一种筛选樟帮姜厚朴药效与其成分关系的方法
【技术领域】
[0001] 本发明涉及药动药效学领域，具体是一种筛选樟帮姜厚朴药效与其成分关系的方 法。
【背景技术】
[0002] 厚朴为木兰科植物厚朴或凹叶厚朴的干燥干皮、根皮及枝皮，厚朴为我国传统的 芳香化湿中药，是临床常用的中药材。厚朴味苦、辛，微温，归脾、胃、肺、大肠经，厚朴具有行 气燥湿、降逆平喘的功效，主治湿滞伤中，脘痞吐泻，食积气滞，痰饮喘咳。宋代有"不以姜 制，则棘人喉舌"之说，因此厚朴在临床不生用。
[0003] 主成分分析-人工神经网络PCA-ANN是将主成分分析与人工神经网络模型两者联 用的一种技术手段。其中主成分分析PCA是一种掌握事物主要矛盾的统计分析方法，它可 以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题，计算主成分的目 的是将高维数据投影到较低维空间。人工神经网络ANN是以数学模型模拟神经元活动，基 于模仿大脑神经网络结构和功能而建立的一种信息处理系统，它具有很强的非线性函数逼 近能力，拥有强大的容错性，它可以实现仿真、二值图像识别、预测以及模糊控制等功能，是 处理非线性系统的有力工具。选取主成分分析中降维的思想与人工神经网络中强大的非线 性函数逼近能力，结合中药厚朴指纹图谱经筛选的主成分，将其作为人工神经网络的输入， 同时将厚朴主要的药效指标参数作为输出，为中药厚朴，尤其是具有樟帮炮制特色的姜厚 朴通过PCA-ANN法建立"峰-效"关系提供参考，揭示炮制机理。
[0004] 《时珍国医药》2011年22卷8期《基于主成分分析的决明子电化学振荡指纹图谱 的评价研宄》中采用电化学振荡技术绘制不同产地决明子及其伪品指纹图谱，利用主成分 分析法对图谱进行信息解析和判别分类，建立的指纹图谱重现性、稳定性良好，决明子与其 伪品指纹图谱差别明显，不同产地决明子指纹图谱接近，但在二元主成分平面图上得到了 良好的区分。基于主成分分析法的电化学振荡指纹图谱，方法简便，可靠性高，可以用于不 同产地决明子及其伪品的鉴别及质量控制。《中药材》2012年3月35卷3期《利用主成分 分析和神经网络鉴别8种唇形科药材》中用主成分分析法对4种药材进行聚类分析并获取 他们的紫外-可见指纹图谱，再结合人工神经网络技术进行品种鉴别。主成分分析表明，主 成分1和主成分2的累积可信度已达99%，以主成分1和2对所有建模样本的得分值做出的 得分图，对4种药材具有良好的区分作用，利用对于4种药材品种敏感的特征波段作为神经 网络的输入建立三层BP人工神经网络模型.对未知的20个样本进行预测，品种识别准确 率达到100%。《华西药学杂志》2012年27卷2期《指纹图谱和主成分分析法评价杜仲叶的 质量》中采用主成分分析法和指纹图谱法，对4个不同产地20个批次杜仲叶的质量进行评 价，采用高效液相法检测并确定了 20个批次药材指纹图谱的14个共有峰，采用二维双指标 评价法和PCA统计分析法，统计出杜仲组分的分布特点。不同产地杜仲样品中指纹组分各 异，确定的主组分能显著区别药材的不同产地，可为杜仲叶药材质量的整体控制及其制剂 的质量研宄提供依据。
[0005] 然而这些方法并不能筛选出药物药效与其成分的关系，而寻找一种快速樟帮姜厚 朴药效与成分关系的筛选方法，从而确定樟帮姜厚朴的炮制机理是樟帮姜厚朴现代化的关 键科学问题之一。
【发明内容】
[0006] 本发明的目的在于提供一种快速、准确的，以解决上述【背景技术】中提出的问题。
[0007] 为实现上述目的，本发明提供如下技术方案： 一种筛选樟帮姜厚朴药效与其成分关系的方法，具体步骤如下： (1) 运用RP-HPLC指纹图谱选取主成份为PCI、PC2、PC3和PC4 ; (2) 采用抑制率对厚朴炮制前后的消炎、镇痛和对胃肠作用的药效数据进行处理，再将 处理所得数据带入PCA-ANN分析； (3) 将选取的四个主成分PCI、PC2、PC3和PC4作为神经网络的输入，各药效指标平均 抑制率作为输出，建立一个三层结构的BP神经网络模型，进行多次仿真实验后，确定网络 结构； (4) 通过平均影响值MIV对网络模型的各自变量进行评价，确定影响药效的主要成分 峰； (5) 根据厚朴各个炮制品种所得的主成分峰面积和成分-药效关联的分析模型筛选出 主要有效成分； (6) 对各主成分的含量进行比对，得到成分变化对药效的影响，并对其建立成分-药效 关联的分析模型。
[0008] 与现有技术相比，本发明的有益效果是： 本发明采用PCA-ANN法筛选出樟帮姜厚朴药效与其成分之间的关系，确定了在樟帮 姜厚朴各主成份峰面积质量比条件下，可以得到厚朴在抗炎、镇痛、胃动力三方面的最佳药 效，为阐明樟帮姜厚朴炮制机理奠定基础。
【附图说明】
[0009] 图1为本发明中生品厚朴HPLC指纹图谱图。
