Pengukuran Kesamaan Bahan Obat Cina Untuk Identifikasi Alam Panas Dingin

Untuk informasi lebih lanjut:{0}}

Guo-Hui Wei, Xian-Jun Fu, Zhen-Guo Wang

1Laboratorium Utama Teori TCM, Kementerian Pendidikan Tiongkok, Universitas Pengobatan Tradisional Tiongkok Shandong, Jinan, Tiongkok.

Highlight

Dalam penelitian ini, kami memverifikasi hipotesis bahwaCinaobatdengan komposisi zat yang sama harus memiliki sifat obat yang sama. Kami menggunakan sidik jari kimia untuk menganalisis bahan kimia dalam obat-obatan Tiongkok. Kami mengukur kesamaan bahan dengan metrik jarak dan merancang skema pengambilan untuk mengidentifikasi sifat dingin-panas dariCinaobat.

Cistanche adalah Obat Cina yang sangat bagus

Abstrak

Tujuan: Teori alam tentangCinaobat-obatan(CM) adalah teori dasar inti dariTradisionalCinaObat-obatan(TCM), di mana sifat dingin-panas menjadi fokus penelitian. Studi telah menemukan bahwa bahan CM adalah bahan dasar untuk produksi sifat obat. Oleh karena itu, berspekulasi bahwa CM dengan komposisi zat yang sama harus memiliki sifat obat yang serupa. Pekerjaan modern mempelajari obat panas dingin CM dengan teknologi sidik jari kimia karena data sidik jari kimia CM dapat mencerminkan seluruh komposisi bahan CM.

Metode: Untuk memverifikasi hipotesis di atas, dalam pekerjaan ini, kami mempelajari kuantifikasi kesamaan bahan CM dengan kesamaan sidik jari dan mengeksplorasi hubungan antara komposisi CM dan sifat dingin-panas. Pertama, kami menggunakan teknologi spektrum ultraviolet (UV) untuk menganalisis 61 CM, yang memiliki sifat dingin-panas yang jelas (termasuk 30'CM dingin' dan 31'panas' CM). Kedua, dengan database sidik jari yang dibangun dari CM. algoritma pembelajaran metrik jarak dipelajari untuk metrik kesamaan sidik jari UV. Akhirnya, skema pengambilan diusulkan untuk membangun model identifikasi prediktif untuk mengidentifikasi sifat dingin-panas CM.

Hasil: Melalui berbagai analisis eksperimen, data spektrum ultraviolet dari pelarut petroleum eter dapat lebih mewakili CM untuk membedakan antara sifat dingin dan panas. Dibandingkan dengan model klasik yang ada, skema identifikasi yang diusulkan memiliki kinerja prediksi yang lebih baik.

Kesimpulan: Hasil eksperimen membuktikan kesimpulan kami bahwa CM dengan komposisi zat yang serupa harus memiliki sifat obat yang serupa. Model prediksi yang diusulkan terbukti efektif dan layak.

Kata kunci: Pengobatan tradisional Tiongkok,CinaObat-obatanbahan, Spektrum ultraviolet, Pengukuran kesamaan, Sifat dingin-panas

Latar belakang

Sebagai salah satu elemen inti Pengobatan Tradisional Cina (TCM), teori sifat TCM telah menarik perhatian para sarjana dan lembaga penelitian selama bertahun-tahun. Sifat dariCinaobat-obatan(CM) berisi empat jenis yaitu. sejuk, dingin, panas, dan hangat, yang mana sifat dingin dan panas merupakan bagian penting dari teori alam TCM [1,2]." Mengobati sindrom panas dengan obat alam dingin dan mengobati sindrom dingin dengan obat alam panas" menunjukkan bahwa pilek atau sifat panas teori sifat obat merupakan dasar penting untuk pengobatan TCM dalam mengatur keseimbangan antaraYindanYangtubuh manusia, dan penerapan sifat obat dingin-panas mengarah pada pengobatan yang efektif dalam pengobatan klinis TCM [3].

