基于生物效应的中药寒热药性判别模式研究

[摘要] 目的：观察寒、热药性中药对生物效应指标的影响，分析变量对寒、热药性贡献度，初步建立寒、热药性生物效应判别模式。方法：大鼠随机分为空白对照组、寒性中药（苦参、栀子、黄柏，黄芩、黄连、龙胆）各组、热性中药（附子、干姜、高良姜、花椒、肉桂、吴茱萸）各组，灌胃相应中药水煎液10 mL・kg-1，每日2次，共给药30 d；检测文献已报道的可能与寒、热药性相关联的生物效应指标共53项；运用Clementine12.0数据挖掘软件，建立数据仓库；选取空白对照组数据、寒性中药组（栀子、黄柏、黄连、苦参、龙胆）数据、热性中药组（附子、干姜、肉桂、花椒、高良姜）数据，作为训练集，C5.0算法和C&R分类回归算法找出变量的重要性，构建决策树；并对黄芩、吴茱萸进行寒、热属性的测试。结果：C&R分类回归算法显示：肝SDH活性为寒热最为重要的属性，重要性接近30%，其次为甘油三酯、肝Na+-K+-ATP酶、肌糖元、血小板分布宽度等，模型的正确率达97.39%；C5.0算法显示：肝SDH活性为寒热最为重要的属性，重要性接近40%，其次为甘油三酯、谷草转氨酶、肌糖元、肝Na+-K+-ATP酶等，模型的正确率达98.26%；C&R分类回归算法、C5.0算法决策树判定吴茱萸属于热性药和黄芩属于寒性药的可能性均为100.00%，77.78%。结论：肝SDH活性为中药的寒热药性最为重要的生物效应指标；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。

[关键词]寒热药性；判别模型；生物效应；能量代谢；SDH

近年来，研究者从中枢神经系统、植物神经系统、内分泌系统，以及能量代谢等多个方面对中药四性的生物效应进行了研究，由于受实验环境、受试药材、实验动物等多种原因的影响，实验结果存在着很大的差异[1]。而且，传统的统计方法难以从以上众多的生物指标中，分析出哪个指标或哪几个指标的权重值更大，更能反映药性的真实面目。数据挖掘从海量的数据中挖掘出可能有潜在价值的信息，用以支持决策。利用数据挖掘技术对中药药性与生物效应数据进行挖掘，可发现药性与功效之间的明确关系。本文选用热性中药的代表附子、肉桂、高良姜、花椒、干姜，寒性中药的代表黄连、黄柏、苦参、龙胆、栀子，观察以上中药对正常大鼠生物效应指标的影响，运用Clementine12.0数据挖掘软件，找出对寒、热药性贡献度大的重要变量，通过决策树建立寒、热药性的生物效应判别模式，并对吴茱萸、黄芩的寒、热属性进行判别。

1 材料

1.1 药材 黄连Coptidis Rhizoma、黄芩Scutellariae Radix、黄柏Phellodendri Cortex、栀子Gardeniae Fructus、苦参Sophorae Flavescentis Radix、龙胆Gentianae Radix、附子Aconiti Lateralis Preparata Radix、干姜Zingiberis Rhizoma、高良姜Alpiniae Officinarum Rhizoma、花椒Pericarpium Zanthoxyli、肉桂Cinnamomi Cortex、吴茱萸Evodiae Fructus均购自北京鹤元堂医药科技有限公司，产品批号均为200610003，其中黄连产于四川峨眉山，黄芩产于甘肃陇西，黄柏产于四川荥经，栀子产于江西金溪，龙胆产于吉林临江，苦参产于山西；附子产于四川江油，干姜产于广东德庆，高良姜产于广东徐闻，花椒产于陕西凤县，肉桂产于广东德庆，吴茱萸产于江西抚州，均经江西中医药大学付小梅副教授鉴定。

1.2 样品制备 药物水提液由本实验室制备。取一定量的黄连、黄芩、黄柏、栀子、苦参、龙胆、附子、吴茱萸、干姜、高良姜、花椒、肉桂，分别加入10倍量水，浸泡60 min，回流提取60 min，倒出药液，残渣再加入8倍水，回流提取60 min。合并2次药液，滤过、浓缩后制成按生药量计量的水提液：黄连0.35 g・mL-1、黄芩0.30 g・mL-1、黄柏0.42 g・mL-1、栀子0.35 g・mL-1、苦参0.30 g・mL-1、龙胆0.20 g・mL-1、附子0.525 g・mL-1、吴茱萸0.21 g・mL-1、干姜0.41 g・mL-1、高良姜0.30 g・mL-1、花椒0.20 g・mL-1、肉桂0.175 g・mL-1，-20 ℃放置备用。

1.3 动物 SD大鼠，清洁级，雄性，体重180～220 g，江西中医药大学实验动物中心提供，合格证号SCXK（赣）2006-0001。

1.4 药品与试剂 Na+-K+-ATP酶、Ca2+-ATP酶测试盒、琥珀酸脱氢酶（SDH）测试盒、考马斯亮蓝蛋白测试盒、游离脂肪酸测试盒，均购自南京建成生物工程研究所，批号080705；总脂酶试剂盒购自南京凯基生物，批号080701；肝糖元测试盒购自南京建成生物工程研究所，批号080611；T3，T4，TSH，睾酮放射免疫分析测试盒均购自北京科美东雅生物技术有限公司，批号080720。

