目的:研究治疗便血方剂的用药规律及其“核心配伍-作用靶点”的关联性。方法:从《中医方剂大辞典》中筛选治疗便血的方剂,录入数据库,进行频数、聚类和关联分析,从中发现配伍组方规律。找到核心配伍组合后,再使用中药分子机制的生物信...目的:研究治疗便血方剂的用药规律及其“核心配伍-作用靶点”的关联性。方法:从《中医方剂大辞典》中筛选治疗便血的方剂,录入数据库,进行频数、聚类和关联分析,从中发现配伍组方规律。找到核心配伍组合后,再使用中药分子机制的生物信息学分析工具(Bioinformatics Analysis Tool for Molecular Mechanism of Traditional Chinese Medicine,BATMAN-TCM)对核心配伍组合进行活性成分-靶点预测,从而分析核心配伍组合的共同作用靶点。结果:共收录便血方剂616首,涉及中药340味;排名前10的高频药物依次是当归、甘草、黄连、芍药、枳壳、生地黄、黄芩、地榆、槐花、黄芪;主要使用的中药类别依次是补虚药、清热药、止血药。发现生地黄、黄芩、赤芍,人参、白术、茯苓,侧柏叶、地榆、槐花,当归和川芎等是治疗便血的四组核心配伍组合;经分析发现这四组核心配伍组合均有AR、ESR1、NR3C1、PGR、VDR这5个共同作用靶点,即治疗便血的11个核心药物有5个共同作用靶点。结论:《中医方剂大辞典》所载便血方剂的核心配伍组合关联的AR、NR3C1、PGR、VDR等靶点与肠炎、结直肠癌、胃癌等常导致便血的相关疾病密切相关,提示其“核心配伍-作用靶点”的关联性对于指导临床用药以及相关基础研究和新药开发有一定参考意义。展开更多
为了满足田间作物长势快速检测与指导变量管理的需求,以玉米为例设计了基于多光谱成像的田间作物植株叶绿素检测系统,包括可见光(RGB)和近红外(Near-infrared,NIR)图像采集模块、主控处理器模块、模型加速模块、显示及电源模块,用于实...为了满足田间作物长势快速检测与指导变量管理的需求,以玉米为例设计了基于多光谱成像的田间作物植株叶绿素检测系统,包括可见光(RGB)和近红外(Near-infrared,NIR)图像采集模块、主控处理器模块、模型加速模块、显示及电源模块,用于实现玉米植株智能识别与叶绿素指标一体化检测。首先,采集玉米苗期和拔节期冠层图像数据集,比较了植株冠层实例分割与株心目标检测两种深度学习模型,构建了基于MobileDet+SSDLite(Single shot multibox detector lite)轻量化网络的玉米植株定位检测模型,实现玉米植株识别。其次,提取被识别的植株株心RGB-NIR图像,开展RGB和NIR图像匹配与分割,提取R、G、B和NIR灰度值计算植被指数,使用SPXY算法(Sample set portioning based on joint X-Y distances)和连续投影算法(Successive projections algorithm,SPA)分别对数据集进行样本划分及特征变量筛选,选择高斯过程回归(Gaussian process regression,GPR)算法建立叶绿素指标检测模型。结果显示,玉米株心目标检测模型在遮挡重叠的复杂环境下识别率达到88.7%,在不交叉重叠时识别精度达到90%以上;叶绿素含量指标检测模型建模集的模型决定系数R^(2)为0.62,测试集模型决定系数R^(2)为0.61。对开发系统进行田间测试,结果显示,系统检测速率可达14.6 f/s,平均精度为92.9%。研究结果能够有效解决大田环境下玉米营养状态的检测问题,满足大田环境实时检测需求,为作物生产智慧感知提供解决思路和技术支持。展开更多
文摘目的:研究治疗便血方剂的用药规律及其“核心配伍-作用靶点”的关联性。方法:从《中医方剂大辞典》中筛选治疗便血的方剂,录入数据库,进行频数、聚类和关联分析,从中发现配伍组方规律。找到核心配伍组合后,再使用中药分子机制的生物信息学分析工具(Bioinformatics Analysis Tool for Molecular Mechanism of Traditional Chinese Medicine,BATMAN-TCM)对核心配伍组合进行活性成分-靶点预测,从而分析核心配伍组合的共同作用靶点。结果:共收录便血方剂616首,涉及中药340味;排名前10的高频药物依次是当归、甘草、黄连、芍药、枳壳、生地黄、黄芩、地榆、槐花、黄芪;主要使用的中药类别依次是补虚药、清热药、止血药。发现生地黄、黄芩、赤芍,人参、白术、茯苓,侧柏叶、地榆、槐花,当归和川芎等是治疗便血的四组核心配伍组合;经分析发现这四组核心配伍组合均有AR、ESR1、NR3C1、PGR、VDR这5个共同作用靶点,即治疗便血的11个核心药物有5个共同作用靶点。结论:《中医方剂大辞典》所载便血方剂的核心配伍组合关联的AR、NR3C1、PGR、VDR等靶点与肠炎、结直肠癌、胃癌等常导致便血的相关疾病密切相关,提示其“核心配伍-作用靶点”的关联性对于指导临床用药以及相关基础研究和新药开发有一定参考意义。
文摘为了满足田间作物长势快速检测与指导变量管理的需求,以玉米为例设计了基于多光谱成像的田间作物植株叶绿素检测系统,包括可见光(RGB)和近红外(Near-infrared,NIR)图像采集模块、主控处理器模块、模型加速模块、显示及电源模块,用于实现玉米植株智能识别与叶绿素指标一体化检测。首先,采集玉米苗期和拔节期冠层图像数据集,比较了植株冠层实例分割与株心目标检测两种深度学习模型,构建了基于MobileDet+SSDLite(Single shot multibox detector lite)轻量化网络的玉米植株定位检测模型,实现玉米植株识别。其次,提取被识别的植株株心RGB-NIR图像,开展RGB和NIR图像匹配与分割,提取R、G、B和NIR灰度值计算植被指数,使用SPXY算法(Sample set portioning based on joint X-Y distances)和连续投影算法(Successive projections algorithm,SPA)分别对数据集进行样本划分及特征变量筛选,选择高斯过程回归(Gaussian process regression,GPR)算法建立叶绿素指标检测模型。结果显示,玉米株心目标检测模型在遮挡重叠的复杂环境下识别率达到88.7%,在不交叉重叠时识别精度达到90%以上;叶绿素含量指标检测模型建模集的模型决定系数R^(2)为0.62,测试集模型决定系数R^(2)为0.61。对开发系统进行田间测试,结果显示,系统检测速率可达14.6 f/s,平均精度为92.9%。研究结果能够有效解决大田环境下玉米营养状态的检测问题,满足大田环境实时检测需求,为作物生产智慧感知提供解决思路和技术支持。