Banyak ahli mempertahankan pandangan yang berbeda tentang sifat dingin-panas TCM. Jin dkk.[4] mengusulkan 'model analisis matematis tiga elemen untuk meneliti karakter biologis TCM berdasarkan sifat obat panas dingin. Zhao dkk. [5] mengeksplorasi metode cold/hot plate untuk membedakan sifat dingin-panas rebusan Mahuang dan Maxingshigan. Wan dkk.[6] mempelajari efek TCM dengan sifat yang berbeda pada termoregulasi dan protein saluran potensiasi reseptor transien sensitif suhu tikus dengan demam yang diinduksi ragi. Liang dkk.[7] menganalisis sifat dingin dan panas dari ramuan obat Cina dengan jaringan molekuler dan metode fragmen kimia. Wang dkk. [8] mengidentifikasi 59 CHM dengan sifat dingin/panas yang khas dengan peta yang mengatur sendiri. Fu dkk. [9,10] menyelidiki keberadaanantikankeraktivitasditampilkan oleh sifat dingin-panas dari pengobatan kelautan tradisional Tiongkok dengan analisis pohon filogenetik dan dieksplorasi dalam metode Mode-of-Action Silico untuk menjelaskan sifat CM yang dingin, panas, dan netral.

Umumnya, diskriminasi sifat dingin-panas CM terdiri dari dua bagian: representasi fitur dan klasifikasi alami. Representasi fitur menggunakan efek asli CM, teknologi sidik jari, atau metode metabolomik untuk mengekstrak karakteristik CM. Klasifikasi alam perlu menggunakan pengklasifikasi pembelajaran mesin klasik atau pengklasifikasi yang dibangun untuk membedakan sifat dingin-panas CM. Efek asli dari pengobatan Cina adalah ekspresi karakteristik yang efektif. Kelompok penelitian Xue [11-13] mengeksplorasi fitur kemanjuran asli CM di "CinajamuObat-obatan(CHM)" dan menggunakan pengklasifikasi klasik (seperti jaringan saraf tiruan) untuk mengklasifikasikan sifat CM yang tidak diketahui. Metode metabolomik juga digunakan untuk mewakili CM. Nie et al. [14] mempelajari fitur Metabonomik CM dan membangun a model hutan acak untuk membedakan sifat CM yang tidak diketahui. Teknologi kimia adalah metode penting untuk menganalisis sifat dingin-panas. Long et al. [15] menganalisis komponen kimia 284 CM dengan sifat medis yang jelas dan mengeksplorasi sistem kombinasi untuk memprediksi sifat dingin-panas CM lain, Metode lain seperti spektroskopi resonansi magnetik nuklir proton (1H-NMR), digunakan untuk menyelidiki fitur CM Daftar al [16] mempelajari karakteristik CM dengan 1H-NMR dan menerapkan teknik pengenalan pola untuk menganalisis sifat CM yang tidak diketahui.

Kecuali untuk pengklasifikasi klasik, skema pengambilan adalah salah satu skema klasifikasi yang populer dan efektif, yang telah diterapkan secara luas dalam mengidentifikasi mamografi jinak dan ganas dan nodul paru [17-20]. Dibandingkan dengan pengklasifikasi tradisional, skema pengambilan dapat memberikan kasus yang paling mirip untuk analisis dan referensi. Oleh karena itu, ukuran kesamaan memainkan peran penting dalam skema pencarian untuk klasifikasi. Kelompok kami telah melakukan banyak pekerjaan penelitian pada pengukuran kesamaan gambar nodul paru [20,21]. Kami mengukur kesamaan gambar nodul paru dengan metrik jarak. Meskipun pengukuran kesamaan telah dipelajari secara luas dalam citra medis, jarang digunakan dalam identifikasi sifat CM.

Penelitian alam obat saat ini berfokus pada pengungkapan hubungan sifat CM dan komposisi material dalam CM. Misalnya, teknik sidik jari kimia dan model diskriminan alam CM diterapkan untuk menganalisis komposisi bahan CM. Data sidik jari kimia CM dapat mencerminkan seluruh komposisi bahan CM. Bioaktivitas ditentukan oleh komposisi bahan. dan bioaktivitas CM adalah inti dari mengidentifikasi sifat obat [2]. Dengan demikian, komposisi material secara tidak langsung menentukan sifat CM. Studi telah menemukan bahwa bahan CM adalah bahan dasar untuk produksi sifat obat [10]. Oleh karena itu, berspekulasi bahwa CM dengan komposisi zat yang sama harus memiliki sifat obat yang serupa.

