分类算法在中药研究中的应用及其进展

为了研究分类算法在中药研究中的应用及其进展,为中药领域数据挖掘的相关研究提供有益的参考和借鉴,利用知网、万方和维普等作为主要文献检索平台,整理文献建立研究对象文献数据库。从311 746篇文献中,整理得到345篇相关文献。结果显示分类算法的应用较多集中在中药药性研究、药物分析、药物安全性/毒性、方剂配伍规律和中药功效等5个研究子领域,且人工神经网络算法运用的范围最广,适用于中药科研的多个子领域。因此得出:分类算法在中药科研中应用种类多,且涵盖的研究范围广;不同数学模型的分类算法均有特色,应当结合中药数据的特点,优选不同的分类算法;通过改进完善传统的分类算法,更有利于充分发挥分类算法在中药传承和创新中的作用。     

基于策略模式的中医药数据智能挖掘平台设计与应用

针对目前大多数中医药数据挖掘研究中使用单一且基础的算法而出现的问题,设计并实现一种通过策略模式智能优选中医药数据挖掘方法的平台(TCM data strategy model analysis platform, TCMDP)。根据策略模式的思想,集成以下4个数据挖掘模块,统计学分析模块可对药物、药物种类、四气五味归经和药物功效进行统计学分析;关联规则挖掘模块可以分析处方中的药物关联性;聚类分析模块可获取药物组合得出聚类新方,通过分析结果来探讨肺癌处方的配伍规律;证型分类模块以电子病历的中医症状和四诊信息作为输入,将相关证型作为输出,构建证型分类模型。综上实现了基于策略模式的中医药数据智能挖掘平台,并运用该平台对中医临床治疗肺癌的中药处方进行用药规律和证型分类研究。结果表明：以痰瘀互结证肺癌病例为例,关联规则挖掘模块中WD-Get Rule算法的运行时间最少仅为0.038 s。聚类分析模块中CMC-DD算法分析时间略长但精确率高达87%。肺癌证型分类分析模块中PSO-ELM运行时间短为88.98 s,且模型平均精确率达88.44%,具有一定的临床参考价值。而本平台所采用的改进算法均优于...     

定量因果原理在物理学中的应用

将定量因果原理应用于物理学中,推导出了测地线方程(geodesic equation)和切丛联络的挠率张量(torsion tensor),阐明了定量因果原理在物理学中的又一新的应用。     

建立高校统一战线工作长效机制的探讨

本文通过对新时期高校统一战线工作的特点、出现的新情况和制约高校统一战线工作发展的新问题进行深入分析．提出了如何建立高校统一战线工作的长效机制。     

基于定量因果原理的相对性原理相关效应研究及其应用

依据定量因果原理,导出了相对性原理,揭示了定量因果原理与相对性原理和Euler-Lagrange方程的内在联系和统一,进而得出加速度场可用相对应的引力场来代替,以及绝对加速度、牵连加速度、相对加速度分别与相对应的绝对引力场强度、牵连引力场强度、相对引力场强度等价,得到了一种新的物理效应,即有加速度场情况下,相对参考系中所测得相对引力场强度有增减的效应,甚至使航天器中的引力场趋于极大或极小。在对相对参考系中所测得电场强度的研究中,得到了另一种新的物理效应,即有加速度情况下相对参考系中所测得电场强度有增减的效应。同时给出了在宇宙飞船中重要应用,对于飞船中其他物理量也有类似的结果,特别是本文的研究在航空航天中有实际的理论意义并有大量重要且关键的实际应用。     

基于数据挖掘、网络药理学和分子对接方法的肺癌用药规律及核心中药分析

目的：运用数据挖掘、网络药理学、分子对接方法探究中药复方治疗肺癌的用药规律及核心中药,为临床治疗肺癌提供有效的处方用药参考。方法：采用Excel2019收集整理临床治疗肺癌的常用中药复方,筛选有效复方,并通过中医传承辅助平台(V2.5)、SPSS Modeler 18.0、SPSS Statistics 25、cytoscape3.6等分析患者的证型分布、药物频次规律、核心药物组合以及药物关联规则等并得出核心中药;将核心中药运用TCMSP、Genecards、CTD等数据库收集有效成分、药物靶点、疾病靶点并获取交集,通过cytoscape3.9.0构建“中药-化合物-靶点-疾病”网络、再通过String平台、可视化驱动的生物信息学分析网站构建蛋白互作网络、最后进行基因本体论(gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)通路富集分析,由以上分析结果得出重要化合物以及关键靶点做分子对接;结果：筛选得到有效处方407个,涉及中药324味,药物使用频次最高依次为甘草、茯苓、白术、陈皮、半夏、黄芪、党参、浙贝母、白花蛇舌草、薏苡仁;肺癌中医证型诊断中以痰瘀互结证(45.99%),治则治法以化痰散结和解毒抗癌为主,(28.99%、29.25%),中药以补虚药为主,(32.69%);性味归经统计为温性(41.39%);苦味(45.5%),肺经(25.82%)为主;关联规则表明,茯苓-半夏、茯苓,半夏-白术、茯苓,浙贝母-半夏-白术分别为同一组中支持度最高的组合;复杂网络中核心药物有党参、茯苓、白术、陈皮、浙贝母、黄芪、甘草。核心中药为白术、茯苓、半夏、浙贝母;网络药理学获得作用靶点89个、核心中药主要有效成分为12-千里光酰基-8-反式白术三醇、14-乙酰基各里光酰基-8-反式白术三醇、β-谷甾醇等,重要靶点为AKT1、EGFR、TP53等,GO分子功能富集结果显示可能与RNA聚合酶II转录调节、细胞对化学压力的反应、金属离子的反应等有关,KEGG通路富集分析结果显示,关键通路富集为肿瘤坏死因子信号通路、铂耐药通路、IL-17信号通路等;关键靶点与重要化合物的对接能量均小于0kJ/mol,对接构象稳定。结论：真实世界抗肺癌中药以味苦、性温,平,寒、补虚为主,针对肺癌发病机制正气亏虚、血瘀、痰、邪毒进入,以补气和中助阳、清热解毒泻火之法来达到治疗效果,基于数据挖掘方法研究对于真实世界治疗肺癌的用药规律研究得出其核心组方包括党参、茯苓、白术、陈皮、浙贝母、黄芪、甘草,而其现代药理作用主要为抗癌细胞增殖、抗菌、免疫抑制等;在治疗肺癌的中药复方中,白术、茯苓、半夏、浙贝母尤为重要,可作为治疗肺癌的复方核心中药,核心中药治疗肺癌主要通过多成分、多靶点调控肿瘤坏死因子信号通路、铂耐药通路、IL-17信号通路等达到治疗肺癌的效果,综上为真实世界中药复方治疗肺癌的用药规律特点。对中医药治疗肺癌的临床研究有一定的指导意义。     

