phép đo độ giống nhau của các thành phần thuốc Trung Quốc để xác định tính chất nóng lạnh

Để biết thêm thông tin:emily.li@wecistanche.com

Guo-Hui Wei, Xian-Jun Fu, Zhen-Guo Wang

Phòng thí nghiệm lý thuyết 1Key của TCM, Bộ Giáo dục Trung Quốc, Đại học Y học Cổ truyền Trung Quốc Sơn Đông, Tế Nam, Trung Quốc.

Điểm nổi bật

Trong nghiên cứu này, chúng tôi đã xác minh giả thuyết rằngngười Trung Quốccác loại thuốccó thành phần chất tương tự nhau nên có tính chất dược liệu tương tự nhau. Chúng tôi đã sử dụng dấu vân tay hóa học để phân tích các thành phần hóa học trong thuốc Trung Quốc. Chúng tôi đã đo lường mức độ giống nhau của các thành phần bằng thước đo khoảng cách và thiết kế một sơ đồ truy xuất để xác định tính chất nóng lạnh củangười Trung Quốccác loại thuốc.

Cistanche là một loại thuốc Trung Quốc rất tốt

trừu tượng

Mục tiêu: Thuyết bản chất củangười Trung Quốcdược phẩm(CM) là lý thuyết cơ bản cốt lõi củaCổ truyềnngười Trung QuốcDược phẩm(TCM), trong đó tính chất nóng lạnh là trọng tâm nghiên cứu. Các nghiên cứu đã phát hiện ra rằng các thành phần CM là cơ sở vật chất để sản xuất các bản chất làm thuốc. Vì vậy, người ta suy đoán rằng các CM có thành phần các chất tương tự nhau nên có tính chất dược liệu tương tự nhau. Công trình hiện đại nghiên cứu y học nóng lạnh của CM bằng công nghệ lấy dấu vân tay hóa học vì dữ liệu vân tay hóa học của CM có thể phản ánh toàn bộ thành phần của các thành phần CM.

Phương pháp: Để kiểm chứng giả thuyết trên, trong công trình này, chúng tôi nghiên cứu định lượng sự giống nhau của các thành phần CM với độ giống nhau của vân tay và tìm hiểu mối quan hệ giữa thành phần của các CM và tính chất nóng lạnh. Đầu tiên, chúng tôi sử dụng công nghệ quang phổ tia cực tím (UV) để phân tích 61 CM, có bản chất lạnh-nóng rõ ràng (bao gồm 30'cold'CMs và 31'hot 'CMs). Thứ hai, với cơ sở dữ liệu vân tay được xây dựng của các CM. một thuật toán học đo lường khoảng cách được nghiên cứu để đo lường mức độ giống nhau của các dấu vân tay UV. Cuối cùng, một kế hoạch truy xuất được đề xuất để xây dựng một mô hình nhận dạng tiên đoán nhằm xác định bản chất nóng lạnh của các cuộc CM.

Kết quả: Bằng nhiều phân tích thí nghiệm, dữ liệu phổ tử ngoại của dung môi ete dầu mỏ có thể đại diện tốt hơn cho các CM để phân biệt giữa bản chất lạnh và nóng. So với các mô hình cổ điển hiện có, sơ đồ nhận dạng được đề xuất có hiệu suất dự đoán tốt hơn.

Kết luận: Kết quả thí nghiệm chứng minh suy luận của chúng tôi rằng các CM có thành phần các chất tương tự nhau nên có bản chất dược liệu tương tự.

Từ khóa: Y học cổ truyền Trung Quốc,người Trung QuốcDược phẩmThành phần, Quang phổ tử ngoại, Phép đo độ giống nhau, Tính chất nóng lạnh

Tiểu sử

Là một trong những yếu tố cốt lõi của Y học cổ truyền Trung Quốc (TCM), lý thuyết bản chất của bệnh TCM đã thu hút sự chú ý của các học giả và cơ quan nghiên cứu trong nhiều năm. Bản chất củangười Trung Quốcdược phẩm(CM) chứa bốn loại tức là. mát, lạnh, nóng và ấm, mà tính chất lạnh và nóng là một phần quan trọng của lý thuyết bản chất của bệnh TCM [1,2]. Tính chất nóng của lý thuyết bản chất y học là cơ sở quan trọng để điều trị bệnh TCM trong việc điều chỉnh sự cân bằng giữaÂmvàDươngcủa cơ thể con người, và việc áp dụng bản chất y học nóng lạnh dẫn đến điều trị hiệu quả trong y học lâm sàng bệnh TCM [3].