Untuk memverifikasi hipotesis yang diajukan di atas, dalam karya ini, kami mengeksplorasi hubungan antara bahan CM dan sifat obat dingin-panas. Pertama, kami membangun database bahan CM dengan menggunakan teknologi spektrum ultraviolet (UV) untuk mewakili 61 CM, yang memiliki sifat dingin-panas yang jelas (termasuk 30 CM 'dingin' dan 31 CM 'panas'). Kedua, kami mempelajari kuantifikasi kesamaan bahan CM dengan metrik jarak. Jarak Mahalanobis dipelajari untuk mengukur kesamaan sidik jari UV CM. Akhirnya, skema pengambilan diusulkan untuk membangun model identifikasi prediktif untuk memprediksi sifat dingin-panas CM.

Bahan dan metode

Kumpulan Data TCM

61 CM representatif dianalisis dalam penelitian ini, di mana 30 CM adalah 'obat flu' dan lainnya adalah 'obat panas'. Semua 61 CM telah ditandai dalam 'Chinese Materia Medica' klasik dan 'Herbal Klasik Shen Nong'. Tabel l menunjukkan 61 CM representatif dan sifatnya (karakteristik dalam tanda kurung).

Teknologi sidik jari UV digunakan untuk menguji 61 CM. Instrumen utamanya adalah Spektrofotometer UV-3010 UV (Hitachi, Jepang). Kelompok kami mencatat absorbansi total 61 CM dalam panjang gelombang ultraviolet 190-400nm dengan empat pelarut berbeda (kloroform, air suling, etanol absolut, petroleum eter). Sebuah metode rinci untuk mendapatkan sidik jari UV dapat merujuk pada naskah [25]. Sebagai obat 'panas', Biji Mustard telah ditandai dalam 'Cina Materia Medica' klasik dan 'Herbal Klasik Shen Nong'. Gambar 1 menunjukkan kurva serapan UV Jiezhi (Biji Sesawi) dan GeGen (Puerariae Lobatae Radix) dengan pelarut petroleum eter.

Kesamaan Sidik Jari UV

Dalam penelitian ini, kami menyelidiki hubungan antara sifat dingin-panas dan komposisi material CM. Untuk memverifikasi hipotesis, CM dengan komposisi zat yang serupa harus memiliki sifat obat yang serupa, kami ingin mengukur kesamaan bahan CM dan mengeksplorasi metode untuk mengidentifikasi sifat CM. Sidik jari UV mencerminkan komposisi material CM. Oleh karena itu, kami ingin mengungkapkan sifat dingin-panas berdasarkan sidik jari UV. Jika bahan CM serupa, kita dapat berpikir bahwa sifat obatnya serupa. Oleh karena itu, CM dengan sidik jari UV yang serupa harus memiliki sifat obat yang sama.

Ukuran kesamaan didefinisikan sebagai relevansi semantik, yang telah digunakan untuk mengukur kesamaan gambar nodul paru dalam penelitian kami [21]. Jika dua CM keduanya obat flu, mereka secara semantik serupa. Jarak Mahalanobis digunakan untuk mengukur kesamaan sidik jari UV CM. Semakin kecil jarak Mahalanobis, semakin tinggi kemiripan sidik jari UV.

