基于药理作用的组分中药药性预测研究

总结，是中药区别天然药物的重要标志，确定组分中药药性对其临床应用具有重要的意义｡本文运用决策树算法，以中药药性为研究对象，基于现代药理作用建立了四气､五味和归经的20个决策树模型，并利用所建模型预测了部分中药组分的药性，证明了所建模型的合理性｡

1 数据

1.1 数据来源 数据集中所收录的中药全部选自《中国药典》（2010年版）[7]｡利用中国期刊全文数据库（CNKI）检索自1980年以来的有关这些药物的药理研究的全部文献，并参考《中药学》[8]､《临床中药学》[9]，对中药的药理作用进行标引；依据药典对其药性信息进行标引｡所采集的药理指标包括抗菌､抗真菌､抗病毒等共计66个属性｡整理之后，药理指标（属性）为39项，包括：抗菌，抗真菌，抗病毒，免疫促进，免疫抑制，镇静，催眠，抗惊厥，镇痛，解热，抗炎，强心，降血压，抗心肌缺血，抗心律失常，抗动脉粥样硬化，降血糖，抗凝血，改善微循环，止血，抑制血小板聚集，降血脂，抗缺氧，抗疲劳，保肝，利胆，抗溃疡，泻下，止泻，延缓衰老，抗氧化，益智，抗生育，杀虫，利尿，镇咳，祛痰，平喘，抗肿瘤｡

四气包括寒､热､温､凉､平，将大寒､寒､微寒都归为寒，将大热､热都归为热；五味包括酸､苦､甘､辛､咸､涩和淡；归经包括肝､心､脾､肺､肾､胆､胃､小肠､大肠､膀胱､心包､三焦｡

1.2 数据处理 良好的数据质量是数据挖掘建模的基础｡为了得到针对目标类的模型，使数据分布尽可能均匀，满足数据挖掘算法的要求，对样本集采用CfsSubsetEval评价方法和BestFirst搜索方法进行属性选择｡利用Resample通过替代式采样法产生一个随机样本，使类分布尽可能呈均匀分布，即阳性类和阴性类的实例数尽可能相等｡

2 建模方法

2.1 模型建立 利用选择决策树分类（classify）方法中的C4.5算法[10]，调节最小叶节点数（MNIPL），控制模型规模｡模型的规模可以用决策树的层数来表示，层数越多规模越大，规模过大使模型过拟合，层数越小规模越小，规模过小反映不出数据中隐藏的有价值信息｡本研究调整规模的原则是使模型规模小于等于10，满足建立平台条件的前提下，选择正确率较高的模型｡

2.2 评估方法 采用十折交叉验证方法｡将数据分成10个互不相交的子集，每1份依次作为测试集，其余9份作为训练集，训练和检验进行10次｡每个样本用于训练的次数相同，并且用于检验1次｡准确率为10次分类正确的总数除以初始数据的总数｡因为具有相对较低的偏倚和方差，一般使用十折交叉估计准确率｡

3 结果与讨论

3.1 属性选择 通过数据处理，药性模型的属性筛选见表1｡从整理的数据发现，药理作用与药性不是简单的一一对应的关系，没有一个药性可以被某个药理作用代替，说明药性可用与其相关性较明确的多个药理作用表达｡预测结果是定性表示，模型的正确率表达了该模型基于药理作用属性的功效趋向程度｡

3.2 药性模型 基于39个药理作用建立了20个药性预测模型，其中四气（寒，凉，平，温，热）建立一个模型｡五味归经分别建立模型｡所建立的模型可用直观决策树图表示，例如四气模型见图1｡模型预测结果见表2｡

由构建的模型可知，药性的决策树模型在一定程度上揭示了药性和药理作用的关系｡模型的正确率表达了该模型基于药理作用属性的药性趋向程度：正确率越高，说明该药性与建模药理作用属性的相关程度越大；正确率越低，说明该药性与建模的药理作用属性的相关程度越小｡从正确率可知20个模型具有良好的预测药性的性能｡模型的正确率见表2｡

3.3 以中药复方血必净说明药性模型应用 中药复方血必净由赤芍､红花､川芎､丹参､当归5味中药组成，主要有效组分为芍药苷､红花黄色素A､川芎嗪､阿魏酸､丹参素､原儿茶醛等｡该方临床应用中除具有活血化瘀､疏通经络作用外，还有明显的清热解毒作用｡在方中药味多为活血化瘀药的情况下，其清热解毒功效缺乏药性理论方面合理的解释｡以该方为例预测其药性，以期对其清热解毒功效给出药性理论方面的合理说明｡