Nhiều chuyên gia duy trì quan điểm khác nhau về bản chất nóng lạnh của bệnh TCM. Jin và cộng sự [4] đề xuất 'mô hình phân tích toán học ba yếu tố để nghiên cứu đặc điểm sinh học của bệnh TCM trên cơ sở bản chất y học nóng lạnh. Zhao và cộng sự. [5] đã khám phá phương pháp đĩa lạnh / nóng để phân biệt bản chất lạnh-nóng của sắc độ Mahuang và Maxingshigan. Wan và cộng sự [6] đã nghiên cứu ảnh hưởng của TCM với các đặc tính khác nhau đối với điều hòa nhiệt độ và protein kênh phân cảm thụ thoáng qua nhạy cảm với nhiệt độ của chuột bị sốt do nấm men. Liang và cộng sự [7] đã phân tích tính chất nóng lạnh của dược liệu Trung Quốc bằng phương pháp mạng lưới phân tử và phân mảnh hóa học. Wang và cộng sự. [8] đã xác định 59 CHM có đặc tính nóng / lạnh điển hình bằng bản đồ tự tổ chức. Fu và cộng sự. [9,10] đã điều tra sự hiện diện củachống ung thưhoạt động được hiển thị bởi bản chất lạnh-nóng của y học biển cổ truyền Trung Quốc với phân tích cây phát sinh loài và khám phá trong phương pháp Chế độ hành động Silico để giải thích bản chất lạnh, nóng và trung tính của CMs.

Nói chung, sự phân biệt tính chất nóng lạnh của các cuộc CM bao gồm hai phần: biểu diễn đặc điểm và phân loại tự nhiên. Biểu diễn đối tượng sử dụng các hiệu ứng ban đầu của CM, công nghệ vân tay hoặc phương pháp chuyển hóa để trích xuất các đặc điểm của CM. Việc phân loại bản chất cần sử dụng bộ phân loại học máy cổ điển hoặc bộ phân loại đã xây dựng để phân biệt bản chất nóng lạnh của CM. Tác dụng ban đầu của y học Trung Quốc là một biểu hiện đặc trưng hiệu quả. Nhóm nghiên cứu Xue [11-13] đã khám phá các tính năng hiệu quả ban đầu của CM trong "người Trung Quốcthảo dượcDược phẩm(CHM) "và sử dụng các bộ phân loại cổ điển (chẳng hạn như mạng nơ-ron nhân tạo) để phân loại bản chất chưa biết của CM. Phương pháp chuyển hóa cũng được sử dụng để đại diện cho các CM. Nie và cộng sự [14] đã nghiên cứu các đặc điểm Metabonomic của CM và xây dựng một mô hình rừng ngẫu nhiên để phân biệt bản chất chưa biết của các CM. Công nghệ hóa học là một phương pháp quan trọng để phân tích bản chất nóng lạnh. Long và cộng sự [15] đã phân tích các thành phần hóa học của 284 CM có bản chất y học rõ ràng và khám phá một hệ thống kết hợp để dự đoán Bản chất nóng-lạnh của các CM khác, Các phương pháp khác, chẳng hạn như phổ cộng hưởng từ hạt nhân của proton (1H-NMR), được sử dụng để khảo sát tính năng của các CM. Danh sách al. [16] đã nghiên cứu các đặc điểm của CM với 1H-NMR và áp dụng các kỹ thuật nhận dạng mẫu để phân tích bản chất chưa biết của các CM.

Ngoại trừ các phương pháp phân loại cổ điển, sơ đồ truy xuất là một trong những sơ đồ phân loại phổ biến và hiệu quả, đã được áp dụng rộng rãi trong việc xác định các nốt phổi và các nốt phổi lành tính và ác tính [17-20]. So với các bộ phân loại truyền thống, lược đồ truy xuất có thể cung cấp các trường hợp tương tự nhất để phân tích và tham khảo. Do đó, thước đo độ tương tự đóng một vai trò quan trọng trong sơ đồ truy xuất để phân loại. Nhóm chúng tôi đã thực hiện rất nhiều công trình nghiên cứu về đo độ tương đồng của hình ảnh nốt phổi [20,21]. Chúng tôi định lượng sự giống nhau của hình ảnh nốt phổi với số liệu khoảng cách. Mặc dù phép đo độ tương đồng đã được nghiên cứu rộng rãi trong các hình ảnh y tế, nhưng nó hiếm khi được sử dụng trong việc xác định bản chất của CMs.

Các nghiên cứu hiện nay về bản chất y học tập trung vào việc khám phá mối liên hệ giữa bản chất CM và thành phần vật chất trong các cuộc CM. Ví dụ, kỹ thuật lấy dấu vân tay hóa học và mô hình phân biệt bản chất CM được áp dụng để phân tích thành phần vật liệu CM. Dữ liệu dấu vân tay hóa học của CM có thể phản ánh toàn bộ thành phần của các thành phần CM. Hoạt tính sinh học được quyết định bởi thành phần vật chất. và các hoạt tính sinh học của CM là cốt lõi của việc xác định bản chất y học [2]. Như vậy, cấu thành vật chất gián tiếp quyết định tính chất của các cuộc CM. Các nghiên cứu đã phát hiện ra rằng các thành phần CM là cơ sở vật chất để sản xuất các bản chất làm thuốc [10]. Vì vậy, người ta suy đoán rằng các CM có thành phần các chất tương tự nhau nên có tính chất dược liệu tương tự nhau.

