【技术实现步骤摘要】
本专利技术涉及生物医药，尤其涉及一种基于机器学习的中药复方筛选方法。
技术介绍
1、溃疡性结肠炎是一种慢性复发性炎症性胃肠系统疾病，可造成结肠黏膜层炎症损伤，破坏胃肠道黏膜屏障，增加结直肠癌的发生风险。目前，溃疡性结肠炎的治疗方式主要包括药物治疗及手术治疗，但效果有限，且存在一定的安全风险，因此，通过中药复方药物对溃疡性结肠炎进行治疗是有效治疗方法之一，而为了便于使治疗溃疡性结肠炎的药物能够对症下药，且药效最好，需要对市面上各种各样的中药复方治疗溃疡性结肠炎药物进行成分筛选，以获取药效好的溃疡性结肠炎治疗药物。
2、综上所述，如何提升中药复方成分治疗溃疡性结肠炎的药效是基于机器学习的中药复方筛选方法亟待解决优化的问题。
技术实现思路
1、本专利技术提供了一种基于机器学习的中药复方筛选方法，解决如何提升中药复方成分治疗溃疡性结肠炎的药效的技术问题。
2、为了解决上述技术问题，本专利技术提供了一种基于机器学习的中药复方筛选方法，具体技术方案如下：
3、一种基于机器学习的中药复方筛选方法，包括以下步骤：
4、采集中药复方补脾成分数据，以获取中药复方数据集；
5、将所述中药复方数据集中各数据项进行整合编码为序列数据，将所述序列数据训练构建复方筛选模型，以输出筛选中药复方的成分药效及成分有效部位识别结果；
6、将所述新录入的中药复方数据集中至少一个数据项输入至复方筛选模型中，以输出筛选后对应的中药复方成分药效及成分有效部
7、基于所述复方筛选模型的识别结果，提取中药复方数据集中主成分数据的化学成分结构特征；基于所述化学成分结构特征，以获取主成分药效数据、毒性数据以及时效数据，以构建药效指标集；根据化学成分结构特征和药效指标集，以评估成分药效辅助附加值；
8、对中药复方数据集中成分数据进行表征分析，以获取复方成分尺寸精度；将所述复方成分尺寸精度、成分结构特征以及药效指标集，通过建立动物药理实验模型，以获取复方成分间的协同效应与药效贡献值；基于实验结果，调整复方中药成分配比，以实现各成分数据的药效最大化。
9、作为本专利技术的进一步优化方案，采集中药复方补脾成分数据，以获取中药复方数据集，包括：
10、采集中药复方补脾抗溃疡性结肠炎多个组成成分数据，并析出中药复方化学成分数据，以保留有效中药成分数据；所述有效中药成分数据包含党参、白术、茯苓、白头翁、蒲公英、地榆、白及和世草；
11、对所述有效中药成分数据进行物理分析，并记录多个组分的气味、用量及配比，以获取中药复方成分信息数据；
12、根据所述中药复方成分信息数据，并结合录入的临床试验数据，以获取中药复方基础药效信息数据；
13、整合有效中药成分数据、中药复方成分信息数据和中药复方基础药效信息数据，以得到中药复方数据集。
14、作为本专利技术的进一步优化方案将所述中药复方数据集中各数据项进行整合编码为序列数据，将所述序列数据训练构建复方筛选模型，以输出筛选中药复方的成分药效及成分有效部位识别结果，包括：
15、将中药复方数据集中各数据项进行无重复、缺失项补全或剔除处理，以得到预处理后的各数据项；将预处理后的各数据项进行格式归整为统一，并提取中药复方具有预测力的特征数据，所述具有预测力的特征数据为中药成分、配比、药性和归经；
16、将除白及外的所述有效中药成分数据采用系统溶剂法，以提取分离中药复方成分的不同物质部位，并获取成分有效部位信息数据；
17、将每个中药复方数据项和成分有效部位信息数据的特征数据编码为一个特征向量序列数据；以得到多个序列数据；对多个序列数据进行归一化处理，以得到序列数据集；
18、将所述序列数据集输入至所述复方筛选模型中；所述复方筛选模型包括输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出层，将多项隐藏层的中间表示数据传输到输出层，输出层输出筛选中药复方的成分药效及成分有效部位识别结果。
19、作为本专利技术的进一步优化方案，基于所述复方筛选模型的识别结果，提取中药复方数据集中主成分数据的化学成分结构特征，包括：
20、根据所述复方筛选模型的识别结果，通过主成分分析并识别，以得到中药复方主成分数据；所述中药复方主成分数据即为白及；
21、获取中药复方主成分的化学结构特征数据；所述化学结构特征数据包含化学分子式、分子量、官能团以及立体构型；
22、根据主成分的化学结构特征数据，对主成分进行提取、分离和纯化处理，以使中药复方成分发挥药辅两用的效果。
23、作为本专利技术的进一步优化方案，基于所述化学成分结构特征，以获取主成分药效数据、毒性数据以及时效数据，以构建药效指标集，包括：
24、根据所述复方筛选模型的识别结果，以获取主成分初始药效数据；并基于主成分提取，以获取中药复方成分中主成分的实际比重数据，以得到实际药效数据；
