中药药性特征标记模式识别建模研究

目的:探讨中药物质成分与寒热药性的相关性,寻找适合解释此相关性的统计模式识别方法。方法:选取寒、热性植物药各30种测定其HPLC指纹图谱,经数据预处理后,采用穷举建模法中的试验修正法比较七大类80种统计模式识别方法在识别中药药性特征标记的优劣,建立候选适宜模型集。结果:候选适宜模型中,有4种(Bayesian Lo-gistic Regression、Ridge Logistic、SMO、PLS)对中药药性特征标记识别较好,且识别能力差异较小。通过比较实际寒热标记图谱与4者理论识别图谱,发现偏最小二乘PLS的理论图谱与实际寒热图谱相似度最高。结论:采用统计模式识别方法可以从HPLC图谱信息中筛选出识别中药药性的物质基础,即中药药性特征标记。偏最小二乘判别分析PLS是目前识别中药寒热药性特征标记的最优模型。     

多糖水解成分GC-MS指纹图谱与寒热药性的多元统计分析

目的:初步探讨多糖水解成分乙酰化气相色谱-质普联用(GC-MS)指纹图谱与寒热药性的相关性.方法:测定60种中药多糖水解物乙酰化GC-MS图谱,筛选最适统计识别模型,以最佳模型识别多糖乙酰化GC-MS图谱寒热表征.结果:确定了偏最小二乘判别分析(PLS-DA)为最佳模型,得出多糖水解物乙酰化GC-MS的寒性标记所对应的保留时间为3.489,3.557,3.695,3.849,3.986,6.047,6.132,6.241,6.510,6.836,7.294,12.564min;热性标记所对应的保留时间为3.861,3.929,5.526,6.006,6.269,6.516,6.842,7.397,10.778 min.结论:多糖成分与寒热药性存在明显的相关性.     

基于顶空进样气质联用技术的中药寒热药性的模式识别研究

目的建立以低温挥发性成分为基础的中药寒热药性表征体系,阐明低温挥发性成分与中药药性的关系,实现中药药性主观经验的客观表达。方法采用顶空静态进样气质联用技术,分析20味中药的挥发性成分,经模式识别方法(主成分分析、最小二乘判别分析),对寒热中药进行分类,探讨寒热中药药性表征方法。结果主成分分析显示寒热中药混在一起,表征样本的最大主成分对分类无显著意义,偏最小二乘判别分析通过提取寒热中药的差异主成分,分类得到改善,初步建立了中药寒热药性表征体系。结论模式识别方法结合HS-GC-MS技术,提供中药中低沸点挥发物的化学信息,表达中药直观气味,利于建立中药药性物质基础GC-MS表征体系。     

关于中药药性-脂类成分的药性统计识别模型思路探讨

目的：探讨基于脂类成分气-质（GC-MS）联用图谱数据的中药寒热药性识别模型,建立药性特征标记统计模式识别方法。方法：以60种寒或热性中药脂类成分的GC-MS图谱为研究对象,建立数据库,比较5种建模策略,筛选识别脂类成分GC-MS指纹图谱药性特征标记的最优模型。结果：支持向量机（SVM）为筛选60味中药的寒热药性特征标记的最佳模型,能够有效标记中药寒热药性特征区域。趋于寒性最强的标记在保留时间61.550 min处,趋于热性最强的标记在保留时间31.395 min处。结论：中药寒热药性与脂类成分密切相关,脂类成分是中药药性的物质基础之一,基于物质成分与药性建立的数理统计模型可识别和预测中药的寒热药性。     

氨基酸含量与寒热药性的多元统计分析

目的:探讨中药寒热药性与18种氨基酸含量的相关性。方法:应用柱前衍生化反应和HPLC法测定17种氨基酸含量,并采用UV法测定色氨酸含量;利用Fisher线性判别分析对18种氨基酸含量与中药寒热药性的相关性进行分析;比较确定最佳的统计识别模型,并进一步识别氨基酸的寒热表征。结果:建立基于18种氨基酸含量的寒热药性数学Fisher判别函数,60种中药的寒热药性判别正确率达到82%。以SVM为最佳模型得出氨基酸HPLC分析的寒性标记为:Glu、Gly、Arg、Thr、Ala、Tyr、Val、Ile和lys;热性标记为:Asp、Ser、His、Pro、Met、Cys、Leu、Phe和Trp。结论:18种氨基酸含量与中药寒热药性具有一定的相关性。     