Penilaian kinerja

Dalam subbagian ini, untuk memverifikasi kelayakan skema pengambilan yang diusulkan untuk identifikasi sifat dingin-panas, eksperimen ekstensif dibangun untuk menilai kinerja skema pengambilan. Kami membandingkan kinerja skema kami dengan model klasifikasi tercanggih, termasuk mesin pembelajaran ekstrim (ELM)[24], jaringan saraf tiruan (ANN), dan mesin vektor pendukung (SVM). Semua evaluasi eksperimen didasarkan pada kumpulan data TCM yang ada. Aplikasi ini membantu untuk menguji sifat CM yang tidak diketahui dengan mengambil spektrum UV serupa dari CM dengan sifat dingin-panas yang jelas. Dalam penelitian ini, pertama-tama kami membandingkan kinerja identifikasi sifat spektrum UV dengan pelarut yang berbeda dan memilih pelarut yang sesuai dengan kinerja identifikasi yang optimal. Kedua, kami merancang eksperimen untuk mengevaluasi kinerja skema yang diusulkan, yang disebut evaluasi stabilitas. Ketiga, kami mengilustrasikan skema pengambilan dengan contoh. Akhirnya, dataset independen digunakan untuk menguji kekokohan algoritma yang diusulkan.

Dalam percobaan kami, evaluasi stabilitas digunakan untuk menganalisis kinerja model prediksi yang diusulkan. Evaluasi stabilitas dihitung dengan metode leave-one-CM-out [20] di seluruh dataset. Setiap kali, satu CM dipilih sebagai CM kueri dan 60 CM lainnya sebagai basis data referensi. Karena setiap TCM dipilih sebagai CM kueri, proses ini dilakukan 6 kali. Dalam skema pengambilan ini, kami mengambil K'paling mirip dan kemudian memperoleh probabilitas sifat dingin. Akhirnya, 61 probabilitas dihitung. Dengan memvariasikan ambang 'probabilitas alam dingin, kurva Karakteristik Operasi Penerima (ROC) dihasilkan. Area di bawah kurva ROC (AUC) dan akurasi prediksi (ACC) digunakan untuk mengevaluasi kinerja skema kami. Semakin besar area, semakin stabil modelnya, nilai ACC adalah probabilitas klasifikasi yang benar dari sifat dingin-panas CM. Rumus ACC adalah sebagai berikut:

Nilai AUC dan ACC diterapkan untuk evaluasi stabilitas.

Hasil

Evaluasi Kinerja dengan Pelarut Berbeda.

Sidik jari kimia CM mencerminkan komposisi material CM. Spektrum UV adalah salah satu sidik jari CM, yang dapat diterapkan untuk membedakan sifat dingin-panas CM. Dalam studi ini, kami membuat eksperimen untuk menganalisis secara kuantitatif hubungan antara komposisi material dan sifat CM melalui spektroskopi ultraviolet.

Dalam karya ini, kinerja klasifikasi spektrum UV dengan pelarut yang berbeda (air suling. kloroform. petroleum eter, etanol absolut) dianalisis untuk memilih data UV di bawah pelarut untuk kinerja pengenalan yang optimal. Metode leave-one-CM-out digunakan untuk mengevaluasi parameter skema kami. Gambar 2 menampilkan kurva nilai ACC untuk klasifikasi sifat obat dari spektrum UV dengan pelarut yang berbeda. Nilai ACC dihitung sebagai fungsi dari jumlah referensi CM (K) yang diambil untuk mendapatkan kurva yang lebih komprehensif untuk memprediksi kinerja model. Pada Gambar 2, kurva nilai ACC di bawah pelarut petroleum eter lebih baik daripada di bawah pelarut lain, yang berarti bahwa spektrum UV pelarut petroleum eter memiliki kinerja diskriminan terbaik dari sifat dingin-panas. Ketika K ditetapkan sebagai 7, kurva nilai ACC di bawah pelarut petroleum eter memiliki puncak. Kinerja identifikasi mencapai nilai maksimal 0.803. Dari kurva nilai ACC di bawah etanol absolut, sidik jari UV dengan etanol absolut memiliki kinerja prediksi yang paling rendah. Identifikasi sifat CM dengan air suling dan kloroform lebih rendah daripada dengan petroleum eter tetapi mengunggulinya dengan pelarut etanol absolut. Menurut gambar, nilai ACC maksimum air suling dan kloroform keduanya 0,656. Oleh karena itu, kedua pelarut ini buruk untuk memprediksi sifat obat.

