基于传统中药理论预测中药肾毒性的研究

发布时间：2020-05-31 15:15

【摘要】：目的:基于传统中药理论——药性(四性、五味、归经)和功效预测中药肾毒性,建立其预测模型并对模型进行评估。方法:文献检索具有肾毒性证据的中药(Chinese Herbal Medicines,CHMs),以《中华本草·精选本》(Chinese Materia Medica·Featured)中去除上述肾毒性中药的普通中药作为非肾毒性中药纳入数据。第一部分数据来源,以《中华本草》为标准确定的每味中药(包括肾毒性中药和非肾毒性中药)的药性(包括四性、五味和归经)归属,同时排除无四性或五味或归经记录的中药。第二部分数据来自以《中华本草》为标准确定的每味中药的功效分类,并排除其中无功效记载的中药。收集整理上述两部分数据集,分别进行肾毒性和非肾毒性中药与其药性(四性、五味、归经)和功效因素的相关性检验,筛选出相关性变量因素用于构建Logistic回归模型(Logistic Regression Model,LRM)、神经网络模型(Neural Networks Model,NNM)和贝叶斯网络模型(Bayesian Networks Model,BNM),预测影响中药肾毒性的重要因素;同时,绘制三种模型的“受试者工作特征曲线”(Receiver Operator Characteristic curve,ROC曲线),并计算曲线下面积(AUC),用于评估和比较模型的预测能力。结果:第一部分:肾毒性和非肾毒性中药与其四性、五味具有相关性(P0.05)。LRM预测结果按重要性排名为甘味、辛味、平性、热性、苦味,且认为辛味、苦味和热性是肾毒性的危险因素(OR1),甘味和平性则是肾毒性的保护因素(OR1)。NNM结果显示热性、辛味、温性和苦味是影响中药肾毒性的重要因素,且NNM将热性排在重要性第一位;BNM则另认为甘味和平性是最重要的影响因素。三种模型ROC曲线的AUC结果分别为0.703(LRM),0.739(NNM),0.661(BNM)。第二部分:肾毒性和非肾毒性中药与功效分类具有相关性(P0.05),相关系数为0.338。进行单因素Logistic回归分析,筛选出具有统计学显著性的变量因素用以构建模型,结果显示LRM、NNM和BNM三种模型均将杀虫、凉血止血和养心安神功效认为是影响中药肾毒性的重要因素,且其中杀虫可能是其危险因素(OR1),而凉血止血和养心安神可能是其保护因素(OR1)。三种模型的AUC结果表明NNM(0.788)的预测能力优于LRM(0.724)和BNM(0.742)。结论:1.传统中药理论与现代数理统计学方法相结合,分别预测了药性(四性、五味)和功效中影响中药肾毒性的重要因素。2.建立中药肾毒性的预测模型,其中NNM预测能力较LRM和BNM更优,具有更好的预测性,但LRM对预测影响因素的解释能力较优。3.现代数理统计及建模方法对于中药肾毒性的预测研究以及中药的毒理学研究具有一定的应用价值。
【图文】：

频数分布,四性,肾毒性,频数分布

注：χ2＝23.122，P＝0.000。图 1 肾毒性和非肾毒性中药的四性归属频数分布 The frequency distribution of CHMs with or without nephrotoxicity in four prop

频数分布,五味,肾毒性,频数分布

注：χ2＝40.465，P＝0.000。图 2 肾毒性和非肾毒性中药的五味归属频数分布ure 2 The frequency distribution of CHMs with or without nephrotoxicity in five flav
【学位授予单位】：暨南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R285.1

【参考文献】