Để xác minh giả thuyết đã đề xuất ở trên, trong công trình này, chúng tôi tìm hiểu mối quan hệ giữa các thành phần CM và tính chất nóng lạnh của dược liệu. Đầu tiên, chúng tôi xây dựng cơ sở dữ liệu thành phần CM bằng cách sử dụng công nghệ quang phổ tia cực tím (UV) để đại diện cho 61 CM, có bản chất lạnh-nóng rõ ràng (bao gồm 30 CM 'lạnh' và 31 CM 'nóng'). Thứ hai, chúng tôi nghiên cứu định lượng mức độ giống nhau của các thành phần CM đối với thước đo khoảng cách. Khoảng cách Mahalanobis được học để đo mức độ giống nhau của dấu vân tay UV của các CM. Cuối cùng, một sơ đồ truy xuất được đề xuất để xây dựng một mô hình nhận dạng tiên đoán nhằm dự đoán tính chất nóng lạnh của các cuộc CM.

Nguyên liệu và phương pháp

Bộ dữ liệu TCM

61 CM tiêu biểu được phân tích trong nghiên cứu này, trong đó 30 CM là 'thuốc cảm' và những CM khác là 'thuốc nóng. Tất cả 61 CM đã được đánh dấu trong 'Chinese Materia Medica' và 'Thần Nông's Herbal Classic' cổ điển. Bảng l trình bày 61 CM đại diện và bản chất của chúng (đặc điểm trong ngoặc).

Công nghệ vân tay UV được sử dụng để kiểm tra 61 CM. Dụng cụ chính là Máy quang phổ UV -3010 UV (Hitachi, Nhật Bản). Nhóm của chúng tôi đã ghi lại độ hấp thụ tổng cộng là 61 CMs trong bước sóng cực tím 190-400 nm với bốn dung môi khác nhau (cloroform, nước cất, etanol tuyệt đối, ete dầu mỏ). Phương pháp chi tiết để lấy dấu vân tay UV có thể tham khảo trong bản thảo [25]. Là một loại thuốc 'nóng', Hạt mù tạt đã được ghi nhận trong 'Thuốc cổ điển Trung Quốc' và 'Thuốc cổ điển Thần Nông'. Hình 1 cho thấy đường cong hấp thụ tia cực tím của Jiezhi (Hạt mù tạt) và GeGen (Puerariae Lobatae Radix) với dung môi ete dầu hỏa.

Sự giống nhau về vân tay UV

Trong nghiên cứu này, chúng tôi khảo sát mối quan hệ giữa tính chất nóng lạnh và cấu tạo vật chất của các cuộc CM. Để xác minh giả thuyết, các CM có thành phần các chất tương tự nhau nên có tính chất dược liệu tương tự nhau, chúng tôi muốn định lượng sự giống nhau của các thành phần CM và tìm hiểu phương pháp xác định bản chất CM. Dấu vân tay UV phản ánh thành phần vật chất của CM. Do đó, chúng tôi muốn tiết lộ bản chất nóng lạnh dựa trên dấu vân tay UV. Nếu thành phần của các loại CM tương tự nhau, chúng ta có thể nghĩ rằng dược tính của chúng là tương tự nhau. Do đó, các CM có dấu vân tay UV giống nhau nên có cùng bản chất y học.

Phép đo độ tương đồng được định nghĩa là mức độ liên quan về ngữ nghĩa, đã được sử dụng để đo độ tương tự của hình ảnh nốt phổi trong nghiên cứu của chúng tôi [21]. Nếu hai CM đều là thuốc cảm thì chúng giống nhau về mặt ngữ nghĩa. Khoảng cách Mahalanobis được sử dụng để đo mức độ giống nhau của dấu vân tay UV của các CM. Khoảng cách Mahalanobis càng nhỏ thì độ tương đồng của dấu vân tay UV càng cao.

