中药四性与药理作用相关性研究
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
・
wk.baidu.com９ ４
Ｃ ｔ ｅ ｏ ｎ ｏ Ｉ ｏｒ ａｔｉ ｎ ｎ Ｃ ｈｉｉ Ｊ ｕｒ ａｌ ｆ ｎｆ ｍ ｅｓ ｏ ｏ Ｔ Ｍ
Ｏｃｔ ０ Ｖ ．１ Ｎ ．１ ．２ １０ ｏ１ ｏ ０ ７
中药 四性与药理作用相关性研究
张 培， 梅， 耘， 王 王 郑虎 占， 乔延 江
（ 京 中 医 药 大 学 ， 京 １０ ０ ） 北 北 ０ １２ 关键 词 ： 中 药四 性 ； 药 理作 用 ； 贝叶 斯 网络 ；组 分 药性
型 不 仅给 出直 观 的 贝叶 斯 网 络 拓 扑 图 ， 映 了 四性 与 药 理 作 用 反
图论的语言直观揭示 问题的结构， 这里 的问题 即是 四性与药理
作 用 之 间 的关 系 ；另 一 方 面 ， 照 概 率 论 的原 则 对 问题 的 结 构 按
加 以利 用， 于条件概率表进行 推理， 基 可预测中药有效组份 的 四性， 从而为指 导中药组份的临床 应用及组份配伍提供支撑。
１ 实验数据
１ １ 数 据 来 源 ．
速度。更重要的是维数降低有助于形成更为紧凑、更 易理解的 目标概念表达方式， 使用户 的注意力集中在最为相关 的属性上 。 ２ ２ ２ 样 本的复制 在 四性分类研 究中， 据集样本分布往 ．． 数 往不均匀， 肯定类 样本较少， 这使得在运用 学习方法分类 的过
数据 库 ” Ｃ Ｋ ） 索 ， （Ｎ Ｉ检 收集 １８ ９ ０年 以来 国 内公 开 发 表 的有 关 这 些 中药 药 理研 究 的全 部 文 献 ， 并参 考 《 中药 学 》 、《 临床 中药 学 》 对 其 药理 信 息 进 行 补 充 。 １２ 数 据 的 标 引和 整 理 ．
搜 索 （ｅ ｔＦ ｒ ｔ Ｓ ａ ｃ ） 法 进 行 属 性 筛 选 ， 找 与 目标 类 Ｂ ｓ — ｉ ｓ ｅｒ ｈ 方 寻 （ 寒性 、凉 性 、平 性 、温 性 和 热 性 ） 为相 关 的属 性 。通 过 去 除 最 不 适 当 的 属 性 可 降 低数 据 的维 数 、 善 学 习算 法 的 性 能 、提 高 改
四性理论是 中药药性理论的重要 组成部分， 是指导药物 临 床应用的重要依据， 所谓 “ 寒热温凉， 匕之谬， 一 覆水难收 ” 中
药 四 性 是 客观 存 在 的， 是 抽象 的 。 四性 理 论 的 抽 象 性 和 模糊 又 性 ， 得 其 难 以实 现 与现 代 生 命 科 学 技 术 的 融 合 ， 使 阻碍 了 中 医
设寻找满足条件独立 限制的模型结构， 包括 了有 向无环 图和与
之 相 应 的 条 件 概 率 表 两 部 分 内容 。 贝 叶斯 网络 是 概 率 论 和 图 论 相 结 合 的 产 物 。 一 方 面 ， 以 它
药现代化研究进程 。 建立符合现代科学认知规律 的中药四性表 征体系， 是中医药学术发展及现代化研究的关键 问题之一 。 笔者在对大量 的药理研究文献进行整理 的基础上， 运用 贝 叶斯网络学 习算法构建了四性 的分类模型 。 贝叶斯 网络分类 模
２ ２ 数 据 预 处 理 ．
之间的关 系， 且给出条件概率表， 基于条件概率表进行推理， 可
预 测 中药 有 效 组 分 的四 性 ， 而 为指 导 中药 组 分 的 临床 应 用 及 从 组分 配 伍 奠 定 基 础 。
２ ２ １ 属性选择 ．．
采用 Ｃ ｓｕ ｓｔ ｖ ｌ评价方法和最佳优先 ｆＳｂｅＥａ
Ｄ ： １ ． ９ ９ ｊ ｉ ． ０ — ３ ４ ２ １ ． ． ５ ＯＩ ３ ６ ／ ． ｓ １ ５ ５ ０ ． Ｏ １ ０ ２ ０ Ｓｎ ０ ０ ０
中图分类号 ：Ｒ ８ ２５
文献标识码：Ｃ
文章编号：１０ —３４２ １）００ ９ —３ ０ ５５ ０ （０ ０ １—０ ４０
