基于生物效应的中药寒热药性判别模式研究

总结、分类、聚类、关联等分析，实现对数据内在结构特征的理解和对未知数据的预测。数据挖掘的理论技术可分为传统技术与改良技术。传统技术以统计分析为代表，有描述统计、概率论、回归分析、时间序列分析、多元统计中的因子分析、判别分析以及聚类分析等。改良技术以机 器学习为代表，应用较普遍的有决策树、人工神经网络、贝叶斯网络、规则归纳法等^[4]。目前在中国市场上最为流行的三大数据挖掘软件为SAS公司的EnterpriseMiner，IBM公司的Intelligent Miner和SPSS公司的Clementine。Clementine是SPSS所发行面向企业的一种数据挖掘工具，具有强大的图形界面，不但支持整个数据挖掘流程，而且支持从数据获取、转化、建模、评估到最终部署的全部过程。Clementine采用了丰富和有效的模型算法^[5]，包含了数据的可视化，预测、分类、聚类、关联、序列等的数据挖掘方法，而且提供机器学习和许多相关统计模型，使数据挖掘的结果更具有可靠性与精确性。

Clementine数据挖掘平台目前已被企业和科研单位广泛采用。李盈^[6]等以Clementine数据挖掘软件为平台，按照CRISP-DM 的6个阶段对财务困境预测项目进行了数据流构建，利用C5.0.0算法生成的决策树建立预测模型，并对模型结果进行了分析，促进Clementine在财务预测领域的应用。Clementine数据挖掘平台在医学药学方面的应用日益增加，如医药方案的确定、中药功效及复方研究等^[7-8]，尚未见Clementine数据挖掘平台应用于中药药性研究方面的文献资料。

决策树是用树枝状展现训练集中资料受各变量的影响情形的预测模型，它是一种常用于预测模型的算法，由节点、分支、判别结果3个部分组成，树的中间节点 （non-leaf nodes） 代表测试的条件，树的分支 （branches） 代表条件测试的结果，树的叶节点 （leaf nodes） 代表分类后所得到的分类标记，也就是 表示分类的结果。常用的算法有C&R，CHAID，ID3，C4.5，C5.0.0等^[8]。决策树通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息。其主要优点是描述简单，分类速度快，特别适合大规模的数据处理。本文运用Clementine12.0数据挖掘软件，采用C&R分类回归算法、C5.0算法，分析指标重要性，构建决策树，建立初步的寒、热药性判别通路。

决策树通过指标通路模型来最终判断药物的寒热属性。以图4为例，要确定某药的寒热属性，判断先由SDH（琥珀酸脱氢酶）开始，其检测结果>5.010 U·mg^-1，则选择向右的通路继续检测甘油三酯；甘油三酯检测结果>1.140 mmol·L^-1，则选择向右的通路继续检测骨骼肌Na+-K+-ATP酶；若甘油三酯检测结果<1.140，则选择向左的通路继续检测体脂系数数；体脂系数检测结果<14.7 mg·g^-1，则选择向左的通路查看判别结果；至此，决策树给出了此药属热的概率为95.745%，属寒的概率为4.255%，则可以初步判断此药为热性药。同理当检测指标结果为其他值时，可以根据通路选择条件选择其他指标通路来判断药物的寒热属性。

本部分通过C&R分类回归算法和C5.0.0算法得到了相似但不完全相同的寒、热药性判别通路。无论是C5.0算法所得决策树还是C&R算法所得决策树，中药属寒、热性的判别通路均与SDH、甘油三酯、肌糖元、肝Na+-K+-ATP酶等变量有密切关系，SDH是线粒体三羧酸循环中生成ATP的酶， Na+-K+-ATP酶是消耗ATP的酶，甘油三酯、肌糖元是能量产生的物质来源，故中药寒、热药性的判别通路或模式与能量代谢存在着极为密切的关系，对中药寒、热药性贡献度最大的生物效应指标比较集中体现在能量代谢相关指标。

在本实验中，尽管选择了较多的生物效应指标来进行数据挖掘，但相对于中药作用的多样性而言，还是十分不够。由于受到工作量、实验条件与实验水平的限制，一些可能更有意义的指标如信息指标、物质指标尚未列入考察范畴。本部分所得到的生物效应判别通路是寒、热中药在正常动物药性表现，可能与寒、热中药在模型动物的药性表现不一致。尽管研究中选择了12个寒、热性中药代表进行研究，但要用12个中药来反映整个中药的寒、热属性，似乎还显得远远不够。本部分所建立的中药寒、热药性评价模型将在进一步研究中不断完善。

[参考文献]

[1] 黄丽萍，余日跃，王条敏，等. 中药四性理论的研究现状与展望[J]. 中国实验方剂学杂志，2011，17（9）：270.