Đánh giá hiệu suất

Trong tiểu mục này, để xác minh tính khả thi của sơ đồ truy xuất được đề xuất để xác định bản chất lạnh-nóng, các thí nghiệm mở rộng được xây dựng để đánh giá hiệu suất của sơ đồ truy xuất. Chúng tôi so sánh hiệu suất của lược đồ của chúng tôi với hiệu suất của các mô hình phân loại hiện đại, bao gồm máy nhảy cực mạnh (ELM) [24], mạng nơ-ron nhân tạo (ANN) và máy vectơ hỗ trợ (SVM). Tất cả các đánh giá thí nghiệm đều dựa trên cơ sở tập dữ liệu TCM hiện có. Ứng dụng hỗ trợ kiểm tra bản chất chưa biết của CM bằng cách truy xuất các phổ UV tương tự của CM có bản chất nóng lạnh rõ ràng. Trong nghiên cứu này, trước hết chúng tôi so sánh hiệu suất nhận dạng bản chất của quang phổ UV với các dung môi khác nhau và lựa chọn dung môi tương ứng với hiệu suất nhận dạng tối ưu. Thứ hai, chúng tôi thiết kế các thí nghiệm để đánh giá hiệu suất của chương trình được đề xuất, được gọi là đánh giá độ ổn định. Thứ ba, chúng tôi đã minh họa sơ đồ truy xuất bằng các ví dụ. Cuối cùng, một tập dữ liệu độc lập được sử dụng để kiểm tra tính mạnh mẽ của thuật toán được đề xuất.

Trong các thí nghiệm của chúng tôi, đánh giá độ ổn định được sử dụng để phân tích hiệu suất của mô hình dự đoán được đề xuất. Đánh giá độ ổn định được tính bằng phương pháp bỏ một CM [20] trong toàn bộ tập dữ liệu. Mỗi lần, một CM được chọn làm CM truy vấn và 60 CM còn lại làm cơ sở dữ liệu tham chiếu. Bởi vì mọi TCM được chọn làm CM truy vấn, quá trình này được thực hiện 6 lần. Trong sơ đồ truy xuất này, chúng tôi truy xuất K'most's tương tự và sau đó thu được một xác suất tính chất lạnh. Cuối cùng, 61 xác suất đã được tính toán. Với việc thay đổi ngưỡng của 'xác suất bản chất lạnh, một đường cong Đặc tính Hoạt động của Máy thu (ROC) được tạo ra. Diện tích dưới đường cong ROC (AUC) và độ chính xác dự đoán (ACC) được sử dụng để đánh giá hiệu suất của chương trình của chúng tôi. Diện tích càng lớn thì mô hình càng ổn định, giá trị ACC là xác suất phân loại đúng tính chất nóng lạnh của các CM. Công thức của ACC như sau:

Giá trị AUC và ACC được áp dụng để đánh giá độ ổn định.

Kết quả

Đánh giá hiệu suất với các dung môi khác nhau.

Dấu vân tay hóa học của các cuộc CM phản ánh thành phần vật chất của các cuộc CM. Quang phổ UV là một trong những dấu vết của CM, có thể được áp dụng để phân biệt bản chất nóng lạnh của CM. Trong nghiên cứu này, chúng tôi xây dựng các thí nghiệm để phân tích định lượng mối quan hệ giữa thành phần vật chất và bản chất của các CM bằng phương pháp quang phổ tử ngoại.

Trong công trình này, hiệu suất phân loại của phổ UV với các dung môi khác nhau (nước cất. Cloroform. Ete dầu hỏa, etanol tuyệt đối) đã được phân tích để chọn dữ liệu UV dưới dung môi cho hiệu suất nhận dạng tối ưu. Phương pháp bỏ một lần CM được sử dụng để đánh giá các thông số của lược đồ của chúng tôi. Hình 2 hiển thị các đường cong giá trị ACC để phân loại bản chất y học của phổ UV với các dung môi khác nhau. Giá trị ACC được tính như một hàm của số CM được tham chiếu (K) được truy xuất để có được đường cong toàn diện hơn để dự đoán hiệu suất của mô hình. Trong Hình 2, đường cong của giá trị ACC trong dung môi ete dầu mỏ tốt hơn so với trong các dung môi khác, có nghĩa là phổ UV của dung môi ete dầu mỏ có hiệu suất phân biệt tốt nhất về bản chất nóng lạnh. Khi đặt K bằng 7, đường cong giá trị ACC trong dung môi ete dầu mỏ có đỉnh. Hiệu suất nhận dạng đạt đến giá trị lớn nhất là 0. 8 0 3. Từ đường cong của giá trị ACC dưới etanol tuyệt đối, dấu vân tay UV với etanol tuyệt đối có hiệu suất dự đoán thấp nhất. Việc xác định bản chất CM với nước cất và cloroform kém hơn so với ete dầu hỏa nhưng lại tốt hơn với dung môi etanol tuyệt đối. Theo hình vẽ, giá trị ACC tối đa của nước cất và cloroform đều là 0,656. Do đó, hai dung môi này rất kém trong việc dự đoán tính chất của thuốc.

