基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花

目的 利用近红外漫反射光谱（near-infrared reflectance spectroscopy,NIRS）法,结合主成分分析（principal component analysis,PCA）和支持向量机（support vector machine,SVM）联用算法,建立PCA-SVM的NIR模式识别模型,用于国产和进口啤酒花的快速鉴别。方法 收集上述不同产地的啤酒花样品,制备成均匀粉末,在4 000～12 500 cm^-1光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000～4 100 cm^-1为建模谱段,分别采用不同光谱预处理方法进行预处理并分别进行PCA降维。根据2维主成分平面散点图,优选最佳预处理方法。利用最佳预处理方法处理后的光谱PCA降维数据,建立SVM模式识别模型,SVM模型参数采用网格搜索法、遗传算法（GA）、粒子群优化法（PSO）进行寻优。对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立PCA-SVM的NIR快速鉴别模型。结果 在6500～5400 cm^-1谱段,以一阶导数法（first derivative,FD）为最佳光谱预处理方法,PCA提取的光谱前8个主成分为最佳主成分,并经网格搜索法确定最佳SVM内部参数：惩罚因子c=2,核函数参数g=1,建立啤酒花PCA-SVM鉴别模型,该模型五折交叉验证准确率达97.37%,对校正集和测试集样品预测准确率均分别为97.37%和97.44%。结论 啤酒花NIRS光谱,进行PCA-SVM算法建模,模型预测准确率高、性能佳,可用于啤酒花样品的快速、无损鉴别。     

基于近红外和化学计量学方法对金线莲快速鉴别及其多糖含量测定的研究

目的 建立近红外分析方法结合化学计量学算法对金线莲及其近缘品进行判别分析，进一步构建金线莲多糖含量快速预测模型。方法 采集金线莲药材及其近缘品台湾银线兰、血叶兰样品的近红外光谱。以分类准确性为指标优选光谱预处理方法，分别对比决策树、K-近邻算法、随机森林，偏最小二乘回归判别分析、线性判别分析和支持向量机等有监督模式识别算法对样品的分类效果，优选最优算法建立定性模型。应用紫外可见分光光度法结合苯酚硫酸法测定76批金线莲多糖的含量，分别应用支持向量机、极限学习机、决策树、随机森林、主成分回归和偏最小二乘回归等6种不同化学计量学方法关联金线莲多糖含量与近红外光谱，优选定量算法；经光谱预处理和波段选择，基于连续投影算法筛选波段变量数优化并建立金线莲多糖定量模型。结果 以SNV+SG+2^ndD为光谱预处理方法结合支持向量机建立的近红外光谱判别分析模型分类准确性最高；基于径向基核函数算法结合混淆矩阵和ROC曲线评价模型的预测性能，模型性能均较优。此外，金线莲近红外原始光谱经SNV+SG+2^ndD预处理，以7 000~4 000 cm^-1为建模波段，变量数为97，应用连续投影-偏最小二乘构建的定量分析模型准确度较其他算法最高，为0.992。模型的校正集误差均方根为0.625，校正集相关系数为0.993，验证集误差均方根为0.767，验证集相关系数为0.992，预测偏差为8.467，预测集相对偏差<10%。结论 所建立的近红外支持向量机定性和连续投影-偏最小二乘定量模型准确、可靠，可鉴别金线莲真伪以及测定多糖含量，为实现金线莲质量的快速评价提供一种新的方法。     

基于近红外光谱技术和人工神经网络算法的佐匹克隆片定量分析

目的 将近红外光谱与人工神经网络算法相结合建立佐匹克隆片的定量分析模型,用于佐匹克隆片的快速检验。方法 采用近红外光谱分析方法获得不同批次佐匹克隆片的光谱数据,借助主成分分析方法对数据进行降维,通过人工神经网络算法建立佐匹克隆片的定量分析模型。结果 主成分分析方法结果显示,选取前10个主成分的累计贡献率为99.07%,可以解释原始光谱99.07%的信息。建立的10-6-1三层人工神经网络模型,对整个样本集的回归系数达到0.994,模型预测结果与实测结果很好吻合,其最大偏差为2.85%,最小偏差为0.02%,平均偏差为0.70%。结论 基于近红外光谱技术与人工神经网络算法所建立的佐匹克隆片定量分析模型快速、准确、绿色环保,可以用于佐匹克隆片的快速检验。     

