论文部分内容阅读
【摘 要】目的：使用向量机方法分析了280个解表类的重要挥发性成分的GC-MS数据从而对解表药挥发性成分和药性的相关性进行深入的分析和研究。方法：在研究的过程中使用水汽蒸馏的方式对各个药材当中的挥发成分进行提取操作，之后要用GC-MS方法对挥发性的成分进行详细的分析，之后后还要对药物当中各种不同的化学成分含量进行详细的分类统计，此外在这一过程中还要用不同的化学成分对其具体的含量统计的结果当做是药性分类的主要指标。而在这一过程中还是要使用支持向量机对不同的药性解表数据进行交互训练，同在此基础上还要建立解表药药性研究模型。结果：这种模型在使用的过程中对预测集中的辛温类药物正确的识别率能够达到95%以上，而对一些辛寒类的药物正确识别的几率达到了91%以上，从两项指标来看，总正确率已经超过了93%。结论：解表类药物中的挥发性成分和其自身的寒热药性是具有非常强的关联性的，在这些药物当中只给房租和脂肪酸类的成分识别和辛温解表两种药性的相关性最强。
【关键词】解表药；挥发成分；中药药性；支持向量机
1、引言
中药是我国的一种特殊的财产，它也是中国在发展的过程中和疾病长期抗争的一个非常重要的智慧结晶，在中医药学理论当中，药性是非常重要甚至是核心因素，药性通常就是指重要最本质上的属性，只有知道了它的基本属性，才能为临床用药提供更好的参考和指导，在很长时间以来，人们大都在关注中药药性的研究，在研究的过程中也获得了很好的研究进展。在重要理论体系当中，我们将能够促使人发还，驱除表表邪的药物称作是解表药，如果站在其性味和功效来划分，其主要可以分为散发风寒型的药物和散发风热型的药物。一般情况下，一味中药当中就有很多种挥发性的成分，而其药性和挥发油的具体成分和含量有着非常密切的联系。
2、数据采集
2.1药材
本研究共使用解表类药材28味，其中辛温解表类药16味，辛寒解表类药12味，每味药材收集样品10批，均来自国内各大药材市场，经某中医学院中药鉴定教研室蔡毅教授鉴定。所取药材均为药典记载的正品药材，其中多数药材为干品，部分药材（紫苏叶，生姜，胡萎，葱白）为鲜品。
2.2数据提取
2.2.1供试品的制备
采用水蒸气蒸馏法提取各解表药中的挥发性成分。称取100g药材置2000ml圆底烧瓶中，加入1000mL水，振摇均匀，连接挥发油提取器，从上端加水使充满挥发油提取器的刻度部分并溢流入烧瓶为止，加入1.5mL的乙酸乙酷于上层，连接回流冷凝管。置加热套中加热，开始回流后设定加热温度为100℃左右，保持微沸5h，冷却30～后，开启挥发油提取器下端活塞，将水缓缓放出，收集乙酸乙酷层于2mL容量瓶中，用乙酸乙酷定容置刻度，即得各药材供试品溶液。取各供试品溶液，在选定的最佳GC-MS分析条件下测定，并对其挥发性成分的组成与结构进行分析，确定各挥发性成分的结构及含量。
2.2.2GC-MS分析条件
气相色谱条件：
色谱柱：HP-5MS弹性石英毛细管柱（30mX0.25～X0.25gym）；载气：高纯He（纯度>_99.9%）；载气流量1.0mL/min；气化室温度：250℃；进样口温度：250℃：溶剂延迟：3.0s。
2.2.3实验数据采集方法
在进行各药材挥发性成分的GC-MS分析时，首先优化升温程序，各中药挥发性成分均在各样本优化好的升温程序及设定的实验条件下进行。测得各中药挥发性成分的总离子流图（TIC）后，经质谱数据库（Nist08和Wiley275.L）检索，并结合相关文献数据，对各样本挥发性成分的化学组成进行鉴定，并用峰面积归一化法计算出各成分的相对含量。每味药材共测定10批。
2.2.4图谱分析法
借助GC-MS系统自身具备的质谱数据库对每一个药材的样品所测得的总理子流图东方众所含的挥发性成分进行逐一的鉴定，在这一过程中要依靠计算机对质谱数据系统进行筛选和检索，在这一过程中还要和标准的质谱数据图进行对照，然后将已经研究出来的文献结论和实验数据做仔细的对比，之后就可以对人工谱图进行分析，从而也就确定了各种药物挥发性成分的结构和构成。
3、数据处理
由于28味解表类药的挥发性成分种类繁多，且每味药的不同来源样品由于产地及生长条件的不同，其挥发性成分也不尽相同；而且一味中药虽然含有众多的挥发性成分，但表现出特定的生理活性或治疗作用的往往是其中一些具有特定骨架或不同骨架的挥发性成分的组合；为便于分析，本文将28味解表药各样品的挥发性成分按其骨架特征和官能团的不同进行分类和编号，然后分类统计各类特征结构的百分比含量，作为药性识别的特征值。