Trong nghiên cứu này, ảnh hưởng của tham số p trong Eg. (4) trong dung môi ete dầu mỏ được nghiên cứu để đánh giá hiệu suất dự đoán của bản chất nóng lạnh. Giá trị của er p được đặt trong phạm vi

tham số 【10-3, 10 * ², 10 ', 1,5,10,102,103】 1. Hình 3A hiển thị đường cong giá trị ACC với p khác nhau. Có thể kết luận rằng đường biểu diễn có dao động nhỏ và giá trị ACC đạt cực đại khi tham số p được đặt là 5.

Số lượng ký tự riêng k trong thuật toán truy xuất được đề xuất được phân tích trong phạm vi [50 100 150 200 210]. Từ Hình 3B, giá trị ACC cao hơn có thể đạt được với số k tăng dần. Hiệu suất phân loại tối đa (giá trị ACC) tương ứng với số lượng ký hiệu tối đa k =210.

Đánh giá Hiệu suất Mô hình

Để chứng minh tính khả thi và ổn định của sơ đồ truy xuất được đề xuất của chúng tôi để xác định tính chất nóng lạnh của CM, nghiên cứu này so sánh hiệu suất phân loại của sơ đồ của chúng tôi (sơ đồ truy xuất, được ký hiệu là "RS") với một số bộ phân loại cổ điển (tức là, ANN, SVM, ELM) hoặc các bộ phân loại được sử dụng trong nhận dạng bản chất CM. Tất cả các thuật toán so sánh đều sử dụng các tham số tối ưu từ tập dữ liệu. Theo kết quả của phần trước, dữ liệu phổ UV trong dung môi ete dầu mỏ được sử dụng để nghiên cứu dự đoán bản chất giữ lạnh. Bảng 2 cho thấy so sánh hiệu suất đánh giá độ ổn định giữa RS và các thuật toán khác. Hệ số tương quan Pearson (PCC) được sử dụng như một tham chiếu so sánh để đo mức độ giống nhau của phổ UV. Theo kết quả dự đoán về tính chất nóng lạnh, chúng ta có thể kết luận như sau. Thứ nhất, chương trình RS của chúng tôi hoạt động tốt nhất trong việc xác định tính chất lạnh-nóng. Đặc biệt, RS và PCC có độ chính xác nhận dạng tốt hơn các thuật toán cổ điển so sánh khác. Điều này cho thấy các loại thuốc Trung Quốc có phổ tia cực tím tương tự có bản chất y học tương tự. Thứ hai, ANN và ELM với dữ liệu phổ UV kém trong việc xác định bản chất thuốc.

Thứ ba, độ chính xác nhận dạng của SVM tốt hơn ANN và ELM. Tuy nhiên, nó kém hơn so với kế hoạch của chúng tôi. Cuối cùng, đánh giá độ ổn định của chương trình của chúng tôi là tốt nhất.

Ví dụ về dự đoán

Phương pháp bỏ đi được sử dụng để lấy các ví dụ dự đoán. Hai trường hợp CM truy xuất do RS trả về được liệt kê trong Bảng 3. Truy vấn Thuốc bắc (hàng đầu tiên) và k =7 CM tham chiếu truy xuất hàng đầu được hiển thị trong bảng. Các CM tham chiếu đã truy xuất được tính toán bằng RS và được xếp hạng với khoảng cách Mahalanobis tăng dần đơn điệu. Thuốc cảm (DiFuZhi (Kochiae Fructus)) và thuốc nóng (BiBa (Piperis Longi Fructus)) được dùng làm ví dụ để minh họa nguyên tắc phân định thuốc nóng-lạnh. Trong cột đầu tiên, thuốc truy vấn là Piperis Longi Fructus. Các loại thuốc tham khảo được truy xuất của nó đều có tính chất nóng. Xác suất tính chất lạnh được tính toán là 0, cho biết rằng thuốc truy vấn có thể có tính chất nóng. Trong cột thứ hai, loại thuốc truy vấn là Kochiae Fructus. Kết quả thu được có sáu loại thuốc có tính chất lạnh và một loại thuốc có tính chất nóng. Xác suất tính chất lạnh của nó là 0. 9464, cho thấy thuốc truy vấn có nhiều khả năng có tính chất lạnh hơn. Các ví dụ dự đoán chứng minh rằng các dấu vân tay UV tương tự có thể đặc trưng cho cùng một bản chất y tế.

Hiệu suất dự đoán tổng thể.

Trong nghiên cứu này, chúng tôi thực hiện đánh giá tổng thể về phương pháp RS được đề xuất. Bảng 4 cho thấy ma trận nhầm lẫn dự đoán của 61 CM. Tổng độ chính xác của dự đoán là 80,3 phần trăm (49/61). Độ chính xác nhận dạng của thuốc tính chất lạnh là 86. 7 phần trăm (26/30), trong khi độ chính xác dự đoán của thuốc tính chất nóng là 74,2 (23/31). Có thể thấy, sơ đồ này có tỷ lệ dự đoán tốt đối với các loại thuốc có tính chất lạnh. Độ thu hồi, độ chính xác và điểm F của nhận dạng 61 CM được liệt kê trong Bảng 5. Nói chung, sơ đồ của chúng tôi có tỷ lệ nhận dạng tốt.

