基于“气”仿生嗅觉系统在中药品质整体评价中的方法学研究

发布时间：2018-02-27 06:10

本文关键词： 传感器阵列电子鼻级联分类器模式识别算法砂仁中药　出处：《北京中医药大学》2013年博士论文　论文类型：学位论文

【摘要】：[研究背景] 中药品质评价一直是中药研究和应用的重点和难点,在长期的医疗实践过程中,人们积累了大量评定中药质量的方法。有传统的五大鉴定法,随着科学的现代化发展,许多新技术新手段渗透其中。但是,也存在着一些问题。例如现有对中药挥发性成分的GC-MS分析,所得结果主要是裂解后的小分子产物信息,与其在药材中的原始形态、或者说发挥药效的化学物质关联性较差。近年来,学者们一直在寻找一种综合的分类方法：在给出具体指标的同时,也能够解释这些指标所代表的更深层次的物质内涵和药效作用。传统性状鉴定是基于“辨状论质”理论、采用手摸、眼看、鼻闻、嘴尝等方法,建立了一整套优质药材的评价标准。这种标准是公认的、可靠的、有效的。同时,在现行的《中国药典》等标准中,“性状”标准始终占据重要地位,具有独特的优越性。其中,气味特征与中药所含化学成分直接相关,同时也与其他类成分间接相关,更重要的是与内在质量、药效密切相关,如“砂仁气香浓,质优效佳”。然而,传统嗅觉识别法主观经验性较强,不利推广应用。目前常用的气味分析技术(如气相色谱法),前处理繁琐、溶剂消耗多,且不能反映气味整体特征。因此,在传统性状鉴别原有的优势基础上,早日引入能数字化、量化气味特征的仪器迫在眉睫。需要特别指出的是,所谓“气味”一词的概念有广义和狭义之别。在本论文中,提及的中药“气味”特征性指代在性状鉴别过程中,人类嗅觉感官系统接收的主观感受。仿生嗅觉系统的研究已开展多年,其中以电子鼻技术的为主要代表。电子鼻是近年发展迅速的高新技术,具有快速、灵敏、准确、无损、无污染等特点。但其检测系统——传感器阵列具有广谱响应性、交叉敏感特性等特点,导致信息重叠冗余、模式识别繁杂耗时等问题。在实际应用中,需寻找模式识别最优解,建立适宜的传感器阵列优化方法,从而采用最简便、准确的识别方法和最小规模的传感器阵列实现不同样品的快速鉴别。本论文针对以上问题,即如何科学、合理地将仿生嗅觉系统——电子鼻引入到中药‘气味”数字化、进而应用于中药品质整体评价之研究领域及如何展开相关方法学的研究等科学问题,以临床常用大宗药材砂仁等为研究载体,采用目前公认的中药品质评价方法——传统性状鉴定法和理化分析法,旨在对符合中药特征的气敏传感器阵列的优化法和系统判别模型的筛选法进行较深入的研究,明确药材气味与药材内部物质基础之间的关系,从而建立中药质量的气味判别模型,为药材质量标准的完善提供依据。为优选适合中药“气味”研究的气敏传感器阵列,筛选智能的、符合中药整体特征的系统判别模型提供参考,为电子鼻合理应用于中药品质整体评价奠定基础。同时也为中医药理论指导下的中药研发提供新思路。 [目的与意义] 1、以性状鉴定为基础,建立砂仁药材质量的初步评价；找出优质砂仁性状特征的物质内涵,验证其科学性。 2、确定电子鼻对砂仁气味的最佳测量参数,建立优良测量方法,为电子鼻在中药研究领域中的应用提供实验依据。 3、建立MOS传感器阵列优化法,筛选模式识别算法,建立最佳判别模型；为科学、合理地将电子鼻应用到中药品质评价中,提供保障。 4、找到“感官气味—数字化气味—内在物质基础”之间的相关性,证明“电子鼻”代替‘人鼻”的合理性。 5、确立电子鼻分辨中药优劣及预测中药成分的具体判别指标,为中药提供一种快捷、灵敏、准确的备选鉴别技术,推动中药品质评价智能化进展；同时为中药质量标准的完善提供新思路与新技术支持。 [内容与方法] 本论文收集不同品种、不同产地砂仁样品,从五个方面开展研究： 1、在“辨状论质”理论指导下,基于传统性状鉴别法,尽量准确、详尽地对不同来源的砂仁进行性状描述,包括果实的形状、表面、颜色,种子团的质地、颜色、气味等,对其质量进行初步评价,建立感官评价表。另外,选择易于测量、可数字化的性状参数,确定纵径、横径及百果重为砂仁性状测量指标,分别代表果实的大小及种子团饱满程度。 2、分别采用气相色谱法(GC)、高效液相法(HPLC)测定砂仁样品中乙酸龙脑酯、樟脑以及槲皮苷的含量,从而建立符合现行标准规定的参考指标。采用典型相关分析法,对砂仁性状特征和内在物质基础进行相关性分析,为作为优质砂仁质量标准的性状特征的科学性与合理性提供实验依据和数据支持。 3、基于α-Fox3000电子鼻对样品气味的分析测定,以气敏传感器的最大响应为指标,采用单因素考察和正交试验法,从称样量、进样量、粒径、孵化温度、孵化时间等5个因素对电子鼻的测量参数进行摸索、优化,确定最佳测量参数。 4、为提高方法的普适性与泛化性,以姜科常用10味药材为研究载体,基于上述优选出的最佳实验条件,采用逐步判别分析法、主成分分析法、BC(BestFirst+CfsSubsetEval)属性筛选法等进行适用于中药气味特征提取的传感器阵列优化方法的摸索与建立,同时采用朴素贝叶斯、径向基函数网络、随机森林等进行最佳模式识别算法的摸索与建立,结合药材的传统鉴别特征及有效成分指标,对所建判别模型进行验证,为其提供实验依据和理论支持,最终寻求判别模型建立法的最优解。 5、在已建判别模型的基础上,利用电子鼻提取的砂仁数字化气味数值对其内在物质进行预测,与实测值比对,初步探索了电子鼻基于中药气味特征对其“真伪优劣”的鉴别、预测潜力。 [结果与结论] 本论文收集砂仁样品共25批,其中包括：广东省阳春砂、云南省阳春砂、广西省阳春砂、东南亚绿壳砂。建立的GC.HPLC等方法均准确、有效、可靠。所测25批样品结果为：纵径0.52～1.75cm、横径0.56～1.02cm、百果重20.18～84.03cm;乙酸龙脑酯含量0.48～6.64mg/g.樟脑含量0.33～3.50mg/g.槲皮苷含量0.01～0.18mg/g.不同来源样品间乙酸龙脑酯含量分布规律性最强：即广东阳春砂均在3.5mg/g以上、云南阳春砂大致范围为1.5～3.5mg/g、广西阳春砂为1.0～2.0mg/g.东南亚绿壳砂为0.3～1.6mg/g. 从砂仁的感官评价表得出,基于传统性状鉴别法对25批砂仁进行初步评价,将其分为两大类：一类为种子团饱满、油润、气芳香浓烈,二类为种子团稍显干瘪、油润感差、气香较淡。结合化学成分指标测定结果,得出以下规律：一类砂仁乙酸龙脑酯含量较高,在3.5mg/g以上(3.6606～6.6441mg/g)；二类砂仁乙酸龙脑酯含量较低,在1.8mg/g以下(0.4845～1.7449mg/g). 对砂仁性状、内在成分两组指标的典型相关性分析结果显示：第一典型相关变量中纵径、横径的权数较大,分别为1.0234、1.4685,而其在乙酸龙脑酯含量上的相关系数最大,为2.1374。说明果实较大、种子团较饱满(纵径、横径数值大)的砂仁样品中乙酸龙脑酯含量较高。由此证实,在临床实践中将“气味浓淡、果实大小、种子团饱满程度”作为砂仁传统性状鉴别中的重要依据之一,是科学合理的。对称样量、进样量、粒径、孵化温度、孵化时间等5个因素的单因素考察及正交试验结果表明：电子鼻检测砂仁气味的最佳测量参数为：称样量0.4g,进样量500μL,样品粒径为过2号筛,孵化温度为45℃,孵化时间为600s。所确立方法准确、可靠。