Dalam penelitian ini, pengaruh parameter p pada Eg. (4) di bawah pelarut petroleum eter diselidiki untuk mengevaluasi kinerja prediksi sifat dingin-panas. Nilai er p diatur dalam kisaran

parameter【10-3,10*²,10',1,5,10,102,103】1.Gambar 3A menampilkan kurva nilai ACC dengan p yang berbeda. Dapat disimpulkan bahwa kurva performansi memiliki fluktuasi yang kecil dan nilai ACC mencapai maksimum ketika parameter p ditetapkan sebesar 5.

Jumlah vektor eigen k dalam algoritma pengambilan yang diusulkan dianalisis dalam rentang [50 100 150 200 210]. Dari Gambar 3B, nilai ACC yang lebih tinggi dapat dicapai dengan peningkatan angka k. Kinerja klasifikasi maksimum (nilai ACC) sesuai dengan jumlah maksimum vektor eigen k=210.

Penilaian Kinerja Model

Untuk menunjukkan kelayakan dan stabilitas skema pengambilan yang kami usulkan untuk mengidentifikasi sifat dingin-panas CM, penelitian ini membandingkan kinerja klasifikasi skema kami (skema pengambilan, dilambangkan sebagai "RS") dengan beberapa pengklasifikasi klasik (yaitu, ANN, SVM, ELM) atau pengklasifikasi yang digunakan dalam identifikasi sifat CM. Semua algoritma komparatif menggunakan parameter optimal dari dataset. Menurut hasil bagian sebelumnya, data spektrum UV di bawah pelarut petroleum eter digunakan untuk mempelajari prediksi sifat tahan dingin. Tabel 2 menunjukkan perbandingan kinerja penilaian stabilitas antara RS dan algoritma lainnya. Koefisien korelasi Pearson (PCC) digunakan sebagai acuan pembanding untuk mengukur kemiripan spektrum UV. Berdasarkan hasil prediksi alam dingin-panas, dapat kita simpulkan sebagai berikut. Pertama, skema kami RS melakukan yang terbaik dalam mengidentifikasi sifat dingin-panas. Khususnya, RS dan PCC memiliki akurasi identifikasi yang lebih baik daripada algoritma klasik pembanding lainnya. Hal ini menggambarkan bahwa obat-obatan Cina dengan spektrum ultraviolet yang sama memiliki sifat obat yang serupa. Kedua, ANN dan ELM dengan data spektral UV buruk dalam mengidentifikasi sifat obat.

Ketiga, akurasi identifikasi SVM lebih baik daripada ANN dan ELM. Namun, itu lebih buruk dari skema kami. Akhirnya, penilaian stabilitas skema kami adalah yang terbaik.

Contoh Prediksi

Metode leave-one-out digunakan untuk mendapatkan contoh prediksi. Dua kasus CM pengambilan yang dikembalikan oleh RS tercantum dalam Tabel 3. Kueri pengobatan Cina (baris pertama) dan k=7 CM referensi yang diambil ditampilkan dalam tabel. CM referensi yang diambil dihitung oleh RS dan diberi peringkat dengan jarak Mahalanobis yang bertahap secara monoton. Obat flu (DiFuZhi(Kochiae Fructus)) dan obat panas(BiBa(Piperis Longi Fructus)) disajikan sebagai contoh untuk menggambarkan prinsip identifikasi obat panas dingin. Di kolom pertama, obat kuerinya adalah Piperis Longi Fructus. Obat-obatan referensi yang diambil semuanya bersifat panas. Probabilitas sifat dingin yang dihitung adalah 0, yang menunjukkan bahwa obat kueri mungkin bersifat panas. Di kolom kedua, obat kuerinya adalah Kochiae Fructus. Hasil yang diperoleh adalah enam obat alam dingin dan satu obat alam panas. Probabilitas sifat dinginnya adalah 0.9464, menunjukkan obat kueri lebih cenderung bersifat dingin. Contoh prediksi menunjukkan bahwa sidik jari UV yang serupa dapat mencirikan sifat medis yang sama.

Kinerja Prediksi Keseluruhan.

