融入异构网络特征的深度学习预测中药靶点

针对传统预测中药靶点相互作用,忽略了中药、成分、靶点3者之间的潜在联系,导致特征提取不足,模型精度不高的问题,构建中药-成分-靶点3层异构网络。利用重启随机游走、高斯核、信息熵算法提取网络特征,并提出了运用深度神经网络分析中药成分-靶点相互作用的模型TCMIT-DNN。实验结果表明,GBDT、RF、SVM模型使用TCMIT 3层异构网络策略后,分类性能均有所提升。TCMIT-DNN的AUC、F1值、准确率分别为96.0%、89.5%、89.5%,均优于TCMIT-GBDT、TCMIT-RF、TCMIT-SVM分类模型。

基于数据挖掘、网络药理学和分子对接技术探讨湖湘欧阳氏杂病流派治疗肺癌的临床用药机制

目的基于数据挖掘、网络药理学和分子对接分析湖湘欧阳氏杂病流派传承人朱克俭教授治疗肺癌的临床用药规律,并探讨高频药物的抗肿瘤可能机制。方法收集朱克俭临床治疗肺癌的病例,利用IBM SPSS Statistics 20.0软件和Apriori关联规则算法筛选治疗肺癌的高频药物及药对。应用TCMSP、Swiss Target Prediction、OMIM等数据库及相关文献,筛选高频药物的活性成分、潜在靶点,并与肺癌相关靶点作比对,得到肺癌核心靶点,构建“肺癌核心靶点-活性成分-药物”之间网络关系。再运用STRING数据库得到“肺癌核心靶点”互作关系。通过DAVID进行GO与KEGG富集分析;使用Vina对药物关键成分、阳性药吉非替尼与Hub靶点进行分子对接验证,最后用Rstudio做分子热图。结果药物使用频次与频率筛选得到前5位高频药物依次为黄芪、臭牡丹、桔梗、鱼腥草、仙鹤草。高频药对有“黄芪-臭牡丹”“黄芪-桔梗”等。数据库筛选得到5味高频药物共含有83个活性成分,760个潜在靶点,40个肺癌核心靶点。GO分析结果显示核心靶点主要与细胞凋亡、细胞增殖、蛋白质自磷酸化等177条生物过程有关;KEGG分析显示核心靶点主要涉及肿瘤中信号通路(pathway in cancer)、PI3K-Akt和肿瘤中蛋白聚糖信号通路(proteoglycan in tumor)等63条信号通路。分子对接结果显示12个关键成分与3个Hub靶点具有较好的结合活性。结论湖湘欧阳氏杂病流派善用补脾肺气、解毒抗癌、化痰止咳类中药,通过活性成分槲皮素、芹菜素、木犀草素等多种成分,对TP53、AKT1、VEGFA等多靶点作用,并可能通过影响pathway in cancer、PI3K-Akt和proteoglycan in tumor等多通路起到抗肿瘤的作用,为挖掘高效低毒的抗肺癌复方及化合物奠定了基础。

基于词向量和神经网络的方剂分类模型研究

为解决海量中医方剂数据类别标注不完整、人工分类工作量大带来的中医临床辨证用药、数据整理及方剂知识传承难度较大的问题,本文基于深度学习技术构建方剂分类模型。依据方剂学中的综合分类法结合网络爬虫和人工整理,收集实验方剂数据,选取806首方剂,基于药材功效利用Word2vec词向量技术获取方剂特征向量,运用卷积神经网络(Convolutional Neural Network,CNN)、门控循环单元(Gated Recurrent Unit,GRU)、长短期记忆网络(Long Short-TermMemory,LSTM)3种神经网络结构构建解表方、清热方、补益方、祛湿方4个类别的方剂分类模型。实验结果表明,词向量对于方剂数据具有较好的表征能力,结合神经网络构建的分类模型经参数调优后平均精准度、召回率、F1值最高可达0.85、0.83、0.83。本文将词向量和神经网络应用至方剂分类中,为中医现代化、信息化、智能化发展提供了新思路。