中药组效学研究的常用方法与技术研究概述

如何辨识有效成分是中药新药研究中的关键科学问题之一。中药作用的整体性、组成成分的多样性、作用靶点的复杂性以及成分间相互作用的难以预测性,使传统药效物质研究方法的效率普遍不高。基于"定量组效关系"研究思想,多组分药物的化学组成与其生物活性间同样存在定量相关关系,组效学研究可帮助辨识中药的有效成分。本文对目前组效研究中常用的方法和技术进行综述,为中药药效物质基础研究提供借鉴。

利用树模型预测中药成分的肝毒性

目的建立能够预测中药成分肝毒性的定量构效关系（quantitative structure—activity relationship，QSAR）模型。方法从LTKB数据库和国内文献中收集得到了286个人工合成化合物和62个中药成分，作为建立预测模型的训练集，利用简单决策树、随机森林和推进式决策树3种树形算法进行模型构建。为验证模型的预测能力，选择了22个中药成分（外部测试集）进行肝毒性实验，然后将实验结果与模型预测的结果进行比较。结果3种树形算法模型均具有较好的自我预测能力，模型内部交叉验证（1eave—one—out和leave一10％一out）结果都在78％～85％之间；但简单决策树和随机森林算法构建的模型对无肝毒化合物预测的准确率显著低于对有肝毒化合物预测的准确率，显示了较大的对有肝毒化合物预测的偏爱性；而利用推进式决策树算法所构建模型的预测偏爱性较小，总体预测能力也较高（准确率82％）。因此选用推进式决策树模型作为最优模型，对外部测试集中22个中药成分的肝毒性进行预测，准确率达到73％，比单用人工合成化合物作为训练集所构建的模型有更高的预测准确率和更小的偏爱性。结论用人工合成化合物及中药成分作为训练集，建立了对中药成分的肝毒预测能力较高的推进式决策树模型。