[0010]图2为本发明中药典姜厚朴HPLC指纹图谱图。
[0011] 图3为本发明中樟帮带霜姜厚朴HPLC指纹图谱图。
[0012] 图4为本发明中樟帮洗霜姜厚朴HPLC指纹图谱图。
[0013] 图5为本发明中樟帮未出霜姜厚朴HPLC指纹图谱图。
[0014] 图6为本发明中二甲苯所致小鼠耳廓肿胀Yl的网络训练误差曲线图。
[0015] 图7为本发明中二甲苯所致小鼠耳廓肿胀Yl的网络仿真图。
[0016] 图8为本发明中对冰酸醋致小鼠毛细血管通透性增强Y2的网络训练误差曲线图。
[0017] 图9为本发明中对冰酸醋致小鼠毛细血管通透性增强Y2的网络仿真图。
[0018] 图10为本发明中对小鼠化学刺激引起扭体反应Y3的网络训练误差曲线图。
[0019] 图11为本发明中对小鼠化学刺激引起扭体反应Y3的网络仿真图。
[0020] 图12为本发明中对小鼠胃残留率Y4的网络训练误差曲线图。
[0021] 图13为本发明中对小鼠胃残留率Y4的网络仿真图。
[0022] 图14为本发明中对小鼠小肠推进率Y5的网络训练误差曲线图。
[0023] 图15为本发明中对小鼠小肠推进率Y5的网络仿真图。
[0024] 图16为本发明中主成分PCl和主成分PC2之间的载荷值图。
[0025] 图17为本发明中主成分PCl和主成分PC4之间的载荷值图。
[0026] 图18为本发明中主成分PC2和主成分PC4之间的载荷值图。
【具体实施方式】
[0027] 下面结合【具体实施方式】对本专利的技术方案作进一步详细地说明。
[0028] 请参阅图1，一种筛选樟帮姜厚朴药效与其成分关系的方法，具体步骤如下： (1) 运用RP-HPLC指纹图谱选取主成份为PCI、PC2、PC3和PC4 ; (2) 采用抑制率对厚朴炮制前后的消炎、镇痛和对胃肠作用的药效数据进行处理，再将 处理所得数据带入PCA-ANN分析； (3) 将选取的四个主成分PCI、PC2、PC3和PC4作为神经网络的输入，各药效指标平均 抑制率作为输出，建立一个三层结构的BP神经网络模型，进行多次仿真实验后，确定网络 结构； (4) 通过平均影响值MIV对网络模型的各自变量进行评价，确定影响药效的主要成分 峰； (5) 根据厚朴各个炮制品种所得的主成分峰面积和成分-药效关联的分析模型筛选出 主要有效成分； (6) 对各主成分的含量进行比对，得到成分变化对药效的影响，并对其建立成分-药效 关联的分析模型。
[0029] 所述RP-HPLC指纹图谱的色谱条件如下：4. 6X250mm，5ym的色谱柱 DiamonsilC18，含磷酸的流动相乙腈水溶液，检测波长为220nm，色谱柱的柱温为35°C，流速 为I.Oml?mirT1，分析时间为95min，进样量为20yL，所述色谱柱的色谱梯度条件如表1所 示：
【主权项】
1. 一种筛选樟帮姜厚朴药效与其成分关系的方法，其特征在于，具体步骤如下： (1) 运用RP-HPLC指纹图谱选取主成份为PCI、PC2、PC3和PC4 ; (2) 采用抑制率对厚朴炮制前后的消炎、镇痛和对胃肠作用的药效数据进行处理，再将 处理所得数据带入PCA-ANN分析； (3) 将选取的四个主成分PCI、PC2、PC3和PC4作为神经网络的输入，各药效指标平均 抑制率作为输出，建立一个三层结构的BP神经网络模型，进行多次仿真实验后，确定网络 结构； (4) 通过平均影响值MIV对网络模型的各自变量进行评价，确定影响药效的主要成分 峰； (5) 根据厚朴各个炮制品种所得的主成分峰面积和成分-药效关联的分析模型筛选出 主要有效成分； (6) 对各主成分的含量进行比对，得到成分变化对药效的影响，并对其建立成分-药效 关联的分析模型。
【专利摘要】本发明公开了一种筛选樟帮姜厚朴药效与其成分关系的方法，运用RP-HPLC指纹图谱选取主成份为PC1、PC2、PC3和PC4，采用抑制率对厚朴炮制前后的各药效数据进行处理，再将处理所得数据带入PCA-ANN分析，将选取的四个主成分PC1、PC2、PC3和PC4作为神经网络的输入，各药效指标平均抑制率作为输出，建立一个三层结构的BP神经网络模型，确定影响药效的主要成分峰，同时依据厚朴姜制前后各品种主成分峰面积，确定质量比例关系，并对其建立成分-药效关联的分析模型。本发明采用PCA-ANN法筛选出樟帮姜厚朴药效与其成分之间的关系，确定了在樟帮姜厚朴各主成份峰面积质量比条件下，可以得到厚朴在抗炎、镇痛、胃动力三方面的最佳药效，为阐明樟帮姜厚朴炮制机理奠定基础。
【IPC分类】G01N30-88
【公开号】CN104764842
【申请号】CN201510068073
【发明人】钟凌云, 龚千锋, 杨明, 张金莲, 王文凯, 刘志勇, 张淑洁, 祝婧, 叶喜德, 易炳学, 吕沐
【申请人】江西中医药大学
【公开日】2015年7月8日
【申请日】2015年2月10日