主成分-线性判别分析在中药药性识别中的应用

目的探索利用主成分-线性判别分析基于中药的功效主治属性判别其药性的可行性。方法收集《中华本草》中收录的药性明确、功效主治属性特征详尽的植物药1 725种,首先运用主成分-线性判别建立模型,以此模型对药性进行判别分类,采用10次5折交叉验证评价模型稳定性,然后按照随机抽样的原则,从寒、热性两类药材中分别随机抽取80%(共1 380种)的药材作为训练集建立模型,其余20%(共345种)药材组成测试集,做预测。结果运用主成分-线性判别模型,全部1 725种中药的组内判别正确率为94.43%,交叉验证平均正确率为91.54%。训练组的组内回代判别正确率为94.78%,测试组的预测正确率为90.14%。结论基于主成分-线性判别对中药药性进行判别,不仅保证了线性判别的正常运行,而且判别准确率高,模型稳定性好,能够为临床用药提供依据。     

代谢组学数据正态性对疾病分类准确性的影响

目的探讨在代谢组学数据中服从正态分布的变量个数逐步增加时统计分类方法分类准确率的变化趋势。方法首先模拟产生11组代谢数据,且数据中服从正态分布的变量逐渐增加,然后用传统的非机器学习统计方法[Bayes判别、Fisher判别、偏最小二乘判别分析(PLS-DA)]和机器学习方法[随机森林(RF)、支持向量机(SVM)]进行统计分析,比较分类准确率的变化;最后用两个实例分析对模拟结果的合理性进行评价。结果代谢组学数据正态性对Bayes判别、Fisher判别、PLS-DA的分析结果影响较大,随着数据中服从正态分布的变量个数增加,分类准确率增大,而对RF和SVM基本没有影响。结论传统的非机器学习方法在统计分析过程中对数据正态性有一定的要求,而机器学习类的方法对数据正态性基本没有要求,且分类准确率一直保持较高的稳定状态。     

基于代谢组学整体表征中药药性及性效关系

目的：研究药性对证候整体代谢网络影响的生物学机制,阐明药性与功效之间的必然联系,初步揭示中药药性的科学内涵。方法：应用代谢组学方法和主成分分析方法,运用UPLC—Q—TOF／MS技术手段,通过研究热病证候本身及苦寒中药黄连和温热药高良姜对比干预热病证候模型,来探讨中药性味与药效的相关性。结果：在主成分得分图中造模后大鼠尿液代谢物组发生变化且被明显分为两类,这从体内微观角度表征了空白和模型组大鼠代谢网络的异同。给予黄连后大鼠尿液中的代谢物在主成分得分图上的落点无离散分类,实验结果表明黄连对热病证候具有治疗作用;给予高良姜后大鼠尿液中的代谢物在主成分得分图上与空白组不能聚于一类,表明高良姜对热病证候不具有治疗作用。实验结果表明代谢组学可用于中药干预作用研究,亦可以表征寒热药性。结论：本课题为中药传统药性理论的研究提供了新的思路、方法和技术手段,对于揭示中药药性理论的科学内涵具有重大意义。     

基于系统分离的中药及其组分寒热药性矩阵判别与应用研究

中药的寒、热药性有宏观与微观之分,宏观药性是中药整体的寒热属性,而微观药性则是中药部位、单元、组分或成分的寒热之性。同一中药普遍存在寒、热药性相反的物质成分。中药的宏观药性是其各物质成分之间微观药性交互作用而综合呈现的结果,宏观药性值取决于所含各种药性成分的微观药性贡献力。将中药系统分离为若干相对独立的物质单元,以各物质单元的微观药性贡献力作为矩阵元素,构建寒热药性判别矩阵,可以实现对中药物质单元药性的预先理论判别,借此探讨和构建中药药性理论研究与中药组分配伍新药发现相偶联的研发模式。     

贝叶斯网络模型在中药整体药性特征分析中的应用

目的阐明物质成分与中药药性间的内在联系和定量关系,选择药性特征标记,建立物质成分与中药整体药性间的贝叶斯网络模型,以期利用网络推理和复原中药整体药性。方法以还原论研究为基础,遵循中药基础理论的系统论原理,基于高效液相色谱技术,将偏最小二乘判别分析与贝叶斯网络模型有机结合,构建物质成分之间"君、臣、佐、使"的网络结构。结果以偏最小二乘判别模型选择出的37个药性特征标记作为节点所构建的中药整体药性贝叶斯网络模型,灵敏度、特异度高(ROC曲线下面积达0.98);对中药药性判别能力强,训练集判别正确率达93.88%,对测试集的预测率达100%。结论中药整体药性贝叶斯网络具有明显的模块化结构,适宜解释中药药性特征标记之间的组合关系并能复原中药整体药性。     