Độ chắc chắn của đề xuất

phương pháp Một tập dữ liệu độc lập được sử dụng để kiểm tra tính mạnh mẽ của thuật toán được đề xuất. Trong tập dữ liệu này, các bộ mô tả phân tử được tính toán để đại diện cho các CM, bao gồm Molweight, H.Acceptors, H.Donors, Polar.Surface.Area, Rotatable.Bonds, Sp3.Atoms, Symmetric. nguyên tử và Amin. Quá trình chi tiết đã được mô tả trong bản thảo [1 0]. Trong tập dữ liệu, có 534 loại thuốc nóng và 724 loại thuốc cảm. Bảng 6 cho thấy ma trận nhầm lẫn nhận dạng của 1258 CM (534 cộng với 724 loại thuốc). Tổng độ chính xác nhận dạng là 81,1 phần trăm (1020/1258). Độ chính xác dự đoán của các loại thuốc có tính chất lạnh là 83,0 phần trăm (443/534), trong khi độ chính xác nhận dạng của các loại thuốc có tính chất nóng là 79,7 phần trăm (577/724). Kết quả thực nghiệm chứng minh rằng phương pháp đề xuất có độ bền tốt hơn. Nói chung, chương trình của chúng tôi có tỷ lệ dự đoán tốt.

Thảo luận

Trong nghiên cứu này, chúng tôi đã khám phá tính khả thi của việc phân loại bản chất CM với một sơ đồ truy xuất trên cơ sở sự giống nhau của dữ liệu phổ UV. Kết quả thí nghiệm đã chứng minh rằng nó là một phương pháp hiệu quả để xác định bản chất CM chưa biết bằng cách tính toán độ giống nhau của phổ UV. Trong khi đó, kết quả thực nghiệm xác minh giả thuyết đề xuất rằng các CM có thành phần các chất tương tự nhau nên có tính chất dược liệu tương tự nhau.

Tóm tắt. những lợi thế của nghiên cứu của chúng tôi là như sau. Đầu tiên, để nhận dạng bản chất CM, một tập dữ liệu gồm 61 phổ UV CM tham chiếu được tập hợp trong đó mỗi CM có bản chất lạnh hoặc nóng rõ ràng. Có như vậy việc xác định bản chất CM mới có hiệu quả và khả thi.

Thứ hai, bản chất nóng lạnh đóng một vai trò quan trọng trong lý thuyết bản chất TCM. Trong nghiên cứu này, chúng tôi khảo sát mối quan hệ qua lại giữa thành phần vật chất trong CM và tính chất nóng lạnh. Thành phần vật liệu được biểu thị bằng quang phổ UV. Các đánh giá thực nghiệm đã chứng minh rằng có mối tương quan giữa thành phần nguyên liệu và tính chất nóng lạnh, có thể áp dụng để phân loại tính chất lạnh-nóng. Hơn nữa, chúng tôi chứng minh rằng thành phần vật chất quyết định tính chất nóng lạnh CM.

Thứ ba, dưới ánh sáng của các đặc điểm quang phổ UV của CM, chúng tôi khảo sát một sơ đồ truy xuất để xác định bản chất CM. Số liệu khoảng cách được nghiên cứu để đo mức độ giống nhau của quang phổ UV. Kết quả thử nghiệm cho thấy rằng chương trình của chúng tôi hoạt động tốt nhất. Giải thích tiềm năng là sơ đồ của chúng tôi đã khám phá đầy đủ mối quan hệ giữa thành phần vật chất và tính chất nóng lạnh CM.

Thứ tư, một hiệu suất khác đã được chứng minh kỹ lưỡng trong nghiên cứu này là tính mạnh mẽ của sơ đồ truy xuất được đề xuất cho các ứng dụng lâm sàng trong tương lai. Đối với một mô hình phân biệt thông minh, mục tiêu của chúng tôi là hỗ trợ các nhà nghiên cứu đọc phổ tử ngoại và xác định bản chất nóng lạnh. Mô hình này không khả thi nếu độ chắc chắn quá thấp đối với một bộ dữ liệu TCM độc lập. Chúng tôi đã chứng minh rằng mô hình của chúng tôi có độ bền cao trong các thử nghiệm. Nhiều dữ liệu vân tay CM sẽ được trích xuất để xác nhận tính mạnh mẽ của mô hình của chúng tôi trong tương lai.