融合数据挖掘与网络药理学研究治疗原发性肝癌中药处方用药规律

融合数据挖掘与网络药理学方法,研究治疗原发性肝癌常用有效中药处方的用药规律,为中医临床治疗原发性肝癌处方用药提供参考.通过收集大量的临床治疗原发性肝癌的常用中药处方,共筛选有效处方211个;运用中医传承辅助平台,挖掘有效处方中的核心药物组合;再通过TCMSP等数据库平台,筛选核心药物组合活性成分所对应的靶点;并在比较基因组数据库(comparative toxicogenomics database,CTD)、人类疾病数据库(malacards)、治疗靶点数据库(therapeutic target database,TTD)等疾病数据库中,检索出与原发性肝癌相关的疾病靶点;取上述两种靶点的共有靶点,即为核心药物组合治疗原发性肝癌的一般靶点,并利用DAVID平台对一般靶点进行GO/KEGG通路富集分析;通过Cytoscape 3.6.1软件对共同靶点进行拓扑分析,得到核心药物组合治疗原发性肝癌的核心靶点;并利用CB-Dock平台对其进行分子对接验证;通过与有关文献实验研究的结果进行比较,验证本研究结果的可靠性.通过数据挖掘和网络药理学分析,得到常用药对23组(支持度个数≥50),关联规则的药物组合24组(置信度≥0.95),聚类分析的药物组合36组;治疗原发性肝癌疾病的一般靶点124个、核心靶点16个;经GO分析的生物过程450个、细胞组分37个、分子功能48个(P≤0.01);经KEGG通路富集分析得到信号通路44个(P≤0.01),并且p53等信号通路得到了有关文献实验研究结果的验证;而且还发现茯苓、白术、党参、半枝莲等药物在治疗原发性肝癌的处方中出现的频次较高.中医治疗原发性肝癌常以补虚、清热为主,兼顾活血、理气等,多从肝、脾、肺和肾等经络共同论治,并注重清补结合、虚实兼顾;核心药物组合主要通过诱导凋亡、阻滞周期、抗血管生成和调控炎症等途径治疗原发性肝癌.     

分类算法在中药科研中的应用及其进展

目的 研究分类算法在中药科研中的应用及其进展,为中药领域数据挖掘的相关研究提供有益的参考和借鉴。方法 利用国内知网、万方和维普等作为主要文献检索平台,整理文献建立研究对象文献数据库。结果 从311746篇文献中,整理得到345篇相关文献;分类算法的应用较多集中在中药药性研究、药物分析、药物安全性/毒性、方剂配伍规律和中药功效等５个研究子领域;且人工神经网络算法运用的范围最广,适用于中药科研的多个子领域。结论 分类算法在中药科研中应用种类多,且涵盖的研究范围广;不同数学模型的分类算法均有特色,应当结合中药数据的特点,优选不同的分类算法;通过改进完善传统的分类算法,更有利于充分发挥分类算法在中药传承和创新中的作用。     

药物靶点预测中类别不平衡问题的研究进展

针对药物靶点预测中类别不平衡的问题，归纳总结相关学者提出的各种处理方法，力求改善药物靶点预测中类别不平衡状况，为药物靶点预测的相关研究提供有利的参考和借鉴。以中国知网、维普、万方数据和PubMed作为主要文献检索平台，查询整理相关文献，对药物靶点预测中类别不平衡问题的研究进行综述。共检索到相关有效文献81篇，结果显示类别不平衡问题主要从数据层面、学习算法层面和构造负样本层面着手处理。其中，数据层面的方法主要通过减少或增加一定的数据来平衡数据集；学习算法层面的方法主要利用半监督学习和集成学习思想来使分类算法适用于不平衡数据或构造出平衡数据集；构造负样本层面的方法则是采用一些策略从大量未标记样本中筛选出高可靠的负样本。药物靶点预测中类别不平衡问题的处理方法较多，不同的方法均有特色，但各方法之间无明显差异，都可一定程度上提高药物靶点预测水平，从而为药物靶点预测相关研究提供有力的技术支持。