基于伸缩移动窗口相似度与贝叶斯法的药品拉曼光谱分析

目的 提出伸缩移动窗口相似度结合贝叶斯法通过拉曼光谱技术对弱主药信号药品的真假进行快速判别。方法 采用伸缩移动窗口相似度方法,以弱主药信号药品的药用活性成分（API）的拉曼光谱峰宽为参照,动态调整窗口的大小。在窗口内,分别计算API的拉曼光谱峰信号与药品拉曼光谱的相似度,以及药品与辅料的拉曼光谱相似度,选择那些突出API拉曼光谱峰信号对弱主药信号药品的拉曼光谱信号有贡献的窗口作为贝叶斯判别模型的变量,进而构建弱主药信号药品真假判别模型。结果 本研究构建的弱主药信号药品真假判别模型对弱主药信号药品的真假准确识别率为94.7%,对验证集样本准确识别率为95.6%。结论 基于伸缩移动窗口相似度与贝叶斯算法构建的贝叶斯判别模型可以对弱主药信号药品的真假进行快速判别。     

基于高光谱技术的灵芝孢子粉破壁率快速检测方法研究

目的 以破壁灵芝孢子粉为研究对象,利用高光谱技术结合化学计量学建立了灵芝孢子粉破壁率快速无损检测方法。方法 首先,采集不同破壁率灵芝孢子粉样品的高光谱图像,选定感兴趣区域后计算获得各样品可见-短波近红外波段(397-1004 nm)范围内的光谱数据;然后,比较了运用标准正态变量变换、多元散射矫正、Savitsky-Golay(SG)平滑、小波变换、SG平滑+标准正态变量变换及SG平滑+多元散射矫正等6种光谱预处理方法,竞争性自适应重加权、连续投影算法、无信息变量选择、最小角回归、遗传算法等5种特征波段提取方法以及偏最小二乘法、支持向量机、极限学习机、多层感知机及LightGBM等5种算法所建立的定量校正模型预测性能。结果 获得最优预测性能的算法组合为：SG平滑+竞争性自适应重加权特征波段选择+偏最小二乘;基于该算法组合建立的定量校正模型在破壁率区间为90%-100%的灵芝孢子粉样品预测集决定系数为0.8682、均方根误差为0.0117;进一步,将选定的最优算法组合应用于构建样品破壁率区间为0-100%的定量校正模型,计算测试集决定系数为0.9731,均方根误差为0.0493,表现出良好的泛化能力。结论 所建立的定量检测模型可以实现对灵芝孢子粉破壁率的快速、无损检测,为破壁灵芝孢子粉及其产品的质量控制提供了技术支撑。     

近红外光谱法快速检验熊胆粉

目的:建立熊胆粉的近红外光谱快速检验方法。方法:收集全国不同来源的熊胆粉样品20批,经检验后分别采集其近红外光谱,以二阶导数加矢量归一化法和因子化法建立鉴别模型,谱段范围为7550～4 000cm^-1。以一阶导数加矢量归一化法建立含量模型,谱段范围为12000～4250cm^-1。结果:鉴别模型鉴别10批样品准确率达到100%,含量模型测定20批样品偏差不超过3%。结论:近红外光谱法可用于熊胆粉的快速检验,适合在药品检测车上推广应用。     

手持拉曼光谱仪在抗体类药物鉴别中的应用研究

目的：基于主成分分析（PCA）算法的Trutools模式，利用手持拉曼光谱仪建立快速鉴别抗体类药物的方法。方法：通过选取抗PD-1抗体、抗VEGF抗体、抗Her-2抗体，采集拉曼光谱数据，建立数据模型，分别对3种抗体进行鉴别。选择其中一种抗PD-1抗体，采用加热和光照两种条件对其进行加速降解处理，利用手持拉曼光谱仪对加速降解的抗体进行检测，研究所建方法能否检出加速降解的抗体。并通过分子排阻色谱（SEC-HPLC）、离子交换色谱（IEC-HPLC）及竞争结合酶联免疫吸附测定（ELISA）法对加速降解的抗体进行检测，与拉曼光谱检测结果进行比较。结果：通过建立的拉曼光谱数据模型可以鉴别3种不同类型的抗体，且拉曼光谱可以鉴别加速降解后的抗PD-1抗体。结论：手持拉曼光谱仪可以用来快速鉴别抗体类药物。本研究首次将手持拉曼光谱仪引入到抗体药物大分子检测中，为抗体类药物的现场快速鉴别及打假工作提供了新的工具与方法。     

便携式近红外光谱仪的僵蚕快速检验应用研究

目的通过便携式近红外光谱仪建立快速判别僵蚕产地以及快速鉴别僵蚕与麸炒僵蚕的方法。方法 2021年 2—3月,搜集 84批不同产地僵蚕及 24批麸炒僵蚕样本,采用便携式近红外光谱仪采集样本光谱,在无监督的主成分分析( PCA)基础上,利用线性判别分析( LDA)模式识别方法并结合不同光谱预处理方法分别对僵蚕产地以及僵蚕、麸炒僵蚕建立定性分析模型。结果对光谱进行平滑预处理后建立的模型可对僵蚕 3个产地实现准确区分,校正集与验证集的判别准确率分别达到     