植物类中药寒热药性与无机元素相关性研究

目的?利用文献学的方法,研究植物类中药无机元素种类及含量与中药寒热药性的相关性,探寻中药寒热药性的无机物质基础,为科学表征中药药性理论提供可行性途径。方法?利用现有文献提供的信息资料,运用秩和检验、Fisher判别分析、Bayes判别分析、支持向量机等多种数据统计分析与挖掘方法分析数据,研究中药寒热药性与无机元素的相关性。结果?研究结果表明,无机元素的种类及含量与中药寒热药性密切相关。运用Fisher判别分析方法和Bayes判别分析方法对药物寒热药性进行判别,正确率分别为60.00%和78.75%;利用支持向量机判别药物寒热药性,正确率为95.00%。结论?植物类中药寒热药性与所含无机元素密切相关,提示以无机元素表征中药寒热药性具有可行性。      

偏最小二乘在中药药性判别中的应用

目的探讨将偏最小二乘法用于中药药性判别的可行性。方法收集《中华本草》中收录的药性明确、功效主治明确的植物性中药1 725种,利用基于偏最小二乘的两种方法建立药性识别模型,用组内回代、外推预测、交叉验证等方式评价模型。结果基于偏最小二乘法的两种模型的判别效果与原来判定结果符合率分别为92.75%、94.67%,两种方法的外推预测正确率分别为85.51%、89.86%,而重复10次的5折交叉验证正确率分别达到了88.28%、90.46%。结论基于中药的功效主治,偏最小二乘法能够准确判别药性且模型稳定好,能够有效解决多重共线性等问题,为中药药性的有效判别提供了新的思路和方法。     

基于组分结构假说构建中药药性矢量结构方程

中药本身是一个复杂的整体,有其相应的物质基础,即相应的“组分结构”,而中药药性即为中药中复杂的组分结构作用于人体后的综合体现。中药中的成分/组分可表现相应的药性属性（寒、热、温、凉）,组分与组分之间以及组分内部都存在着药性差异。药性相同的成分/组分,表现为相互增强;药性相反者,则相互抵消,即可以用“矢量”表示,中药药性也就是各成分/组分“药性矢量”的“矢量加和”。在结合中药药性的最新研究方法和手段的基础上,将“组分结构”假说和“中药药性矢量”相结合,拟构建中药“药性结构方程”模型,以阐述中药药性本质。中药“药性矢量结构方程”模型的构建,也将为中药配伍以及炮制机制研究提供重要的研究思路和方法。     

基于极值随机森林的慢性胃炎中医证候分类

大多数机器学习算法能得到较好的分类效果,但模型却无法解释;而随机森林等模型有良好的可解释性,却无法处理中医数据中兼证的情况。本文利用极值随机森林算法对慢性胃炎中医数据进行证候分类研究,其中决策树的叶节点能输出多个标签,通过加权机制综合分量来处理兼证问题。与已有多标记学习算法和C4.5、CART等基于决策树的算法进行比较,实验结果表明,极值随机森林算法无论在6个证型的分类准确率上,还是在多标记评价指标上都具有更好的效果,而且模型中得到的规则基本符合中医理论。     

药性理论现代研究中数据分析工作的方法学框架

对中药药性理论现代研究中数据分析工作的方法学框架进行了归纳。认为数据分析挖掘工作的总体目标是科学解析中药性-效-物质关系的表达特征,合理推断其总体规律性,归纳中药药性判别要素、配置模式及其体系框架。工作指导原则包括根据数据特点和研究要求制定研究方案、根据数据类型和分析功能选择相应分析方法、注重生物信息学类相关数据的分析挖掘、注重药性表达数学模型的研究创建四方面。同时,对中药药性-药效-物质关系贝叶斯模型构建的可行性进行了分析研究,对9种目前常用数据分析方法进行了分析总结。     

敬畏生命还是关爱生命、护卫生命——史怀泽敬畏生命理论在医学伦理学中应用辨析

史怀泽敬畏生命的理论对于协调人与其他生物的关系具有重要的意义。但由于这一理论本身的不足和局限,其并不能作为医学伦理学的生命观。但可借鉴、吸取其尊重生命的成份,丰富和完善医学伦理学关爱生命、护卫生命的生命观。     

医疗是医院的今天教育是医院的明天

发展医疗、教育与科学,是提升医院综合实力的根本要素.医疗水平影响医学教育发展,教育科研对提高医疗水平具有推动作用."医疗是医院的今天,教育是医院的明天",教育在医院可持续性发展中的重要性已成为人们共识.