Tuy nhiên, nghiên cứu của chúng tôi vẫn còn một số hạn chế. Đầu tiên, nghiên cứu này chỉ sử dụng quang phổ UV để đại diện cho các CM. Các kỹ thuật dấu vân tay khác không được phân tích trong nghiên cứu này, Các CM là hỗn hợp phức tạp của các hợp chất. Không thể phản ánh toàn bộ thành phần của các hợp chất CM chỉ bằng một kỹ thuật dấu vân tay. Trong tương lai, chúng tôi muốn sử dụng nhiều dấu vân tay để phân tích tính chất nóng lạnh của CM. Thứ hai, chúng tôi điều tra sự giống nhau của quang phổ UV với một thước đo khoảng cách. Dữ liệu dấu vân tay có đặc điểm là kích thước cao và mẫu nhỏ. Dựa trên những đặc điểm như vậy, việc thiết kế mô hình dự báo là trọng tâm của tương lai. Thứ ba, nghiên cứu của chúng tôi tập trung vào việc khám phá các sơ đồ truy xuất để phân loại thiên nhiên lạnh-nóng. Các tính năng phổ UV chưa được phân tích kỹ lưỡng. Sau đó, chúng tôi sẽ tích hợp dữ liệu dấu vân tay hiệu quả hơn để cải thiện hiệu suất phân loại bản chất y học.

Nghiên cứu của chúng tôi không chỉ đưa ra một phương pháp xác định bản chất mà còn đưa ra một sơ đồ mới để đánh dấu bản chất củangười Trung Quốccác loại thuốc. Điểm đánh dấu tự nhiên là một khái niệm mới, chỉ các thành phần củangười Trung Quốccác loại thuốcliên quan chặt chẽ đến bản chất y học. Với sơ đồ xác định bản chất của chúng tôi, chúng tôi muốn tìm kiếm các loại thuốc Trung Quốc có thành phần tương tự trong các điều kiện hạn chế tính chất giống nhau. Một số loại thuốc Trung Quốc như vậy có thành phần giống nhau, có thể được coi là dấu hiệu bản chất của một số loại thuốc nàyngười Trung Quốccác loại thuốc.

Sự kết luận

Trong nghiên cứu này, một sơ đồ truy xuất được đề xuất để dự đoán bản chất thuốc nóng-lạnh. Dựa trên các đặc điểm của CM. Lược đồ này có hiệu suất phân loại tốt hơn so với các bộ phân loại cổ điển. Các thí nghiệm hiệu quả chứng minh rằng bản chất y học nóng-lạnh và dữ liệu dấu vân tay phổ UV là có liên quan.

Người giới thiệu

1 Gao J, Chen C. Thảo luận về nội hàm khoa học của bốn bản chất của dược liệu Trung Quốc. Acta Univ. Truyền thống. Med. Sin Pharmacol Thượng Hải 2007, 21: 16-18.

2. Ouyang B, Wang ZG, Wang P. Tư duy nghiên cứu và phương pháp nghiên cứu hiện đại về thuyết bốn tính chất của dược liệu Trung Quốc. J Beijing Univ Tradit Chin Med 2006, 29: 592-594.

3. Wu LJ, Wang YY, Li YD, et al. Hiểu về ZHENG trong Y học cổ truyền Trung Quốc trong bối cảnh của mạng lưới thần kinh-nội tiết-miễn dịch. IET Syst Biol 2007,1: 51-60.

4. Jin R, Zhang B, Liu XQ, et al. Nghiên cứu hiệu suất sinh học của dược liệu Trung Quốc với đặc tính lạnh hoặc nóng dựa trên mô hình phân tích toán học ba yếu tố. J Chin Integr Med 2011, 9: 715-724.

5. Zhao Y, Jia L, Wang J, et al. Thử nghiệm phân biệt pad lạnh / nóng về sự khác biệt đặc tính của sắc tố mahuang và maxingshigan. Pharm Biol 2016, 54 (7): 1298-302.

6. Wan HY, Kong XY, Li XM, et al. Tác dụng của các loại thuốc cổ truyền Trung Quốc với các đặc tính khác nhau đối với điều hòa nhiệt độ và protein kênh tiềm năng tiếp nhận nhất thời nhạy cảm với nhiệt độ của chuột bị sốt do nấm men. Trung Quốc J Chin Meter Med 2014, 39: 3813-3818.

7. Liang F, Li L, Wang M, et al. Mạng lưới phân tử và các đặc điểm dựa trên phân mảnh hóa học của các loại dược liệu có tính chất nóng và lạnh từ y học Trung Quốc. J Ethnopharmacol 2013, 148 (3): 770-779.

8. Wang M, Li L, Yu C, et al. Phân loại hỗn hợp thuốc thảo dược Trung Quốc dựa trên bản đồ tự tổ chức (SOM). Mol Inform 2016, 35 (3-4): 109-115.