Dalam penelitian ini, kami melakukan penilaian holistik dari metode RS yang diusulkan. Tabel 4 menunjukkan matriks kebingungan prediksi 61 CM. Total akurasi prediksi adalah 80,3 persen (49/61). Ketepatan identifikasi obat alam dingin adalah 86,7 persen (26/30), sedangkan akurasi prediksi obat alam panas adalah 74,2 (23/31). Dapat dilihat bahwa skema ini memiliki tingkat prediksi yang baik untuk obat-obatan dengan sifat dingin. Recall, presisi, dan F-score dari identifikasi 61 CM tercantum pada Tabel 5. Secara umum, skema kami memiliki tingkat identifikasi yang baik.

Kekokohan yang diusulkan

metode Sebuah dataset independen digunakan untuk menguji kekokohan dari algoritma yang diusulkan. Dalam dataset ini, deskriptor molekul dihitung untuk mewakili CM, termasuk Molweight, H.Acceptors, H.Donors, Polar.Surface.Area, Rotatable.Bonds, Sp3.Atoms, Symmetric. atom dan Amina. Proses rinci telah dijelaskan dalam naskah [10]. Dalam dataset terdapat 534 obat panas dan 724 obat flu. Tabel 6 menunjukkan matriks kebingungan identifikasi 1258 CM (534 ditambah 724 obat). Total akurasi identifikasi adalah 81,1 persen (1020/1258). Ketepatan prediksi obat alam dingin adalah 83,0 persen (443/534), sedangkan akurasi identifikasi obat alam panas 79,7 persen (577/724). Hasil eksperimen menunjukkan bahwa metode yang diusulkan memiliki ketahanan yang lebih baik. Secara umum, skema kami memiliki tingkat prediksi yang baik.

Diskusi

Dalam studi ini, kami telah mengeksplorasi kelayakan mengklasifikasikan sifat CM dengan skema pengambilan berdasarkan kesamaan data spektral UV. Hasil percobaan telah menunjukkan bahwa itu adalah metode yang efektif untuk mengidentifikasi sifat CM yang tidak diketahui dengan menghitung kesamaan spektrum UV. Sementara itu, hasil eksperimen memverifikasi hipotesis yang diajukan bahwa CM dengan komposisi zat yang serupa harus memiliki sifat obat yang serupa.

Kesimpulan. kelebihan penelitian kami adalah sebagai berikut. Pertama, untuk mewujudkan identifikasi sifat CM, kumpulan data 61 spektrum UV CM referensi dirakit di mana setiap CM memiliki sifat dingin atau panas yang jelas. Sehingga efektif dan layak untuk penentuan sifat CM.

Kedua, sifat dingin-panas memainkan peran penting dalam teori alam TCM. Dalam penelitian ini, kami menyelidiki hubungan timbal balik antara komposisi material dalam CM dan sifat dingin-panas. Komposisi material diwakili oleh spektrum UV. Evaluasi eksperimen telah menggambarkan bahwa ada hubungan antara komposisi bahan dan sifat obat panas dingin, yang dapat diterapkan untuk klasifikasi sifat dingin-panas. Selanjutnya, kami menunjukkan bahwa komposisi material menentukan sifat CM dingin-panas.

Ketiga, mengingat karakteristik spektral UV CM, kami menyelidiki skema pengambilan untuk mengidentifikasi sifat CM. Metrik jarak dipelajari untuk mengukur kesamaan spektrum UV. Hasil eksperimen menunjukkan bahwa skema kami berkinerja terbaik. Penjelasan potensial adalah bahwa skema kami cukup mengeksplorasi hubungan antara komposisi material dan sifat CM dingin-panas.

Keempat, kinerja lain yang telah ditunjukkan secara menyeluruh dalam penelitian ini adalah kekokohan skema pengambilan yang diusulkan untuk aplikasi klinis di masa depan. Untuk model diskriminan cerdas, tujuan kami adalah membantu para peneliti dalam membaca spektrum ultraviolet dan mengidentifikasi sifat dingin-panas. Model tidak layak jika ketahanannya terlalu rendah untuk dataset TCM independen. Kami telah menunjukkan bahwa model kami memiliki ketahanan tinggi dalam percobaan. Lebih banyak data sidik jari CM akan diekstraksi untuk mengonfirmasi kekokohan model kami di masa mendatang.