典型机器学习算法在脂肪肝分类预测研究中的实现与比较

目的:实现和比较5种常见的机器学习算法在脂肪肝分类预测研究中的应用。方法:通过主成分分析对数据的体检指标进行降维,然后应用决策树、神经网络、支持向量机、贝叶斯网络和随机森林算法,分别构建脂肪肝分类预测模型,对1956例体检数据进行脂肪肝的分类预测。结果:决策树分类模型在脂肪肝分类预测上的准确率最高,达到70.14%,其次是支持向量机和神经网络模型,处于68%左右的水平。结论:本文所研究的典型算法在脂肪肝分类的预测上具有较为可靠分类预测能力,但决策树模型在应用小样本数据上表现出了优势;同时,还发现臀围(HIP)和甘油三酯(TG)可能与脂肪肝分类关联密切。     

几种模式识别方法用于中药挥发油红外光谱法鉴别的比较研究

目的:比较几种模式识别方法在中药挥发油红外光谱法鉴别中的分类效果。方法:对多种忍冬属和柑橘属中药的挥发油进行红外光谱测定,应用系统聚类、K-均值聚类、人工神经网络、支持向量机方法对样品红外光谱进行分类。结果:系统聚类与K-均值聚类分类效果不佳,人工神经网络和支持向量机方法均取得100%分类正确率。结论:可以将人工神经网络和支持向量机模式识别方法与红外光谱法结合,构建化学计量学指纹图谱技术,用于中药挥发油的鉴别。     

生牡蛎X射线衍射分析及指纹图谱的建立

目的:建立生牡蛎的X射线衍射指纹图谱,考察X射线衍射分析在生牡蛎质量检测与鉴别中的应用价值。方法:应用X射线衍射法对11批生牡蛎样品进行定性分析,比较其共有峰的夹角余弦和相关系数的相似度。结果:各生牡蛎样品X射线衍射共有峰的相似度均达到95%以上。结论:生牡蛎的X射线衍射分析方法专属性强、准确可靠,能全面、客观地反映其内在质量特征。     

石决明炮制工艺研究

目的:研究石决明的炮制工艺。方法:采用正交设计、多指标综合评分优选石决明的煅制醋淬工艺,并对其煅制盐淬工艺进行研究。结果:高温煅制醋淬的最佳工艺为:石决明于900℃煅制1.5h,以1.2倍量醋淬制。石决明煅制醋淬品的质量显著优于生品、煅制盐淬品及煅制品。结论:石决明的煅制醋淬工艺科学、可行;应采用多指标综合制定石决明的炮制标准。     

肾骨软胶囊中牡蛎的醋提工艺研究

目的：优选肾骨软胶囊中牡蛎的醋提工艺。方法：以钙含量为指标,以食用醋量、浸提时间、浸提次数、浸提温度为考察因素,采用正交试验筛选肾骨软胶囊中牡蛎的最佳醋提工艺。对制备的肾骨软胶囊进行质量检查。结果：最佳浸提工艺为食用醋于80℃浸提3次,第1次加10倍量醋浸提24h,第2、3次均加8倍量浸提12h。在此工艺下制得的肾骨软胶囊的崩解度、装量差异均达到2010年版《中国药典》要求,平均钙含量为110.9mg/粒。结论：优选的工艺稳定、可行,可作为肾骨软胶囊的醋提工艺。     

国家药品标准中含贝壳类饮片的中成药应用情况分析

目的：研究探讨贝壳类饮片在中成药中的应用情况,为海洋贝壳中药材的现代研究提供参考。方法：检索并筛选国家药品标准中含牡蛎、石决明、海螵蛸、珍珠母、瓦楞子和蛤壳等贝壳类饮片的中成药,采用SPSS Staistics23等统计分析软件,对纳入的中成药进行主成分分析、关联规则分析和聚类分析。结果：累计检索到218个中成药品种处方中含有贝壳类饮片,出现频数由高到低依次是牡蛎、海螵蛸、珍珠母、石决明、海蛤壳、瓦楞子。通过对含贝壳类饮片的的中成药进行关联规则分析,得到常用药对10个。主治疾病共涉及19类中医临床常见疾病,其中治疗脾系病类中成药中含贝壳的药物组合9个;治疗脑系病类中成药中含贝壳的药对组合有5个。聚类分析可将治疗脾系病类和脑系病类中成药分为4类。结论：含贝壳类饮片的中成药临床应用具有一定的规律性,从中可以发掘出一些常见药物组合,提示数理统计分析可以为从中成药处方中寻找潜在共性规律提供新方法,为中药新处方研究提供思路。     

Morphological and microscopic characterization of five commonly-used testacean traditional Chinese medicines