[2] 郭萌，王玉. 数据挖掘与数据库知识发现：综述[J]. 模式识别与人工智能，1998，11（3）：292.

[3] 王斌会.数据挖掘技术及其应用现状[J].统计与决策，2005，5（下）：122.

[4] 夏艳军，周建军，向昌盛.现代数据挖掘技术研究进展[J].江西农业学报，2009，21（4）：82.

[5] 陈文伟，黄金才.数据仓库与数据挖掘[M].北京：人民邮电出版社，2004：2.

[6] 李盈，邓尚民，庄新磊.财务困境预测项目的CIementine数据流构建研究[J]. 财会月刊，2009（2）：103.

[7] 金玉琴，赵群，施诚.人工神经网络及其在中药研究中的应用[J].医学信息，2007，20（6）： 916.

[8] 靳淑敏，张翠肖，孙珊珊.决策树技术及其在药物治疗中的应用[J].科技情报开发与经济，2008，l8（6）：164.

Study on discrimination mode of cold and hot properties of traditional

Chinese medicines based on biological effects

HUANG Li-ping1， ZHU Ming-feng1， YU Ri-yue1*， DU Jiang-qiang1， LIU Hong-ning1，2*

（1. Jiangxi University of Traditional Chinese Medicine， Nanchang 330004， China；

2. Research Center for Differention and Development of Traditional Chinese Medicine Basic Theoty，

Jiangxi University of Traditional Chinese Medicine， Nanchang 330004， China）

[Abstract] Objective： To observe the effect of cold or hot properties of traditional Chinese medicines （TCM） on biological effect indexes， and analyze the contribution of variables on cold or hot properties， in order to preliminarily establish the discrimination mode for the biological effects of cold or hot properties. Method： Rats were randomly divided into the blank control group， cold TCM groups （Coptidis Rhizoma， Scutellariae Radix， Phellodendri Cortex， Gardeniae Fructus， Sophorae Flavescentis Radix and Gentianae Radix） and hot TCM groups （Aconiti Lateralis Preparata Radix， Zingiberis Rhizoma， Alpiniae Officinarum Rhizoma， Zanthoxyli Pericarpium， Cinnamomi Cortex and Evodiae Fructus）， and orally administered with 10 mL·kg^-1 of corresponding TCM water decoctions for 30 d， twice a day. Altogether 53 biological effect indexes correlated to cold or hot properties of traditional Chinese medicines were founded by searching literatures. The data warehouse were established by using data-mining software Clementine12.0. Data of the blank control group， cold TCM groups （Coptidis Rhizoma， Phellodendri Cortex， Gardeniae Fructus， Sophorae Flavescentis Radix， Gentianae Radix） and hot TCM groups （Aconiti Lateralis Preparata Radix， Zingiberis Rhizoma， Alpiniae Officinarum Rhizoma， Zanthoxyli Pericarpium， Cinnamomi Cortex） were selected into a training set. C5.0 algorithm and C&R classification and regression algorithm were adopted to define the importance of variable， create the decision trees， and test hot or cold properties of Evodiae Fructus and Scutellariae Radix. Result： According to C&R classification and regression algorithm， SDH activity of livers was the most important hot or cold property， with the significance closed to 30%. It was followed by triglyceride， liver Na+-K+-ATPase enzyme， muscle glycogen and platelet distribution width， with the accuracy up to 97.39% in models. C5.0 algorithm showed that liver SDH activity was the most important hot or cold property， with the significance closed to 40%. It was followed by triglyceride， GOT， muscle glycogen and liver Na+-K+-ATPase enzyme， with the accuracy up to 98.26% in models. The possibilities that Evodiae Fructus is in hot property and Scutellariae Radix is in cold property were 100.00% and 77.78% by using both C&R classification and regression algorithm and C5.0 algorithm. Conclusion： The SDH activity of liver is the most important biological effect index to distinguish cold and hot properties of TCMs. The discrimination pathway or mode of cold and hot properties is closely related to energy metabolism.

[Key words]cold or hot property； discrimination mode； biological effect； energy metabolism； SDH

doi：10.4268/cjcmm20141729

[责任编辑 张宁宁]