是 研 究 不 确 定 性 知 识表 达 与推 理 的方 法 。 是依 据 马 尔 可 夫 假 它
问题， 保持总样本 数不变， 采用 Ｒ ｓｍ ｌ ｅ ａ ｐ ｅ方法通过 替代式采
每味中药按照 《 中国药典》对 中药名和 四性进行标 引。四
性 包 括 寒 、热 、温 、凉 、平， 大 寒 、寒 、微 寒 都 归 为 寒 ， 大 将 将 热 、热 都 归 为 热 。以文 献 中 常用 的表 述 中 药 药 理作 用 的术 语 为 字 段 ， 每 味 中药 的药 理 作 用 数据 进 行 采 集 和 标 引 。若 文 献 中 对 有 报 道 某 味药 具 有 某 项 药 理 作 用 ， 该 字 段 对 应 的值 为 ｙ 否 则 ， 则为 ｎ 。为 进 一 步提 高数 据 质 量 ， 掉 缺 失 值 较 多 的样 本 ， 理 去 整 后 共 ３ ７ 味 中药 ， 对 药 理 指 标 进 行 归 纳 、 提炼 和 整 理 ， 到 ７ 并 得
相应 的条 件 概 率 表 。基 于 条 件 概 率 表 进 行 贝叶 斯 推 理 ， 预 测 可
３ ９个药理指标。本实验分 别针对寒性 、热性 、温性、凉性 和
样法随机对样本进 行复制， 改变训练集中肯定类 实例 与否 定类 实例的比例， 从而使 学习方案变为成本敏感型。 ２ ３ 贝叶斯 网络建模 ．
针 对 复 制 后 的 寒 性 、 性 、 性 、 性 和 热 性 模 型样 本集 ， 凉 平 温
利用 贝叶斯 网络方法进行建模。限制最大父节 点数 为 ３ 、采用 Ｋ ２算法 构建贝叶斯网络分类模 型， 得到贝叶斯 网络结构 图和
程 中， 生 倾 向于 重 视 否 定 类 而 忽 视 肯 定 类 的 现 象 ， 致 模 型 产 导 的 正 确 率 虽 高 ， 对 肯 定 类 样 本 的 分 类 正 确 率 很低 。 为解 决这 但
一
研究分析的中药全 部选 自 ２ ０ ０ ５年版 《 中华人 民共 和国药 典（ 一部） （ 》 以下简称 《 中国药典》） 。利用 “ 中国期刊全文
wk.baidu.com９ ４
Ｃ ｔ ｅ ｏ ｎ ｏ Ｉ ｏｒ ａｔｉ ｎ ｎ Ｃ ｈｉｉ Ｊ ｕｒ ａｌ ｆ ｎｆ ｍ ｅｓ ｏ ｏ Ｔ Ｍ
Ｏｃｔ ０ Ｖ ．１ Ｎ ．１ ．２ １０ ｏ１ ｏ ０ ７
中药 四性与药理作用相关性研究
张 培， 梅， 耘， 王 王 郑虎 占， 乔延 江
（ 京 中 医 药 大 学 ， 京 １０ ０ ） 北 北 ０ １２ 关键 词 ： 中 药四 性 ； 药 理作 用 ； 贝叶 斯 网络 ；组 分 药性
型 不 仅给 出直 观 的 贝叶 斯 网 络 拓 扑 图 ， 映 了 四性 与 药 理 作 用 反
图论的语言直观揭示 问题的结构， 这里 的问题 即是 四性与药理
作 用 之 间 的关 系 ；另 一 方 面 ， 照 概 率 论 的原 则 对 问题 的 结 构 按
加 以利 用， 于条件概率表进行 推理， 基 可预测中药有效组份 的 四性， 从而为指 导中药组份的临床 应用及组份配伍提供支撑。
１ 实验数据
１ １ 数 据 来 源 ．
速度。更重要的是维数降低有助于形成更为紧凑、更 易理解的 目标概念表达方式， 使用户 的注意力集中在最为相关 的属性上 。 ２ ２ ２ 样 本的复制 在 四性分类研 究中， 据集样本分布往 ．． 数 往不均匀， 肯定类 样本较少， 这使得在运用 学习方法分类 的过
数据 库 ” Ｃ Ｋ ） 索 ， （Ｎ Ｉ检 收集 １８ ９ ０年 以来 国 内公 开 发 表 的有 关 这 些 中药 药 理研 究 的全 部 文 献 ， 并参 考 《 中药 学 》 、《 临床 中药 学 》 对 其 药理 信 息 进 行 补 充 。 １２ 数 据 的 标 引和 整 理 ．