基于40种中药多糖HPLC图谱的寒热药性Fisher分析

目的:研究40种中药多糖成分与中药寒热药性的相关性。方法:采用水提醇沉法提取中药多糖,用三氟乙酸彻底水解成单糖,以1-苯基-3-甲基-5-吡唑啉酮进行衍生化,高效液相色谱法(HPLC)测定多糖的单糖组成,利用Fisher方法分析实验结果。结果:Fisher法建立判别函数。判别函数常数项为4.35146,判别函数为Y=4.35146+系数×X保留时间。计算判别函数得分,得分为正值判为寒性中药,为负值判为热性中药。判别结果显示,只有寒性中药甘遂和天冬判别错误,其余均判别正确,组内回代一致率为95%。结论:中药寒热药性与多糖成分存在相关性,多糖成分是表征中药寒热药性的影响因素之一。     

20种中药糖含量与寒热药性关系的Fisher判别分析

目的：研究20种中药中糖的含量与中药寒热药性的相关性。方法：运用费林氏容量法测定20味中药总糖的含量，硫酸-蒽酮比色法测定总多糖的含量，碱式硫酸铜法测定单糖的含量，并利用Fisher统计方法分析实验数据。结果：10种热性中药的总糖和单糖含量都明显高于10种寒性中药，统计分析显示：P<0.05；总多糖含量测定的统计结果显示：P>0.05；Fisher法建立判别函数，判别正确率为85%。结论：Fisher统计分析方法可以从糖含量方面对20味中药的寒热药性进行判别，20种中药中糖的含量与寒热药性具有相关性，提示糖类物质是寒热药性的物质基础之一。     

寒热药性植物类中药全成分构成特征的提取与识别策略

植物类中药宏观药性是其物质成分微观药性交互作用而综合呈现的结果,具有明显的系统性和非线性特征。探讨寒热药性的物质构成,必须回归经典理论的认知思路,微观分析与宏观归纳相结合,从整体上把握药性本质。将植物遗传关系与药性研究结合,以科属内药性属性趋同的中药组群为对象,利用指纹图谱技术获得其成分多维多息谱图,先从统计学角度找到高显示度药性特征标记,进而采用网络生物学技术,构建寒热药性特征标记与药性间的系统网络,建立模式识别模型,从整体上分析成分与药性的关联关系,可望建立符合中医药认知规律的药性表征、评价方法,实现科属中药基于全成分特征的药性识别和预测。     

基于中药拉曼谱图的寒热药性判别研究

从中药的整体性出发,开展中药拉曼谱图与其寒热药性的相关性分析,并对中药寒热药性进行统计判别研究。本研究选取寒凉性中药109种、温热性中药128种,共计237种中药;经样品前处理后,利用如海光电SEED 3000近红外拉曼光谱仪进行检测,得到每味中药的拉曼谱图;并对量化后的中药拉曼数据进行特征筛选和统计检验,筛选出与寒热药性密切相关的特征拉曼位移及其峰强,然后基于5种算法进行寒热药性的判别建模。经比较分析发现,相较于其他模型,随机森林（RF）模型展现出最佳的效果,对测试集判别的正确率高于90%,曲线下面积（AUC）和精确度大于0.90。本研究基于大样本量中药的分析,中药的拉曼数据与其寒热药性之间具有显著的相关性,可作为药性表征指标,结合RF算法进行寒热药性的判别分析。     

植物类中药寒热药性与有机成分单一化合物相关性的文献研究

目的:探寻化学成分与中药寒热属性的相关性。方法:利用现有文献提供的信息资料,通过文献检索收集植物药化学成分信息,利用化学信息学对资料进行整理,运用多种数据统计分析与挖掘方法分析化学信息数据,建立Logistic回归方程,对中药寒热属性进行判别。结果:以有机成分单一化合物建立的Logistic回归方程,可以对中药的寒热属性进行判别。结论:植物类中药寒热药性与有机成分有相关性。     

中药药性物质基础研究中数学建模思路探讨

目的:探讨数学建模策略在中药药性物质基础研究中的应用,并尝试建立一套客观可重复的建模思路与方法.方法:从数据库建立、数据预处理、建模策略选择和评价标准制定4个关键步骤,讨论中药药性特征标记识别模型的建立.结果:从64种建模策略中选出17种判别良好的模型,继而考察其可视化表达能力选出4种适宜模型,最后经统计模拟,选出PLS作为目前最适宜模型.结论:中药药性与其发挥作用的物质基础之间难以找到现成的公式或规律来表达二者关联,可用穷举策略,经数据库建立、数据预处理、建模策略选择和评价4步筛选适宜的中药药性特征标记识别模型.     