4、构建模型
4.1支持向量机
支持向量机是一种基于统计学习理论中VC维理论和结构风险最小原理二者基础上发展起来的一种新型机器学习方法，其基本思想是：在问题空间定义一个适当的内积函数，建立问题空间到高维特征空间的一个映射，然后在高维特征空间中构造一个超平面，并利用结构风险最小原理及Karush-Kuhn-Tucher条件建立最优分类判别函数。
支持向量机方法的最大特点是具有非常强大的非线J性关联能力，支持小样本量分类，具有较好的泛化能力，是目前模式识别最流行的方法之一，本文中，解表药样本数为280，样本量相对较少，非常适合使用支持向量机方法进行模式分类。
4.2模型构建
按相关的标准和要求确定解表类中药的分类特征，并以不同类型化学成分的含量统计结果作为药性分类的特征指标，对特征数据进行标准化处理，然后采用支持向量机方法构建模型，由于解表药样本数相对较少，算法评价采用交叉训练法中的留一法，即每次去除一个样本，其余参与训练，构建分类模型。
5、结果与讨论
从研究的结果上来看我们不难发现虽然本文当中选择的28种解表药是完全不同的，同时同一种药物的不同批次其产地也是完全不同的，每种样品的挥发性成分在数量、成分的结构和含量上都存在着非常大的差异，但是按照骨架的特征和官能团的差异将其分成不同的10种特征以后，使用支持向量机的方法就可以建立一个药性的检验和预测模型，在这一过程中药性对模型有着非常大的影响，其可以在应用的过程中展现出非常好的识别率，总体的识别率甚至已经超过了93%，这也充分的标明解表类药物的药性通常都是有结构完全不相同的挥发性成分在人体代谢的过程中相互之间起到了一定的制约或者是配合的作用所产生的结果。解表类药物挥发性成分和寒热药性是具备非常大的关联性的。
中药当中有很多的挥发性成分，这些挥发性成分实际上和药物的性质是有着十分密切的关系的，而且挥发性成分和药物的寒热性质关系最为密切，所以我们在中药研究的过程中，一定要将挥发性成分当做是研究的一个重点对象。
参考文献
[1]张新新，李雨，纪玉佳，王鹏，张永清，薛付忠.主成分-线性判别分析在中药药性识别中的应用[J].山东大学学报（医学版）.2012（01）
[2]刘文慧，李雨，纪玉佳，王鹏，张永清，薛付忠.偏最小二乘在中药药性判别中的应用[J].山东大学学报（医学版）.2012（01）
[3]刘进，邓家刚，覃洁萍，冯旭，王丽丽，罗祖良，韦日伟.基于红外光谱数据的中药药性识别研究[J].时珍国医国药.2010（03）
【关键词】解表药；挥发成分；中药药性；支持向量机
1、引言
中药是我国的一种特殊的财产，它也是中国在发展的过程中和疾病长期抗争的一个非常重要的智慧结晶，在中医药学理论当中，药性是非常重要甚至是核心因素，药性通常就是指重要最本质上的属性，只有知道了它的基本属性，才能为临床用药提供更好的参考和指导，在很长时间以来，人们大都在关注中药药性的研究，在研究的过程中也获得了很好的研究进展。在重要理论体系当中，我们将能够促使人发还，驱除表表邪的药物称作是解表药，如果站在其性味和功效来划分，其主要可以分为散发风寒型的药物和散发风热型的药物。一般情况下，一味中药当中就有很多种挥发性的成分，而其药性和挥发油的具体成分和含量有着非常密切的联系。
2、数据采集
2.1药材
本研究共使用解表类药材28味，其中辛温解表类药16味，辛寒解表类药12味，每味药材收集样品10批，均来自国内各大药材市场，经某中医学院中药鉴定教研室蔡毅教授鉴定。所取药材均为药典记载的正品药材，其中多数药材为干品，部分药材（紫苏叶，生姜，胡萎，葱白）为鲜品。
2.2数据提取
2.2.1供试品的制备
采用水蒸气蒸馏法提取各解表药中的挥发性成分。称取100g药材置2000ml圆底烧瓶中，加入1000mL水，振摇均匀，连接挥发油提取器，从上端加水使充满挥发油提取器的刻度部分并溢流入烧瓶为止，加入1.5mL的乙酸乙酷于上层，连接回流冷凝管。置加热套中加热，开始回流后设定加热温度为100℃左右，保持微沸5h，冷却30～后，开启挥发油提取器下端活塞，将水缓缓放出，收集乙酸乙酷层于2mL容量瓶中，用乙酸乙酷定容置刻度，即得各药材供试品溶液。取各供试品溶液，在选定的最佳GC-MS分析条件下测定，并对其挥发性成分的组成与结构进行分析，确定各挥发性成分的结构及含量。