Testacean traditional Chinese medicine (TTCM), derived from the outer shell of sea or freshwater mollusks, is a special and important category of Chinese medicinal materials. To ensure the effective use of TTCM, a comparative identification study was performed on five commonly-used testacean drugs, including Haliotidis Concha, Arcae Concha, Meretricis Concha, Ostreae Concha and Margaritifera Concha (Shijueming, Walengzi, Geqiao, Muli and Zhenzhumu in Chinese, respectively). Typical morphological photographs of the crude drugs were acquired, and the key microscopic characteristics of the derived powders under normal light microscope and polarized light microscope were summarized. The major results can be concluded as follows: (1) the original species involved in the five TTCMs could be distinguished by their respective interspecies morphological characteristics; (2) the key identification characteristics of the five powdered crude drugs were mainly crystal fragments, with the fragment features under both normal light and polarized light microscope providing powerful points for differentiating the five commonly-used testacean drugs. This study demonstrated that it is feasible to provide authentication for these five kinds of TTCMs by the combination of morphology with microscopy.Key words: Testacean traditional  Chinese medicine, Morphological characteristics, Microscopic characteristics, Normal light microscopy, Polarized light microscopy     

基于GA-BP人工神经网络的红霉素肠溶片效价预测研究

目的 建立一种基于GA-BP人工神经网络模型,根据组分含量数据对红霉素肠溶片效价进行预测。方法 测定552个批次红霉素肠溶片的红霉素组分A、红霉素组分B、红霉素组分C、杂质A-F和总杂质的百分含量及效价,构建GA-BP 人工神经网络模型,预测红霉素肠溶片的效价。结果 预测效价误差百分率最高值为-4.61%,均未超过5%,误差百分率平均值为2.22%,优于一般仪器分析相对标准偏差2.50%。结论 GA-BP人工神经网络对红霉素肠溶片效价预测具有较高的精度,稳定性也较好,可以用于红霉素的质量控制。     

蛤壳粉与呋喃西林溶液合用治疗外阴皮炎、湿疹30例疗效观察

目的：观察蛤壳粉外涂与0．02％呋喃西林溶液冷湿数合用治疗外阴皮炎，湿疹的疗效及不良反应。方法：30例病人均来自门诊（男9例，女21例，平均年龄47．1岁），蛤壳粉外涂及0．02％呋喃西林溶液冷湿敷，每日2次，共3周，结果治愈21例（70％），显效6例（20％），有效2例（6．66％），无效1例（3．33％），总有效率为90．0％，未发现不良反应。结论：蛤壳粉与0．02％呋喃西林溶液合用是治疗外阴皮炎，湿疹的有效方法。     

A renaissance of neural networks in drug discovery

ABSTRACT

Introduction: Neural networks are becoming a very popular method for solving machine learning and artificial intelligence problems. The variety of neural network types and their application to drug discovery requires expert knowledge to choose the most appropriate approach.

Areas covered: In this review, the authors discuss traditional and newly emerging neural network approaches to drug discovery. Their focus is on backpropagation neural networks and their variants, self-organizing maps and associated methods, and a relatively new technique, deep learning. The most important technical issues are discussed including overfitting and its prevention through regularization, ensemble and multitask modeling, model interpretation, and estimation of applicability domain. Different aspects of using neural networks in drug discovery are considered: building structure-activity models with respect to various targets; predicting drug selectivity, toxicity profiles, ADMET and physicochemical properties; characteristics of drug-delivery systems and virtual screening.

Expert opinion: Neural networks continue to grow in importance for drug discovery. Recent developments in deep learning suggests further improvements may be gained in the analysis of large chemical data sets. It’s anticipated that neural networks will be more widely used in drug discovery in the future, and applied in non-traditional areas such as drug delivery systems, biologically compatible materials, and regenerative medicine.     

Quantitative analysis of diclofenac sodium powder via near-infrared spectroscopy combined with artificial neural network

A method for quantitative analysis of diclofenac sodium powder on the basis of near-infrared (NIR) spectroscopy is investigated by using of orthogonal projection to latent structures (O-PLS) combined with artificial neural network (ANN). 148 batches of different concentrations diclofenac sodium samples were divided into three groups: 80 training samples, 46 validation samples and 22 test samples. The average concentration of diclofenac sodium was 27.80%, and the concentration range of all the samples was 15.01–40.55%. O-PLS method was applied to remove systematic orthogonal variation from original NIR spectra of diclofenac sodium samples, and the filtered signal was used to establish ANN model. In this model, the concentration of diclofenac sodium was determined. The degree of approximation was employed as selective criterion of the optimum network parameters. In order to compare with O-PLS–ANN model, principal component artificial neural network (PC-ANN) model and calibration models that use different preprocessing methods (first derivative, standard normal variate (SNV) and multiplicative scatter correction (MSC)) of the original spectra were also designed. In addition, partial least squares regression (PLS) models were also established to compare with ANN models. Experimental results show that O-PLS–ANN model is the best.