一种筛选樟帮姜厚朴药效与其成分关系的方法技术

技术编号:11703627 阅读:125 留言:0更新日期:2015-07-09 02:51
本发明专利技术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。本发明专利技术采用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。

【技术实现步骤摘要】

本专利技术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。
技术介绍
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。 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。 《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。 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。
技术实现思路
本专利技术的目的在于提供一种快速、准确的,以解决上述
技术介绍
中提出的问题。 为实现上述目的,本专利技术提供如下技术方案: ,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。 与现有技术相比,本专利技术的有益效果是: 本专利技术采用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】 图1为本专利技术中生品厚朴HPLC指纹图谱图。图2为本专利技术中药典姜厚朴HPLC指纹图谱图。 图3为本专利技术中樟帮带霜姜厚朴HPLC指纹图谱图。 图4为本专利技术中樟帮洗霜姜厚朴HPLC指纹图谱图。 图5为本专利技术中樟帮未出霜姜厚朴HPLC指纹图谱图。 图6为本专利技术中二甲苯所致小鼠耳廓肿胀Yl的网络训练误差曲线图。 图7为本专利技术中二甲苯所致小鼠耳廓肿胀Yl的网络仿真图。 图8为本专利技术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。 图9为本专利技术中对冰酸醋致小鼠毛细血管通透性增强Y2的网络仿真图。 图10为本专利技术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。 图11为本专利技术中对小鼠化学刺激引起扭体反应Y3的网络仿真图。 图12为本专利技术中对小鼠胃残留率Y4的网络训练误差曲线图。 图13为本专利技术中对小鼠胃残留率Y4的网络仿真图。 图14为本专利技术中对小鼠小肠推进率Y5的网络训练误差曲线图。 图15为本专利技术中对小鼠小肠推进率Y5的网络仿真图。 图16为本专利技术中主成分PCl和主成分PC2之间的载荷值图。 图17为本专利技术中主成分PCl和主成分PC4之间的载荷值图。 图18为本专利技术中主成分PC2和主成分PC4之间的载荷值图。【具体实施方式】 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。 请参阅图1,,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。 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. ,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 ; 本文档来自技高网
...

【技术保护点】
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PC1、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,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。

【技术特征摘要】

【专利技术属性】
技术研发人员: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(专利权)人:江西中医药大学
类型:发明
国别省市:江西;36

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1