基于ITS序列和化学模式识别方法鉴定金蝉花及其混淆品独角龙

基于ITS序列对金蝉花与独角龙进行分子鉴定,并建立HPLC指纹图谱结合化学模式识别方法,鉴别金蝉花及其混淆品独角龙.分别提取10批金蝉花与5批独角龙的基因组DNA,通过PCR扩增ITS序列并测序,利用MEGA 7.0软件比较二者的稳定差异位点并构建系统发育树;采用HPLC建立金蝉花与独角龙指纹图谱,运用相似度评价、聚类...     

不同产地葛根与粉葛的HPLC指纹图谱及其多成分化学模式识别分析

目的:建立葛根与粉葛的HPLC特征图谱,结合化学模式识别方法对不同产区的葛根与粉葛进行区分,并鉴别葛根产区,为科学评价和有效控制二者的质量提供参考。方法:利用HPLC检测23批葛根或粉葛药材,采用"中药色谱指纹图谱相似度评价系统"(2004A版)软件进行相似度评价,建立共有模式。以其色谱峰信息为数据来源,利用3种化学模式识别方法综合分析葛根和粉葛药材的质量。结果:除了样品S22(陕西产地)之外,不同产区的葛根和粉葛的相似度均 0.9;说明葛根与粉葛药材的相似度良好,采用特征图谱相似度评价方法无法区分葛根与粉葛药材。利用主成分分析只能鉴别葛根与粉葛;偏最小二乘法-判别分析其模型解释度96.4%,预测度74.6%,能够区分葛根与粉葛,并能区分葛根的产区;系统聚类分析与偏最小二乘法-判别分析结果较为一致。结论:利用化学模式识别方法可快速区分葛根与粉葛,鉴别葛根产区,适用于葛根与粉葛的药材质量评价。     

中药三七不同药用部位的指纹图谱及模式识别研究

目的建立中药三七的HPLC化学模式识别方法,用于三七不同药用部位(主根、剪口、支根)的区分,为其质量评价提供可靠依据。方法利用HPLC获取35批不同部位三七样品的化学信息,采用中药色谱指纹图谱相似度评价系统(2012版)计算相似度,运用主成分分析(PCA)和偏最小二乘法-判别分析(PLS-DA)分别进行模式识别研究。结果建立了35批三七样品的HPLC指纹图谱共有模式(相似度>0.994);所建立的PCA模型可区分剪口,PLS-DA可将三者完全区分,并发现人参皂苷Rg1、人参皂苷Rb1等7个特征峰是导致三七不同部位间差异的标志物。结论本实验所建立的化学模式识别模型,能准确有效的区分三七不同部位,为三七的质量控制及评价提供参考依据。     

野生与栽培太白米HPLC指纹图谱及化学模式识别

目的:建立野生和栽培太白米的HPLC指纹图谱,结合化学模式识别方法对二者进行判别,以期为不同来源太白米药材的质量评价和驯化栽培提供依据。方法:利用高效液相色谱法,测定10批野生品和10批栽培品共计20批太白米药材的指纹图谱,建立指纹图谱共有模式,采用中药色谱指纹图谱相似度评价系统(2012A版)计算相似度,运用主成分分析(PCA),聚类分析(HCA)和最小偏二乘法-判别分析(PLS-DA)对野生与栽培品太白米进行模式识别研究。结果:建立了野生与栽培太白米的HPLC指纹图谱共有模式,标定了26个共有峰,20批太白米样品的指纹图谱与对照指纹图谱相似度 0. 9。主成分分析、聚类分析和最小偏二乘法-判别分析能对野生与栽培太白米进行明确的区分,表明导致差异的主要化学标记物为对香豆酸等8个成分。结论:该文建立的太白米HPLC指纹图谱具有较强的特征性和重复性,与模式识别方法结合起来可有效的评价太白米质量以及区分其野生与栽培品,为太白米的质量控制和驯化栽培提供参考依据。     