Namun, penelitian kami masih memiliki beberapa keterbatasan. Pertama, penelitian ini hanya menggunakan spektrum UV untuk mewakili CM. Teknik sidik jari lainnya tidak dianalisis dalam penelitian ini, CM adalah campuran senyawa kompleks. Tidak mungkin untuk mencerminkan seluruh komposisi senyawa CM hanya dengan satu teknik sidik jari. Di masa depan, kami ingin menggunakan banyak sidik jari untuk menganalisis sifat dingin-panas CM. Kedua, kami menyelidiki kesamaan spektrum UV dengan metrik jarak. Data sidik jari memiliki karakteristik dimensi tinggi dan sampel kecil. Berdasarkan karakteristik tersebut, desain model peramalan menjadi fokus masa depan. Ketiga, penelitian kami berfokus pada eksplorasi skema pengambilan untuk klasifikasi alam dingin-panas. Fitur spektrum UV belum dianalisis secara menyeluruh. Selanjutnya, kami akan mengintegrasikan data sidik jari yang lebih efektif untuk meningkatkan kinerja klasifikasi sifat obat.

Studi kami tidak hanya memberikan metode untuk identifikasi alam tetapi skema baru untuk penanda alamCinaobat. Penanda alam adalah konsep baru, yang menunjukkan bahan-bahan dariCinaobaterat kaitannya dengan sifat obat. Dengan skema identifikasi alam kami, kami ingin mencari obat-obatan Cina dengan bahan-bahan serupa di bawah kondisi pembatasan sifat yang sama. Beberapa obat Cina tersebut memiliki bahan yang sama, yang dapat dianggap sebagai penanda sifat dari beberapa obat iniCinaobat.

Kesimpulan

Dalam penelitian ini, skema retrieval diusulkan untuk memprediksi sifat obat dingin-panas. Berdasarkan karakteristik CM, skema ini memiliki performansi klasifikasi yang lebih baik dibandingkan dengan classifier klasik. Eksperimen yang efektif menunjukkan bahwa sifat obat dingin-panas dan data sidik jari spektral UV relevan.

Referensi

1 Gao J, Chen C. Diskusi tentang konotasi ilmiah dari empat sifat materia medica Cina. Akta Univ. Tradisi. Med. Sin Pharmacol Shanghai 2007, 21:16-18.

2. Ouyang B, Wang ZG, Wang P. Pemikiran penelitian dan metode studi modern pada teori empat sifat materia medika Cina. J Beijing Univ Tradit Chin Med 2006, 29: 592-594.

3. Wu LJ, Wang YY, Li YD, dkk. Memahami ZHENG dalam Pengobatan Tradisional Cina dalam konteks jaringan Neuro-Endokrin-Imun. Sistem IET Biol 2007,1: 51-60.

4. Jin R, Zhang B, Liu XQ, dkk. Studi kinerja biologis material medica Cina dengan sifat dingin atau panas berdasarkan model analisis matematis tiga elemen. J Chin Integrasi Med 2011, 9:715-724.

5. Zhao Y, Jia L, Wang J, dkk. Uji pembedaan bantalan dingin/panas untuk perbedaan sifat rebusan mahuang dan maxingshigan. Pharm Biol 2016, 54(7):1298-302.

6. Wan HY, Kong XY, Li XM, dkk. Pengaruh obat-obatan tradisional Cina dengan sifat yang berbeda pada termoregulasi dan protein saluran potensial reseptor transien sensitif suhu tikus dengan demam yang diinduksi ragi. China J Chin Meter Med 2014, 39:3813-3818.

7. Liang F, Li L, Wang M, dkk. Karakteristik jaringan molekul dan fragmen kimia dari ramuan obat dengan sifat dingin dan panas dari pengobatan Cina. J Ethnopharmacol 2013, 148(3):770-779.

8. Wang M, Li L, Yu C, dkk. Klasifikasi campuran obat-obatan herbal Cina berdasarkan self-organizing map (SOM). Mol Inform 2016, 35(3-4):109-115.

9. Fu X, Lagu X, Li X, dkk. Analisis pohon filogenetik dari sifat dingin-panas pengobatan laut tradisional Tiongkok untuk kemungkinan aktivitas antikanker. Evid Based Complement Alternat Med 2017, 2017:1-10.