使用药性模型，通过整理的药理作用，查找中药复方的药性｡血必净药性预测结果为性凉，味甘，归心､胆经｡主要有效组分及复方预测结果见表3｡

从中药复方血必净的6个有效成分的药性预测结果分析，四气中有3个组分性凉，另外3个组分分别性寒､温､平，与复方性凉相符｡五味中5个组分味甘，4个组分味苦，2个组分味酸，2个组分味涩，1个组分味辛，与复方味甘相符｡归经中6个组分归心经，4个组分归胆经，3个组分归肾经，1个组分归大肠经，1个组分归肺､胃经，与复方归心､胆经相符｡

从预测结果得知中药复方血必净性凉，具解毒清热功效，与抗菌，抗感染的作用相一致；味甘，可益气，与维护人体正气，保护脏器相一致；归心经，心主血，与具有活血化瘀功效相一致；归胆经，肝与胆相表里，与具有疏通筋络，活血功效相一致｡结果与文献报道的血必净既有拮抗内毒素作用，又有拮抗炎性介质释放作用[11]以及治疗重症脓毒病[12]､脓毒血症[13]､全身反应炎症综合征（SIRS）相一致｡

4 结论

本文运用数据挖掘分类功能中的决策树方法，建立了基于药理作用的中药药性理论中四气､五味､归经的预测模型，为组分中药的药性研究提供了一种新的思路与方法，对中药药性理论可描述的中药载体范围的扩大有重要的意义｡该模型是中医药理论在局部范围的规律体现，预测结果并非已经确定组分中药的药性，而是为组分中药的临床用药提供了重要的参考依据｡

[参考文献]

[1] 王兰，王耘，乔延江.药性组合与脏腑关系的复杂系统模型研究[J].世界科学技术——中医药现代化， 2013，15（3）：531.

[2] 肖斌，王耘，乔延江.中药药性与药效的关系研究[J].时珍国医国药，2011，18（1）：31.

[3] 顾浩，王耘，肖斌，等.中药药效-药性组合关联关系研究[J].时珍国医国药， 2011，22（7）：1568.

[4] 丁维，蒋永光，宋姚屏，等.基于中药药性和功效对清热解毒类药的聚类分析[J].广州中医药大学学报， 2007，24（1）：3.

[5] 姚洪武，王建，傅勇，等.开窍药药性与物质基础及其效应的关联探微[J].山东中医药大学学报， 2008，32（5）：360.

[6] 黄明进，郭刚，徐立军，等.解表药药性与挥发油成分相关性研究[J].北京中医药大学学报， 2009，32（2）：101.

[7] 中国药典.一部[S].2005.

[8] 颜正华.中药学[M].北京： 人民卫生出版社，2006.

[9] 高学敏，钟赣生.临床中药学[M].石家庄： 河北科学技术出版社，2006.

[10] 谷琼，朱莉，蔡之华，等.基于决策树技术的高校研究生信息库数据挖掘研究[J]. 电子技术应用， 2006（1）：20.

[11] 雪琳.SIRS和MODS防治新对策的实验研究——血必净的药效学观察[J].中国危重病急救医学，1997，9（12）：720.

[12] 王今达，雪琳.细菌､内毒素､炎性介质并治-治疗重症脓毒病的新对策[J].中国危重病急救医学，1998，10（6）：323.

[13] 宋红梅，张泰标.血必净注射液治疗脓毒血症临床观察[J].中国中医急症，2010，19（8）：1305.

Predictive study on properties of traditional Chinese medicine

components based on pharmacological effects

HU Ya-nan， REN Ying-long， CAO Jia， WANG Mei， WANG Yun， QIAO Yan-jiang

（1. Information Engineering Research Center for Traditional Chinese Medicines， Beijing University of

Chinese Medicine， Beijing 100102， China；

2. College of Information Engineering， Beijing Forestry University， Beijing 100083， China）

[Abstract] Objective： To study the relationship between pharmacological effects and properties of traditional Chinese medicine by the decision tree algorithm. Method： Based on of pharmacological effects of traditional Chinese medicine， the decision tree algorithm was applied in the study on the relationship between pharmacological effects and properties of traditional Chinese medicines. A model was established with the decision tree algorithm for the purpose of predicting the properties of traditional Chinese medicine components. Result： The established model was reliable and stable， and could be used to predict the properties of traditional Chinese medicine components. Conclusion： The prediction for the properties of traditional Chinese medicine components with a decision tree model could reflect the theoretical connotation of the properties of traditional Chinese medicine components to some extent and provide a new method for studying the properties of traditional Chinese medicine components.

[Key words] property of traditional Chinese medicine component； decision tree； data mining； pharmacological effect

doi：10.4268/cjcmm20141304

[责任编辑 张宁宁]