HPLC指纹图谱鉴别葶苈子与车前子

目的: 鉴别葶苈子与车前子. 方法: 采用高效液相色谱法建立南葶苈子指纹图谱,并使用相似度评价软件,系统聚类分析和偏最小二乘法判别分析对两者的HPLC图谱进行识别研究. 结果: 葶苈子与车前子的HPLC色谱峰和相对峰面积存在较大的差异,经统计分析,所有样品被分为葶苈子、车前子和混淆品三类. 结论: HPLC指纹图谱结合系统聚类分析和偏最小二乘法判别分析等化学计量学方法可用来鉴别葶苈子和车前子,该方法快速、简便、准确、有效,可为葶苈子和车前子的质量评价提供依据.     

Ұ���������Ŀݲ�HPLCָ��ͼ���о���ģʽʶ�����

??OBJECTIVE To develop a method of fingerprint analysis of Prunella vulgaris by HPLC for the quality control of P. vulgaris. METHODS Twenty-eight samples of wild and cultivated P. vulgaris. obtained from different habitats were analyzed. The difference in the chromatographic fingerprints of P. vulgaris.samples between the two varieties was identified by chemometric methods including principal component analysis (PCA) and partial least squares discriminate analysis (PLS-DA). The selected biomarkers were identified by comparing with reference standards. RESULTS The fingerprint of P. vulgaris was established, and 12 common peaks and good similarities were found in the HPLC fingerprints of P. vulgaris from different habitats. PLS-DA result showed obvious distinction between the two varieties of P. vulgaris, while PCA showed poor distinguishing ability. Six compounds were screened as biomarkers, representing major differences between the two varieties. Four of them were identified as rutinum, rosmarinic acid, caffeic acid, and luteolin. CONCLUSION The fingerprint analysis combined with chemical pattern recognition can be applied as a measure for the quality control and comprehensive evaluation of P. vulgaris.     

基于指纹图谱结合化学模式识别对狗脊药材的质量评价

目的 采用指纹图谱结合聚类分析（hierarchical clustering analysis,HCA）、主成分分析（principal component analysis,PCA）和偏最小二乘法-判别分析（partial least squares discriminant analysis,PLS-DA）等进行化学模式识别，对狗脊药材指纹图谱数据进行分析，筛选特征性指标成分并以此建立狗脊有效成分的定量分析，为狗脊质量控制提供科学依据。方法 采用Agilent Eclipse XDB-C18柱（250 mm×4.6mm,5.0μm），以甲醇-1%醋酸水溶液为流动相进行梯度洗脱，体积流量为1.0 mL/min，柱温为30℃，检测波长为280 nm,HPLC法建立9个产地16批样品狗脊的指纹图谱，运用相似度分析、HCA、PCA和PLS-DA等化学模式识别技术筛选出不同产地狗脊化学成分的特征成分作为狗脊有效成分，并定量分析。结果 16批狗脊HPLC指纹图谱标定10个共有峰，相似度在0.695～0.954；通过HCA、PCA和PLS-DA较好的区分各产地狗脊，综合分析筛选5-羟甲基糠醛、...     

HPLC指纹图谱结合化学模式识别分析不同产地款冬花生品与蜜炙品

目的建立不同产地款冬花生品与蜜炙品的HPLC指纹图谱,为不同来源款冬花药材鉴别和质量评价提供依据。方法基于高效液相色谱法对36批不同产地款冬花生品与蜜炙品进行测定,采用中药色谱指纹图谱相似度评价系统(2012A版)计算相似度,运用聚类分析(HCA)、主成分分析(PCA)和最小偏二乘法-判别分析(PLS-DA)对款冬花生品与蜜炙品进行模式识别研究。结果建立了不同产地款冬花生品与蜜炙品的HPLC指纹图谱,标定了20个共有峰,并指认了其中10个共有峰;36批样品与对照指纹图谱的相似度在0.723～0.984,16批款冬花生品相似度在0.862～0.998,20批蜜炙品相似度在0.687～0.993;通过HCA、PCA和PLS-DA可将款冬花生品与蜜炙品完全区分开来,没食子酸、绿原酸、异绿原酸A、款冬酮等10个成分是导致二者差异性的主要标志物。结论 HPLC指纹图谱结合化学模式识别为款冬花生品与蜜炙品的质量控制和品质评价提供了更全面的参考。