基于灰关联和人工神经网络的薯蓣属药材综合鉴定智能模型研究

Pattern recognition technology of traditional Chinese medicine (TCM) quality shows complex ingredients of the medicine, and at the meantime greatly enhances the scientific nature of the identification and its degree of automation.The present quantitative, qualitative and efficiency analysis of traditional Chinese medicine effects cannot fully expose TCM’s inner quality. TCM fingerprint can exhibit the types and quantity of the herb’s chemical components. Based on fingerprint, this project makes use of theories and methods of artificial intelligence and pattern recognition to study the intelligent model of dioscorea medicinal materials’ comprehensive identification. Major researches are as follows: conduct similarity review and clustering analysis on dioscorea medicinal materials’ fingerprint through cosin method, correlation method and fuzzy clustering method; make use of grey correlation and artificial neural network analysis, and take fingerprint into consideration to study dioscorea medicinal materials’ active ingredients and medical effects, to determine the ratio and contents of the active ingredients, so as to discover dioscorea medicinal materials’ pharmaceutical material base and the inter relationship among source difference, ratio of active ingredients and pharmacodynamics. The scientific significance of this project lies in seeking to discover TCM’s effective molecules and reveal dioscorea medicinal materials’ pharmaceutical material base through studies of spectrum-activity relationship, in order to provide useful reference for creative TCM and to provide new thinking and methods for the standard establishment of TCM quality assessment.

中药质量的模式识别技术既体现了中药的复杂成分，又大大提高了鉴定的科学性和自动化程度。目前对中药“特征化学成分”的定性定量和药效分析，不能完全体现中药的内在质量。中药指纹图谱能够最大限度地反映中药材所含化学成分的种类和数量，因此本项目以指纹图谱为基础，运用人工智能和模式识别理论和方法，开展薯蓣属药材综合鉴定智能模型研究。主要研究内容包括：利用夹角余弦、相关系数和模糊聚类法对薯蓣属药材指纹图谱进行相似度评价和聚类综合分析；采用灰关联和人工神经网络分析法结合指纹图谱进行薯蓣属药材有效成分群与药效的相关性研究，确定与薯蓣属药效相关的活性成分配比及含量，揭示薯蓣的药学物质基础以及来源差异、有效成分配比、药效学三者内在联系。本项目的科学意义在于通过谱－效关系的研究，力求发现中药效应分子，揭示薯蓣属药材的药效物质基础，为中药创新药物的研发提供有益的参考，为中药质量评价标准的制定提供新的思路和方法。

中药质量的模式识别技术既体现了中药的复杂成分，又大大提高了鉴定的科学性和自动化程度。目前对中药某一“特征化学成分”的定性定量和药效分析，不能完全体现中药的内在质量。因此本项目以指纹图谱为基础，运用人工智能和模式识别理论和方法，开展穿山龙抗心肌缺血活性成分的谱效关系研究。主要研究内容和结果包括：（1）应用HPLC高效液相色谱技术，建立了不同产地的穿山龙指纹图谱，共鉴定了4种化合物，分别为薯蓣皂苷元、伪原薯蓣皂苷、原薯蓣皂苷、甲基原薯蓣皂苷；（2）运用国家药典相似度分析软件和SPASS等分析软件对不同产地的穿山龙指纹图谱进行相似度分析和聚类分析，结果表明，不同产地的穿山龙药材相似度在 0.599～0.929，通过聚类分析大致可聚成3类；PCA 结果支持HCA结果；并结合偏最小二乘法判别分析（PLS-DA）方法发现区别穿山龙样品的3个标志性化合物，分别为原薯蓣皂苷、伪原薯蓣皂苷和薯蓣皂苷；（3）通过CCK8法，比较了不同产地穿山龙对H9C2心肌细胞缺氧复氧损伤的保护作用，得到谱效关系研究的药效学数据；（4）运用灰关联、人工神经网络等化学计量法对不同产地穿山龙化学指纹图谱和药效学指标进行了谱效关系研究。结果表明，X11与药效相关度最高（相关度0.959 + 0.060> 0.90），其次是X24和X3，相关度均高于0.8，色谱峰X11和X3分别鉴定为薯蓣皂苷和原薯蓣皂苷。本项目研究成果可为中药创新药物的研发提供有益的参考，为中药质量评价标准的制定提供新的思路和方法。