9. Fu X, Song X, Li X, et al. Phân tích cây phát sinh loài về tính chất nóng lạnh của y học biển cổ truyền Trung Quốc để có hoạt tính chống ung thư. Bổ sung dựa trên Evid Alternat Med 2017, 2017: 1-10.

10. Fu X, Mervin LH, Li X, và cộng sự. Hướng tới sự hiểu biết về tính chất lạnh, nóng và trung tính của các loại thuốc Trung Quốc sử dụng trong phân tích phương thức hoạt động silico. J Chem Inf Model 2017, 57 (3): 468-483.

11. Li Y, Li X, Xue FZ, et al. Phân biệt đặc tính của các loại thuốc cổ truyền Trung Quốc dựa trên mạng lưới thần kinh nhân tạo. J Shandong Univ (Khoa học sức khỏe) 2011, 49: 57-61.

12. Liu WH, Li Y, Ji YJ, et al. Một phần hình vuông nhỏ nhất trong việc phân biệt tài sản dược thảo truyền thống của Trung Quốc. J. Shandong Univ (Khoa học sức khỏe) 2012, 50: 151-154.

13. Zhang XX, Li Y, Ji YJ, et al. Phân biệt đặc tính của y học cổ truyền Trung Quốc với phân tích thành phần chính-phân tích phân biệt tuyến tính. J Shandong Univ (Khoa học sức khỏe) 2012, 50: 143-146.

14. Nie B, Hao ZL, Gui B, et al. Nghiên cứu về phương pháp phân biệt chuyển hóa đối với tính chất nóng và lạnh của y học cổ truyền Trung Quốc dựa trên rừng ngẫu nhiên. J Jiangxi Univ Traditi Chin Med 2015, 27: 82-86.

15. Long W, Liu P, Xiang J, et al. Một hệ thống kết hợp để dự đoán các thuộc tính Materia Medica của Trung Quốc. Tính toán. Các chương trình Phương pháp Y sinh. 2011, 101 (3): 253-264.

16. Li H, Xu Q, Zhang J, et al. Bản chất nóng lạnh phân biệt các loại dược liệu truyền thống của Trung Quốc bằng cách phân tích phân biệt dữ liệu phổ 1H-NMR. Hội nghị Quốc tế 2017 về Khoa học Y tế và Sức khỏe Con người (MSHH 2017), 2017, 174-179.

17. Jiang M, Zhang S, Li H, et al. Chẩn đoán với sự hỗ trợ của máy tính đối với các khối nhũ ảnh bằng cách sử dụng tính năng truy xuất hình ảnh có thể mở rộng. IEEE Trans Biomed Eng 2015, 62 (2): 783-92.

18. Tsochatzidis L, Zagoris K, Arikidis N, et al. Chẩn đoán khối lượng nhũ ảnh có sự hỗ trợ của máy tính dựa trên phương pháp truy xuất hình ảnh dựa trên nội dung được giám sát. Nhận dạng mẫu 2017, 71: 106-117.

19. Wei G, Ma H, Qian W, et al. Phép đo tương tự của khối lượng phổi để truy xuất hình ảnh y tế bằng cách sử dụng số liệu khoảng cách bán giám sát dựa trên hạt nhân. Med Phys 2016, 43 (12): 6259-6269.

20. Wei G, Ma H, Qian W, et al. Một sơ đồ truy xuất hình ảnh dựa trên nội dung để phân loại nốt phổi. Curr Med Imaging Rev 2017, 13 (2): 210-216.

21. Liu Y, Rong J, Lily M, et al. Một khuôn khổ thúc đẩy cho việc học đo lường khoảng cách bảo tồn thị giác và ứng dụng của nó vào việc truy xuất hình ảnh y tế. IEEE Trans Pattern Anal Mach Intell 2010, 32 (1): 30-44.

22. Weinberger KQ, Blitzer J, Saul LK. Học số liệu khoảng cách để phân loại hàng xóm gần nhất có lợi nhuận lớn. J Mach Learn Res 2009, 10 (1): 207-244.

23. Tao D, Li X, Wu X, et al. Phân tích phân biệt tensor chung và các tính năng Gabor để nhận dạng dáng đi. IEEE Trans. Mẫu Anal Mach Intell 2007, 29 (10): 1700–1715.

24. Malar E, Kandaswamy A, Chakravarthy D, et al. Một cách tiếp cận mới để phát hiện và phân loại vi vôi hóa nhũ ảnh bằng cách sử dụng phân tích wavelet và máy học cực đoan. Comput Biol Med 2012, 42: 898–905.

25. H. Li. Xây dựng hệ thống biểu diễn kỹ thuật số dựa trên dấu vân tay phổ cực tím của cơ sở quan trọng của y học cổ truyền Trung Quốc (TCM) với bản chất nhiệt lạnh. Tế Nam: Đại học Y học cổ truyền Trung Quốc Sơn Đông 2011.