1.5 仪器 低温高速离心机（Sigma）；低温冰箱（Thermo）；电热恒温水浴锅（常州国华）；微量移液器（Gilson）；涡旋混匀器（上海沪西）；B-100自动颗粒制冰机（太仓市华美生化仪器厂）；分析天平（Sartorius）；UGO BASILE7420大鼠自主活动仪（意大利）；GC-911γ放射免疫计数器（中国科大中佳光电）；Sysmex-XE2100全血仪（日本日立公司）；Beckman-CX7全自动血液生化仪（Beckman公司）。Clementine12.0数据挖掘软件（SPSS公司）。

2 方法

2.1 分组及给药 大鼠随机分为空白对照组、黄连组、黄芩组、黄柏组、栀子组、苦参组、龙胆组、附子组、干姜组、高良姜组、花椒组、肉桂组、吴茱萸组，每组10只。各组动物适应性喂养3 d后开始灌胃给药，灌胃容积为10 mL・kg-1，每日2次，共给药30 d。给药生药剂量：苦参6.0 g・kg-1，栀子7.0 g・kg-1，黄柏8.4 g・kg-1，黄芩6.0 g・kg-1，黄连7.0 g・kg-1，龙胆4.0 g・kg-1，附子10.5 g・kg-1，干姜8.4 g・kg-1，高良姜6.0 g・kg-1，花椒4.0 g・kg-1，肉桂3.5 g・kg-1，吴茱萸4.2 g・kg-1，空白组给予等容量的蒸馏水。

2.2 试验取材 给药结束当天晚8时大鼠禁食不禁水，次日上午将大鼠麻醉由心脏取血3～4滴，滴入EDTA-Na抗凝管，测血常规；其余血入离心管，2 000 r・min-1离心10 min，分离血清，-20 ℃冷冻保存备用。打开动物胸腔、腹腔，取出胸腺、肺、肝、脾、肾上腺、、附睾及，附睾、肾周脂肪并称重，计算出各脏器系数及体脂系数。取出肝脏、骨骼肌（腓肠肌）后迅速按照顺序分成若干份，分别用锡箔纸包好，迅速放入液氮中，然后转移至-80 ℃冰箱保存备用。

2.3 检测指标的选择 选择文献已报道的可能与寒、热药性相关联的中枢神经系统、植物神经系统、内分泌系统，以及能量代谢方面的生物效应指标；选择临床常见检测指标如血液学、肝肾功能相关生化相关指标，见表1。

2.4 数据准备 按照受试中药、给药剂量、实验动物、检测指标对全部实验数据进行汇总，建立数据仓库。

2.5 数据预处理 对数据仓库数据进行预处理，去除不完整数据，去除离群数据，添加受试药的寒热分类属性。

2.6 使用训练集建模 选取空白对照组数据20组、寒性中药组（栀子、黄柏、黄连、苦参、龙胆）数据47组、热性中药组（附子、干姜、肉桂、花椒、高良姜）数据48组，作为训练集，利用C5.0算法和C&R分类回归算法对中药寒、热药性分类与属性选择后生物效应指标间的关联关系进行建模，找出变量的重要性，构建决策树。

2.7 模式测试 分别采用2种算法所得判别模式对黄芩、吴茱萸各9组进行寒、热属性的测试。

3 结果

3.1 C&R分类回归算法预测决策树肝SDH活性为最为重要的属性，对寒、热药性判别的贡献度最大，重要性接近30%，其次为甘油三酯、肝Na+-K+-ATP酶、肌糖元、血小板分布宽度等，见图1；构建的决策树见图2；模型的正确率达97.39%。

3.2 C5.0算法预测决策树结果 肝SDH活性为最为重要的属性，对寒、热药性判别的贡献度最大，重要性接近40%，其次为甘油三酯、谷草转氨酶、肌糖元、肝Na+-K+-ATP酶等，见图3；构建的决策树见图4；模型的正确率达98.26%。

3.3 对吴茱萸、黄芩寒、热属性的测试 选择吴茱萸数据9组，黄芩数据9组，采用上述训练模型进行测试，结果发现：C&R分类回归决策树判定吴茱萸属于热性中药和黄芩属于寒性中药的可能性均为100.00%，77.78%；C5.0算法决策树判定吴茱萸属于热性中药和黄芩属于寒性中药的可能性均为100.00%，77.78%。

4 讨论

数据挖掘可面对和处理海量的数据，并从中获取有效的、新颖的、潜在有用的信息。其挖掘的数据可以是不完全的、有噪声的，随机的，有复杂的数据结构，维数大。只要具备分析价值与需求的数据库，皆可利用数据挖掘工具进行有目的的发掘分析[2-3]。数据挖掘通过对数据的总结、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

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