基于数据挖掘技术探讨治疗肺系疾病方剂中药物化学成分类别构成及其配伍关系.docVIP

基于数据挖掘技术探讨治疗肺系疾病方剂中药物化学成分类别构成及其配伍关系 　　摘要：目的 分析治疗肺系疾病经典方剂中药物化学成分类别的构成情况及可能的配伍关系，为治疗肺系疾病方剂的临床应用、物质基础研究与组分配伍研究提供参考。方法 以《中医方剂大辞典精选本》作为方剂基本信息来源，筛选治疗肺系疾病经典方剂，进行信息标准化处理，系统检索方剂组成中药化学成分类别构成，应用数据挖掘技术中的频数、频繁项集及关联规则，对筛选的方剂组成中药化学成分类别构成及关联关系进行分析。结果 按照筛选标准共筛选100首方剂，其中96%的治疗肺系疾病方剂组成药物含萜类化合物，95%含甾体，94%含生物碱；生物碱类化合物与甾体类化合物、黄酮与萜类化合物关联关系非常强，黄酮、生物碱组合等大部分二类化合物组合与萜类或甾体类化合物关联程度高。结论 中药萜类、甾体、黄酮及生物碱类化合物及其组合可能与方剂治疗肺系疾病的物质基础有一定联系，但是尚需进行系统的化学与药效实验研究加以证实。 　　关键词：方剂；肺系疾病；数据挖掘；化学成分；配伍 　　中图分类号：R2-05 文献标识码：A 文章编号：1005-5304（2013）01-0028-03 　　随着大气污染、人口老龄化、吸烟等因素，肺系疾病（呼吸系统疾病）的发病率呈上升之势，已经成为严重危害我国人民身体健康重要因素之一[1]。中药尤其是复方对肺系疾病具有较好疗效，古代医籍文献对肺系疾病的治疗方剂记载颇多，近年来，有许多学者对这些方剂的有效部位进行研究，以探索其作用的物质基础。本研究利用数据库及数据挖掘技术对古代医籍 　　基金项目：山东省博士后创新项目专项资金（201102036） 　　文献所记载治疗肺系疾病的方剂进行了分析和数据挖掘研究，探索方剂组成中药物化学成分类别的构成情况及可能的配伍关系，以期为治疗肺系疾病方剂的临床应用、物质基础研究与组分配伍研究提供参考。 　　1 资料与方法 　　1.1 处方来源、筛选标准与标准化处理 　　本研究以《中医方剂大辞典精选本》[2]作为方剂基本信息来源。参考《中华医典》[3]、《方剂学》[4]。 　　本研究所筛选方剂满足以下要求：①《中医方剂大辞典精选本》所列治疗肺系疾病的方剂（以下简称“肺系方剂”）；②有针对肺系病证功效的描述，如“清肺”、“润肺”、“温肺”、“敛肺”、“补肺”、“泻肺”等，或“止咳”、“平喘”、“定喘”、“化痰”等；③方剂主治病证中含有“肺痿”、“肺痈”、“肺胀”、“肺痨”、“咳嗽”、“哮喘”等；④药味≤6味；同时，要求方剂包含的信息较完整，方名、组成、功效、主治各项齐备，有较系统的化学成分研究。所有中药名以《中华人民共和国药典》[5]与《中华本草》[6]记载的正名（即目录名称）为准。 　　化学成分类别构成的文献资料来源于中国期刊全文数据库、中文科技期刊数据库以及美国化学文摘（CA）数据库，分别以中药的中文名、英文名、拉丁名进行化学成分的资料检索。 　　1.2 数据分析方法 　　1.2.1 频数及频繁项集 ①进行处方中中药数据信息的频数与频率分析。数据的频数分析是一种描述性统计分析[7]，包含频数与累计频数两个参数，其中累计频数是依次累计得到的各组频数之和。本研究通过频数分析挖掘处方组成药物的化学成分类别构成情况，其中方剂化合物类别频数是组成药物中含某类化合物的方剂出现的次数，在本研究中累计频数采用向下累计频数，即由频数值高的组向频数值低的组依次累计频数，主要反映组成中药含某几类化合物方剂的频数和在总体频数中所占的比例。②进行频繁项集分析。频繁项集是数据挖掘技术中的一种常用方法，指的是支持度大于或等于用户指定的最小支持度阈值的项集[8]。在本研究中，项集是指处方方剂组成中药化合物类别的集合。通过频繁项集挖掘分析处方中含2类及2类以上化合物类别组成方剂的集合。 　　1.2.2 关联分析方法 采用关联规则[9-10]挖掘方剂中不同类别化学成分之间的关联关系，即发现处方中组成中药所含化学成分类别之间出现的关联关系强弱。其中支持度是组成中药中含某类化学成分的方剂及其集合（前项）与其他组成中药中含某类化学成分的方剂及其集合（后项）同时出现的频率，亦即前项与后项同时出现的方剂数与总的方剂数的比值。置信度是前项出现时，后项中药出现的概率，亦即前项与后项同时出现的方剂数与只有前项出现的方剂数的比值。 　　2 结果 　　2.1 化合物类别构成分析 　　按照筛选标准，共筛选了100首方剂，各类二次代谢产物在肺系方剂中出现的频数情况见表1。通过频繁项集挖掘，两类化合物在一首方剂的组成药物中同时出现的情况分析见表2。 　　从表1可以看出，100首肺系方剂中有96首组成药物中含萜类化合物，95首组成药物含甾体化合物，94首含生物碱，最少的是醌