10. Fu X, Mervin LH, Li X, dkk. Menuju pemahaman sifat dingin, panas, dan netral dari obat-obatan Cina menggunakan analisis mode-of-aksi in silico. J Chem Inf Model 2017, 57(3):468-483.

11. Li Y, Li X, Xue FZ, dkk. Diskriminasi sifat obat tradisional Cina berdasarkan jaringan saraf tiruan. J Shandong Univ (Ilmu Kesehatan) 2011, 49:57-61.

12. Liu WH, Li Y, Ji YJ, dkk. Kuadrat terkecil parsial dalam diskriminasi properti obat herbal tradisional Cina. J. Shandong Univ (Ilmu Kesehatan) 2012, 50:151-154.

13. Zhang XX, Li Y, Ji YJ, dkk. Diskriminasi sifat obat tradisional Cina dengan analisis komponen utama-analisis diskriminan linier. J Shandong Univ (Ilmu Kesehatan) 2012, 50:143-146.

14. Nie B, Hao ZL, Gui B, dkk. Penelitian metode diskriminan metabolomik untuk sifat dingin dan panas obat tradisional Cina berdasarkan hutan acak. J Jiangxi Univ Traditi Chin Med 2015, 27:82-86.

15. Long W, Liu P, Xiang J, dkk. Sistem kombinasi untuk prediksi properti Materia Medica Cina. Hitung. Metode Program Biomed. 2011, 101(3):253-264.

16. Li H, Xu Q, Zhang J, dkk. Sifat dingin-panas membedakan jamu tradisional Cina dengan analisis diskriminan data spektral 1H-NMR. Konferensi Internasional 2017 tentang Ilmu Kedokteran dan Kesehatan Manusia (MSHH 2017), 2017, 174-179.

17. Jiang M, Zhang S, Li H, dkk. Diagnosis massa mamografi dengan bantuan komputer menggunakan pengambilan gambar yang dapat diskalakan. IEEE Trans Biomed Eng 2015, 62(2):783-92.

18. Tsochatzidis L, Zagoris K, Arikidis N, dkk. Diagnosis massa mamografi dengan bantuan komputer berdasarkan pendekatan pengambilan gambar berbasis konten yang diawasi. Pengenalan Pola 2017, 71:106-117.

19. Wei G, Ma H, Qian W, dkk. Pengukuran kesamaan massa paru-paru untuk pengambilan citra medis menggunakan metrik jarak semisupervised berbasis kernel. Med Phys 2016, 43(12):6259-6269.

20. Wei G, Ma H, Qian W, dkk. Skema pengambilan gambar berbasis konten untuk klasifikasi nodul paru. Curr Med Imaging Rev 2017, 13(2):210-216.

21. Liu Y, Rong J, Lily M, dkk. Kerangka kerja peningkatan untuk pembelajaran metrik jarak jauh yang mempertahankan visualitas dan penerapannya pada pengambilan citra medis. IEEE Trans Pola Anal Mach Intell 2010, 32(1):30-44.

22. Weinberger KQ, Blitzer J, Saul LK. Pembelajaran metrik jarak untuk klasifikasi tetangga terdekat margin besar. J Mach Learn Res 2009, 10(1):207-244.

23. Tao D, Li X, Wu X, dkk. Analisis diskriminan tensor umum dan fitur Gabor untuk pengenalan gaya berjalan. IEEE Trans. Pola Anal Mach Intell 2007, 29(10)::1700–1715.

24. Malar E, Kandaswamy A, Chakravarthy D, dkk. Pendekatan baru untuk deteksi dan klasifikasi mikrokalsifikasi mamografi menggunakan analisis wavelet dan mesin pembelajaran ekstrem. Comput Biol Med 2012, 42:898–905.

25. H. Li. Konstruksi sistem representasi digital berdasarkan sidik jari spektrum ultraviolet dari dasar substansial pengobatan tradisional Cina (TCM) dengan sifat panas dingin. Jinan: Universitas Pengobatan Tradisional Tiongkok Shandong 2011.