利用数据挖掘方法预测中药缺失药性的初步研究.doc

1、利用数据挖掘方法预测中药缺失药性的初步研究【关键词】 中药药性 归经 数据挖掘 决策树中药理论体系中,药物的药性与功能是一个整体,前者从整体上表述了药物的作用性质、趋向和途径,后者则表明了中药对人体调节作用的结果,两者既具有明显的差别,又具有紧密的联系。利用信息技术研究中药药性,是中药药性理论研究的重要内容1。利用数据挖掘技术对中药药性与功能数据进行挖掘,可发现药性与功效之间的明确关系2。中药药性主要包括药物四气、五味、归经、毒性和升降浮沉,是中医用药的核心指导原则,是对药物临床作用的高度概括,是中医学与中药学理论连接的桥梁,是区分中药与天然药物的基本依据。然而很多中药,特别是大部分近现代中药

2、的药性是缺失不全的。在中华本草38 980味中药中,缺失性味描述的约 7%,缺失归经描述的约 75%。这严重影响了药性理论在中药现代化和临床实践中指导作用的发挥,影响中药的疗效。本研究以药性与功能记录完备的药物为基础,利用数据挖掘技术分析这些药物,建立模型,得到“功能-药性”关联关系,预测药物的缺失药性,为药性的进一步确立、药物研究与使用提供有力的支持。笔者以建立归肝经预测模型为例,探讨中药缺失药性的完善方法。1 资料与方法1.1 数据来源根据 2005 版中华人民共和国药典(一部 )4,筛选药性与功能记录齐备的 507 味药物建立数据库,每味药物包括四气、五味、归经和功能属性,属性记录包括“

3、有” 、 “无”两种。507 味药物中,归肝经药物为249 味。随机分出 95 味药为检验数据,其余 412 味药为建模数据。待预测药物为有功能与性味记录、无归经记录的 20 味中药,预测其是否归肝经。1.2 数据挖掘方法采用 C4.5 决策树算法5。本研究考察参数为 The minimum number of instances per leaf,其含义为所建立的决策树每个叶结点必须覆盖的最小实例数量,简称 MNIPL,其余参数采用默认值。采用十折交叉验证优选模型参数,确定最佳模型；再以 95 个检验数据进一步考察所建模型的可靠性。在考察总体误差估计的同时,根据误差矩阵分析该预测模型对归经预

4、测的灵敏度与特异性。总体误差估计计算为模型将检验集正确分类的百分比,代表模型总体分类效果；敏感度计算为模型将检验集中归肝经的实例正确分类的百分比,代表预测模型的捕捉范围；而特异性计算为检验集中被预测为归肝经的实例正确分类的百分比,代表预测结果的可信度。2 结果选择不同 MNIPL 所建立模型结果,评价参数为预测模型节点数、灵敏度、特异性和交叉验证总体误差估计。结果见表 1。表 1 不同参数模型考察表（略）模型规模方面,模型 2 决策树节点数为 41,模型 3 节点数为 55,模型 2 比模型 3 更具简洁性,更符合最短描述长度原理5。综上认为模型 2 更具有优势。数据库中药味总数为 507,其

5、中归肝经药 249 味,采用随机分类的特异性为 49.11%,而模型 2 为 74.76%。利用 95 味药的药性数据检验模型 2,模型敏感性为 66.00%,特异性为84.62%,总体误差为 75.79%。其总体误差估计与表 1 相当；敏感性降低,其源于 95 个检验数据集偏小,归肝经实例为 50 个,敏感性 66%与 70%之间相差仅 2 例分类错误,应属于正常波动。选择模型 2 为肝经决策树预测模型,其各层节点结构见表 2。 表 2 预测模型 2 各层节点结构表（略）中医认为,肝主藏血、主疏泄,肝对血液的运行、气机运动、脾胃运化、情志活动等都有重要影响。 素问至真要大论谓：“诸风掉眩,皆

6、属于肝”,肝与“风证”有密切关系。由表 2 可见,各节点属性大多与肝经有关系,与中医理论相一致。其中补肝、平肝、疏肝、清肝与肝有直接关系,和血、活血、凉血、散结、散瘀与血液运行相关,解痉与“风”相关,而定惊、通经络等都与肝经有一定关系。挖掘结果也强调了这种关系。根据模型 2 预测 2005 版中华人民共和国药典(一部)417 味归经记录缺失药结果见表 3,如“天山雪莲”归肝经的概率为 81.8%；沙棘归肝经的概率为 100%；而藏菖蒲不归肝经的概率为 80.8%。亦有文献报道,天山雪莲注射液具有较强的抑制乙型肝炎病毒复制的作用6；沙棘对于小儿急性黄疸型肝炎具有较好的疗效7。表明此挖掘结果与临床

7、使用有较好的一致性。表 3 缺失归经记录药预测结果表（略）3 结论本研究从药物功能与药性的关系出发,利用数据挖掘技术建立了肝经归经的预测模型,为药物缺失药性的补充提供了新的思路和方法。本研究采用交叉验证法结合旁置验证法考察模型。507 个数据并不是十分充足,为解决训练集与检验集之间数量的矛盾,采用得到普遍认可的十折交叉验证法5；同时,随机分离部分数据,采用旁置法验证模型,进一步确保了模型的可靠性。中医药是复杂体系,须从复杂性科学的角度认识中药,从多环节、多因素开展研究8。本研究得出的模型正是中医药一些局部规律性的体现,其预测结果并非已经确立药物的归经,而是为药物在临床中归经的最终确立提供了重要

8、参考信息,也为药物归经研究提供了重要支持。【参考文献】1 乔延江,李澎涛,苏刚强,等.中药(复方)KDD 研究开发的意义J.北京中医药大学学报,1998,21(3)：1517.2 姚美村,袁月梅,艾 路,等.数据挖掘及其在中医药现代化研究中的应用J.北京中医药大学学报,2002,25(5)：2023.3 宋立人,吴贻谷,胡 烈,等.中华本草M.上海：科学技术出版社,1999.4 国家药典委员会.中华人民共和国药典(一部)S.北京：化学工业出版社,2005.5 Ian H Witten, Eibe Frank.数据挖掘-机器实用学习技术M.北京：机械工业出版社,2006.127133,122123,98104.6 张跃新,博希贤,张乃临,等.3 种中草药对乙型肝炎病毒复制抑制效果的体外实验研究J.新疆医学院学报,1996,19(4)：272275.7 胡世昭,冯日官.沙棘冲剂治疗小儿急性黄疽型肝炎 120 例J.中西医结合肝病杂志,1995,5(1)：40.8 王 耘,史新元,乔延江.中药复杂性研究的内容与方法J.中国天然药物,2005,3(5)：262265.