2.2.2GC-MS分析条件
气相色谱条件：
色谱柱：HP-5MS弹性石英毛细管柱（30mX0.25～X0.25gym）；载气：高纯He（纯度>_99.9%）；载气流量1.0mL/min；气化室温度：250℃；进样口温度：250℃：溶剂延迟：3.0s。
2.2.3实验数据采集方法
在进行各药材挥发性成分的GC-MS分析时，首先优化升温程序，各中药挥发性成分均在各样本优化好的升温程序及设定的实验条件下进行。测得各中药挥发性成分的总离子流图（TIC）后，经质谱数据库（Nist08和Wiley275.L）检索，并结合相关文献数据，对各样本挥发性成分的化学组成进行鉴定，并用峰面积归一化法计算出各成分的相对含量。每味药材共测定10批。
2.2.4图谱分析法
借助GC-MS系统自身具备的质谱数据库对每一个药材的样品所测得的总理子流图东方众所含的挥发性成分进行逐一的鉴定，在这一过程中要依靠计算机对质谱数据系统进行筛选和检索，在这一过程中还要和标准的质谱数据图进行对照，然后将已经研究出来的文献结论和实验数据做仔细的对比，之后就可以对人工谱图进行分析，从而也就确定了各种药物挥发性成分的结构和构成。
3、数据处理
由于28味解表类药的挥发性成分种类繁多，且每味药的不同来源样品由于产地及生长条件的不同，其挥发性成分也不尽相同；而且一味中药虽然含有众多的挥发性成分，但表现出特定的生理活性或治疗作用的往往是其中一些具有特定骨架或不同骨架的挥发性成分的组合；为便于分析，本文将28味解表药各样品的挥发性成分按其骨架特征和官能团的不同进行分类和编号，然后分类统计各类特征结构的百分比含量，作为药性识别的特征值。
4、构建模型
4.1支持向量机
支持向量机是一种基于统计学习理论中VC维理论和结构风险最小原理二者基础上发展起来的一种新型机器学习方法，其基本思想是：在问题空间定义一个适当的内积函数，建立问题空间到高维特征空间的一个映射，然后在高维特征空间中构造一个超平面，并利用结构风险最小原理及Karush-Kuhn-Tucher条件建立最优分类判别函数。
支持向量机方法的最大特点是具有非常强大的非线J性关联能力，支持小样本量分类，具有较好的泛化能力，是目前模式识别最流行的方法之一，本文中，解表药样本数为280，样本量相对较少，非常适合使用支持向量机方法进行模式分类。
4.2模型构建
按相关的标准和要求确定解表类中药的分类特征，并以不同类型化学成分的含量统计结果作为药性分类的特征指标，对特征数据进行标准化处理，然后采用支持向量机方法构建模型，由于解表药样本数相对较少，算法评价采用交叉训练法中的留一法，即每次去除一个样本，其余参与训练，构建分类模型。
5、结果与讨论
从研究的结果上来看我们不难发现虽然本文当中选择的28种解表药是完全不同的，同时同一种药物的不同批次其产地也是完全不同的，每种样品的挥发性成分在数量、成分的结构和含量上都存在着非常大的差异，但是按照骨架的特征和官能团的差异将其分成不同的10种特征以后，使用支持向量机的方法就可以建立一个药性的检验和预测模型，在这一过程中药性对模型有着非常大的影响，其可以在应用的过程中展现出非常好的识别率，总体的识别率甚至已经超过了93%，这也充分的标明解表类药物的药性通常都是有结构完全不相同的挥发性成分在人体代谢的过程中相互之间起到了一定的制约或者是配合的作用所产生的结果。解表类药物挥发性成分和寒热药性是具备非常大的关联性的。
中药当中有很多的挥发性成分，这些挥发性成分实际上和药物的性质是有着十分密切的关系的，而且挥发性成分和药物的寒热性质关系最为密切，所以我们在中药研究的过程中，一定要将挥发性成分当做是研究的一个重点对象。
参考文献
[1]张新新，李雨，纪玉佳，王鹏，张永清，薛付忠.主成分-线性判别分析在中药药性识别中的应用[J].山东大学学报（医学版）.2012（01）
[2]刘文慧，李雨，纪玉佳，王鹏，张永清，薛付忠.偏最小二乘在中药药性判别中的应用[J].山东大学学报（医学版）.2012（01）
[3]刘进，邓家刚，覃洁萍，冯旭，王丽丽，罗祖良，韦日伟.基于红外光谱数据的中药药性识别研究[J].时珍国医国药.2010（03）