搜 索 （ｅ ｔＦ ｒ ｔ Ｓ ａ ｃ ） 法 进 行 属 性 筛 选 ， 找 与 目标 类 Ｂ ｓ — ｉ ｓ ｅｒ ｈ 方 寻 （ 寒性 、凉 性 、平 性 、温 性 和 热 性 ） 为相 关 的属 性 。通 过 去 除 最 不 适 当 的 属 性 可 降 低数 据 的维 数 、 善 学 习算 法 的 性 能 、提 高 改
四性理论是 中药药性理论的重要 组成部分， 是指导药物 临 床应用的重要依据， 所谓 “ 寒热温凉， 匕之谬， 一 覆水难收 ” 中
药 四 性 是 客观 存 在 的， 是 抽象 的 。 四性 理 论 的 抽 象 性 和 模糊 又 性 ， 得 其 难 以实 现 与现 代 生 命 科 学 技 术 的 融 合 ， 使 阻碍 了 中 医
设寻找满足条件独立 限制的模型结构， 包括 了有 向无环 图和与
之 相 应 的 条 件 概 率 表 两 部 分 内容 。 贝 叶斯 网络 是 概 率 论 和 图 论 相 结 合 的 产 物 。 一 方 面 ， 以 它
药现代化研究进程 。 建立符合现代科学认知规律 的中药四性表 征体系， 是中医药学术发展及现代化研究的关键 问题之一 。 笔者在对大量 的药理研究文献进行整理 的基础上， 运用 贝 叶斯网络学 习算法构建了四性 的分类模型 。 贝叶斯 网络分类 模
２ ２ 数 据 预 处 理 ．
之间的关 系， 且给出条件概率表， 基于条件概率表进行推理， 可
预 测 中药 有 效 组 分 的四 性 ， 而 为指 导 中药 组 分 的 临床 应 用 及 从 组分 配 伍 奠 定 基 础 。
２ ２ １ 属性选择 ．．
采用 Ｃ ｓｕ ｓｔ ｖ ｌ评价方法和最佳优先 ｆＳｂｅＥａ
Ｄ ： １ ． ９ ９ ｊ ｉ ． ０ — ３ ４ ２ １ ． ． ５ ＯＩ ３ ６ ／ ． ｓ １ ５ ５ ０ ． Ｏ １ ０ ２ ０ Ｓｎ ０ ０ ０
中图分类号 ：Ｒ ８ ２５
文献标识码：Ｃ
文章编号：１０ —３４２ １）００ ９ —３ ０ ５５ ０ （０ ０ １—０ ４０
是 研 究 不 确 定 性 知 识表 达 与推 理 的方 法 。 是依 据 马 尔 可 夫 假 它
问题， 保持总样本 数不变， 采用 Ｒ ｓｍ ｌ ｅ ａ ｐ ｅ方法通过 替代式采
每味中药按照 《 中国药典》对 中药名和 四性进行标 引。四
性 包 括 寒 、热 、温 、凉 、平， 大 寒 、寒 、微 寒 都 归 为 寒 ， 大 将 将 热 、热 都 归 为 热 。以文 献 中 常用 的表 述 中 药 药 理作 用 的术 语 为 字 段 ， 每 味 中药 的药 理 作 用 数据 进 行 采 集 和 标 引 。若 文 献 中 对 有 报 道 某 味药 具 有 某 项 药 理 作 用 ， 该 字 段 对 应 的值 为 ｙ 否 则 ， 则为 ｎ 。为 进 一 步提 高数 据 质 量 ， 掉 缺 失 值 较 多 的样 本 ， 理 去 整 后 共 ３ ７ 味 中药 ， 对 药 理 指 标 进 行 归 纳 、 提炼 和 整 理 ， 到 ７ 并 得
相应 的条 件 概 率 表 。基 于 条 件 概 率 表 进 行 贝叶 斯 推 理 ， 预 测 可
３ ９个药理指标。本实验分 别针对寒性 、热性 、温性、凉性 和
样法随机对样本进 行复制， 改变训练集中肯定类 实例 与否 定类 实例的比例， 从而使 学习方案变为成本敏感型。 ２ ３ 贝叶斯 网络建模 ．
针 对 复 制 后 的 寒 性 、 性 、 性 、 性 和 热 性 模 型样 本集 ， 凉 平 温
利用 贝叶斯 网络方法进行建模。限制最大父节 点数 为 ３ 、采用 Ｋ ２算法 构建贝叶斯网络分类模 型， 得到贝叶斯 网络结构 图和
程 中， 生 倾 向于 重 视 否 定 类 而 忽 视 肯 定 类 的 现 象 ， 致 模 型 产 导 的 正 确 率 虽 高 ， 对 肯 定 类 样 本 的 分 类 正 确 率 很低 。 为解 决这 但
一
研究分析的中药全 部选 自 ２ ０ ０ ５年版 《 中华人 民共 和国药 典（ 一部） （ 》 以下简称 《 中国药典》） 。利用 “ 中国期刊全文