采用多种手段进行传感器优化方法的摸索结果显示：以α-FOX3000的12根原始传感器阵列(U)为研究对象,基于方差分析、累计相关系数分析、聚类分析结合典则指标筛选法、逐步判别分析法以及BestFirst+CfsSubsetEval(BC)属性筛选法,摸索出3种传感器优化法,所得传感器优化阵列分别为：U1:S1、S2、S5、S6、S8、S12;U2: S1、S3、S4、S10、S12;U3:S2、S3、S6、S8、S10、S12。采用PCA、Fisher LDA以及多种分类器(NBN、RBF、RF)等对优化前后的传感器分类效果进行比较分析,结果显示：聚类分析结合典则指标筛选法操作过程耗时、繁琐；逐步判别分析法虽可降维、消除奇异性,但以鉴别信息的损失为代价,无法保证所抽取的特征是最优的;BC属性筛选法通过返回进行贪心式爬山搜索,逐一评估单个属性的预测能力和属性之间的冗余度,判别结果与原始阵列一致性最高。最终确立了最佳了MOS传感器阵列的优化方法——BC属性筛选法。传感器阵列优化法的确立：优化后的传感器阵列既保证所获取信息的完整性和可靠性,也剔除了冗余信息、实现数据降维,能够代替原始阵列完成对中药的鉴别任务；并且优化后分类效果有一定程度的提高,例如BC属性筛选法优化后的传感器阵列,NBN、 RBF、RF3种分类器的正判率均在80%以上。此种优化方法有效、可行。分类器的筛选及确立：针对鉴别难点,以“级联分类器”模式摸索、建立最佳判别模型,即建立以径向基函数网络为一级分类器、随机森林为二级分类器的“二级级联分类器”,实现对不同中药样品的鉴别。同时,结合传感器优化法,寻找更优解：BC属性筛选方法结合二级级联分类器构建判别模型。证实所建模型学习速度快、准确率高、无过拟合现象等优点,可望为中药气味鉴别提供一种简便、快速、有效的备选分析方法。为在传感器数量有限的前提下,实现电子鼻对中药的快速鉴别提供实验依据和方法参考。 MOS传感器将中药“气味”数字化的结果：根据传感器(LY2/gCT)最大响应值对砂仁内在成分(乙酸龙脑酯)含量进行预测：响应值=0.04,质较优,乙酸龙脑酯的含量大多都在3.5mg/g以上、乙酸龙脑酯/樟脑含量比值大于2.0,基本可接受为道地阳春砂；而响应值=0.03的,则大多在1.8mg/g以下、乙酸龙脑酯/樟脑含量比值小于1.5,基本排除为道地阳春砂的可能。结合性状鉴别所建感官评价表,得出：电子鼻所得结果与性状鉴别结果一致,即可将样品分为二类：一类为气味浓、传感器响应值高、乙酸龙脑酯含量高,可接受为道地阳春砂；二类为气味稍淡、传感器响应值低、乙酸龙脑酯含量低,可排除为道地阳春砂。MOS传感器阵列的电子鼻具有对中药进行“品——真伪”定性、“质——优劣”定量分析的潜力。 [讨论] 1、不同性状砂仁样品之间内在有效成分存在的显著性差异,不仅仅体现于单一指标成分含量的高低,还表现在各指标成分比例的变化。从中医“君臣佐使”理论思考,某味中药的药效发挥很大程度上与多成分及其相互之间比例关系密切相关。因此,笔者建议将来采用更体现中医药“整体观”的多指标、多成分的模式,进行砂仁质量评价体系的研究。 2、在对电子鼻提取中药(砂仁)参数设置时,本文是在忠于传统性状鉴定的前提下进行的,即在选择孵化温度、孵化时间等参数时,首先考虑与性状鉴定保持一致,例如孵化温度控制在40℃左右,以保证与传感器作用的气体尽量接近于人鼻所闻的化学物质。鉴于第五章已对传感器阵列优化、分类器筛选做了较为深入、系统的研究,再从第六章电子鼻对砂仁判别模型的建立及应用的结果——只能区分道地阳春砂与非道地阳春砂、而无法区分不同产地、不同品种的砂仁——来看,电子鼻的灵敏性、准确性未得到充分的发挥和验证。