复方药物剂量配比多目标优化的方法学研究

针对复方作用特点,为提高临床疗效,提出采用支持向量机SVM建模、非支配排序遗传算法NSGA-II多目标优化、熵权TOPSIS法多属性决策优选复方剂量配比的方法,最后以苓桂术甘汤为例验证方法的有效性。

基于结构方程模型的中药复方配伍机制研究

"君臣佐使"是中药复方配伍的基本结构,是在中医药学理论指导下派生而来的用以解释传统复方作用机制的重要原则。中药复方药效具有多靶点的特性,用不同的药效指标评价复方配伍机制并不完全一致。结构方程模型可将复方各药效指标整合为综合药效,并基于研究者的先验知识预先设定因子间的依赖关系,不仅能够判别各因子之间的路径系数,还能对整体模型进行拟合和判断。文章首先介绍复方配伍的基本内容,然后阐述了应用结构方程(SEM)建模分析步骤,最后基于AMOS软件,以苓桂术甘汤为例展示其在复方配伍机制研究中的应用。

麻黄汤处方剂量的多目标优化研究

目的:多目标优化麻黄汤处方剂量配比,为定量优化中药复方的处方剂量提供借鉴。方法:以大鼠汗点数、豚鼠气管解痉率、小鼠醋酸致痛扭体次数作为麻黄汤发汗、平喘、止痛效应的评价指标,依据麻黄汤16个正交组合配比方的实验结果,分别运用支持向量回归(SVR)和二次响应面回归(RSR)建立反映复方量效关系的数学模型,结合带精英策略的非支配排序遗传算法(NSGA-Ⅱ)和熵权TOPSIS法进行麻黄汤处方剂量的多目标优化。结果:SVR建模优化得到的麻黄汤发挥整体药效的最优剂量为:麻黄17.71 g,桂枝9.57 g,苦杏仁11.75 g,炙甘草4.39 g;RSR的优化结果为麻黄13.37 g、桂枝11.61 g、苦杏仁11.98 g、炙甘草5.67 g;SVR在预测能力与优化结果上均优于RSR。结论:SVR-NSGA-Ⅱ-TOPSIS法可用于麻黄汤等中药复方剂量的多目标优化,确定发挥疗效的最佳组方,为中药复方处方剂量的确定和中药新药开发提供定量的科学依据。

非支配排序遗传算法多目标优化补阳还五汤总苷提取的实验研究

目的:多目标优化补阳还五汤总苷的提取条件。方法:采用BP人工神经网络建立补阳还五汤中黄芪甲苷、芍药苷和苦杏仁苷提取工艺的多目标优化模型,依据非支配排序遗传算法(NSGA-Ⅱ)对提取条件进行多目标优化。结果:得出了多目标优化模型的Pareto最优解集,纳入决策者偏好确定最佳提取条件为:溶剂量10.94倍,提取1.26h,提取3次,提取温度82.06℃。结论:NSGA-Ⅱ方法与BP人工神经网络结合可对补阳还五汤总苷提取条件实现有效的多目标寻优,本方法可为医药学研究领域中的多目标优化问题提供基于人工智能算法的解决方案。