25、基于所述实际药效数据，通过人体系统和主成分剂量分析，以获取中药复方主成分毒性分析结果，所述毒性分析结果即为药效副作用数据；根据分析结果，以得到主成分副作用信息数据，以使中药复方安全使用；
26、通过药理分析，以得到中药复方开封后n个时间段的药效分析结果，将n={n1、n2、…、ni}的多个时间节点的药效进行记录，并整合成时效数据集；式中，ni表示第i个时间节点n。
27、作为本专利技术的进一步优化方案，根据分析结果，以得到主成分副作用信息数据，以使中药复方安全使用，包括：
28、获取普通人群和特殊人群的成分副作用剂量值，所述特殊人群包含孕妇、哺乳期妇女、儿童、老人、肝肾功能不全患者群体的代谢、吸收、排泄能力数据；根据所述特殊人群的成分副作用剂量值利用网络药理学分析中药复方中主成分的作用靶点，所述作用靶点包含酶、受体和信号通路；
29、基于主成分的作用靶点信息，通过；以获取主成分剂量与人体系统的交互作用；式中，e 表示药物引起的效应；emax 是药物能达到的最大效应；c是药物的浓度；是产生h药力效应所需的药物浓度；n是hill系数，描述曲线的斜率；所述曲线的斜率与中药复方的主成分结合受体的合作性有关；
30、基于所述主成分剂量与人体系统的交互作用，对中药复方主成分预设剂量进行过敏原筛查处理，以获取主成分预设剂量的过敏性因子；根据所述过敏性因子数据结合主成分剂量与人体系统的交互作用，通过；以获取特殊人群主成分药物剂量信息风险评估指数；
31、当ri＞1，则表示主成分剂量对于特殊人群存在风险，式中，ri表示主成分药物剂量信息风险评估指数；t表示副作用效应参数；q表示过敏性因子数量；s表示安全剂量限值。
32、作为本专利技术的进一步优化方案，基于所述主成分剂量与人体系统的交互作用，对中药复方主成分预设剂量进行过敏原筛查处理，以获取主成分预设剂量的过敏性因子，包括：
33、本文档来自技高网...
【技术保护点】
1.一种基于机器学习的中药复方筛选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的中药复方筛选方法，其特征在于，采集中药复方补脾成分数据，以获取中药复方数据集，包括：
3.根据权利要求2所述的一种基于机器学习的中药复方筛选方法，其特征在于，将所述中药复方数据集中各数据项进行整合编码为序列数据，将所述序列数据训练构建复方筛选模型，以输出筛选中药复方的成分药效及成分有效部位识别结果，包括：
4.根据权利要求3所述的一种基于机器学习的中药复方筛选方法，其特征在于，基于所述复方筛选模型的识别结果，提取中药复方数据集中主成分数据的化学成分结构特征，包括：
5.根据权利要求4所述的一种基于机器学习的中药复方筛选方法，其特征在于，基于所述化学成分结构特征，以获取主成分药效数据、毒性数据以及时效数据，包括：
6.根据权利要求5所述的一种基于机器学习的中药复方筛选方法，其特征在于，根据分析结果，以得到主成分副作用信息数据，以使中药复方安全使用，包括：
7.根据权利要求6所述的一种基于机器学习的中药复
8.根据权利要求7所述的一种基于机器学习的中药复方筛选方法，其特征在于，根据化学成分结构特征和药效指标集，以评估成分药效辅助附加值，包括：
9.根据权利要求8所述的一种基于机器学习的中药复方筛选方法，其特征在于，对中药复方数据集中成分数据进行表征分析，以获取复方成分尺寸精度，包括：
10.根据权利要求9所述的一种基于机器学习的中药复方筛选方法，其特征在于，将所述复方成分尺寸精度、成分结构特征以及药效指标集，通过建立动物药理实验模型，以获取复方成分间的协同效应与药效贡献值，包括：
...【技术特征摘要】
1.一种基于机器学习的中药复方筛选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的中药复方筛选方法，其特征在于，采集中药复方补脾成分数据，以获取中药复方数据集，包括：
3.根据权利要求2所述的一种基于机器学习的中药复方筛选方法，其特征在于，将所述中药复方数据集中各数据项进行整合编码为序列数据，将所述序列数据训练构建复方筛选模型，以输出筛选中药复方的成分药效及成分有效部位识别结果，包括：
4.根据权利要求3所述的一种基于机器学习的中药复方筛选方法，其特征在于，基于所述复方筛选模型的识别结果，提取中药复方数据集中主成分数据的化学成分结构特征，包括：
5.根据权利要求4所述的一种基于机器学习的中药复方筛选方法，其特征在于，基于所述化学成分结构特征，以获取主成分药效数据、毒性数据以及时效数据，包括：
6.根据权利要求5所述的一种基于机器学习的...
【专利技术属性】
技术研发人员：赵文萃，张巍，赵庆兰，吴艳云，张岩，
申请(专利权)人：中国人民解放军联勤保障部队第九六四医院，
类型：发明
国别省市：
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。