笔者思考,人类嗅觉鉴别本身存在生理性盲区、客观局限性和历史选择性,在将来进一步研究中,建议从传感器与多成分作用机制出发,充分尝试更宽泛的仪器参数,例如将孵化温度调高等,更透彻挖掘其响应广谱性、研发其判别专属性。 3、实际应用中,对于电子鼻传感器阵列的优化法和判别模型的构建法选择上,建议不必拘泥于一种方法,根据具体实验条件、分析对象和研究目的,多法交叉、择优建模。数学算法更新迅速,例如贝叶斯算法的不断完善与补充、多种数学算法交叉融合。未来,分类器的可选择性和可适用性会日新月异。因此,笔者建议对本文所提出的“级联分类器”方法的基础上,应避免照搬套用。实际中,灵活运用可提高分类器选择的准确性和判别模型的正判率。 4、电子鼻对道地阳春砂与其他砂仁样品较易区分,并且对主要挥发性成分(乙酸龙脑酯)的含量范围具有一定预测能力。然而,针对不同品种、不同产地砂仁样品,基于电子鼻建立的气味指纹图谱,所建判别模式无法完成分类任务；同时,在使用传感器响应值对样品内在成分进行预测时,只能给出大致范围,验证结果也出现了偏差。分析其原因可能有三：第一,样品量太少且收集时间不同,导致样品的代表性存在局限性,建议在将来的研究中能收集更多、更具代表性的样品；第二,样品质量的优劣、药效的好坏,还需要以后更进一步的药理学实验、临床药效的验证,根据药效学结果对样品进行分类,再与电子鼻分类结果进行比较；第三,传感器广谱响应性太强,专属性不足,无法完成对砂仁特殊气味特征的提取与表征,建议在将来的研究中能尝试数量更多、种类更丰富的传感器提取中药气味特征,在大量实验基础上对更适合分析中药特异性气味的传感器进行筛选,充分挖掘电子鼻对中药进行定性、定量分析的潜力。 5、受时间和实验条件的限制,本文设计上整体性不够完善、存在部分局限性,主要是对方法学进行了摸索与建立,希望在未来的研究中得到补充和完善。例如：对中药原粉气味进行与电子鼻气味测定平行的GC-MS分析,为中药产生气味的具体化学物质基础及其与传感器作用过程、反应机制提供更进一步的实验依据,为中药电子鼻的传感器阵列特异性、专属性的研究与开发奠定基础。 6、对电子鼻技术在中药领域的应用,除了对中药品种、质量的“真伪、优劣”的鉴别和预测之外,笔者考虑其在新药研发中的价值。某一类气味代表着某一类的化学物质、即意味着可能有某一类特定的药效作用。例如中药传统鉴别中常提到的“参味”、“辛香味”等,这两种特殊的气味分别代表着补益类药、化湿类药所具有的临床药效。因此,针对新药的开发,可基于电子鼻先将其气味分类,如此“有的放矢”地去寻找、开发它的药用价值,具有指导性意义和环保价值。 [创新点] 3.1首次对传统性状鉴别中感官气味与内在物质基础建立联系、揭示了优质砂仁性状特征的物质内涵,证实了传统性状鉴别经验,如“砂仁气浓、个大、坚实、仁饱满为佳”的科学性、合理性。 3.2针对砂仁感官气味的主观性、模糊性,首次采用电子鼻技术将其量化、数字化,建立一套优良的砂仁气味测定法。 3.3创新性地引入BestFirst+CfsSubsetEval属性筛选法,证实了将其应用于建立电子鼻MOS传感器阵列优化法的优越性和可行性,得到适用于中药气味特征提取的传感器阵列优化方法。 3.4首次运用“级联分类器”模式构建中药气味判别模型,所建模式识别算法准确、有效、可行。 3.5在电子鼻对中药的快速鉴别研究中,首次提出了“拆分任务、剔除冗余、由易到难、分级递进”创新性原则,成功实现了对判别模型的改进与完善。
[Abstract]:......
【学位授予单位】：北京中医药大学
【学位级别】：博士
【学位授予年份】：2013
【分类号】：R286.0;R314

【参考文献】