[发明专利]评价同一生物功能的多种中药材对该生物功能的协同性和作用度的方法及优化中药复方方法

摘要

本发明提供一种评价同一生物功能的多种中药材对该生物功能的协同性和作用度的方法及优化中药复方方法，通过三维可视化图显示具有同一生物功能的多个药材，其中，任意两个点之间的距离即为对应的映射系数值，代表药材之间的关联程度，若两点间距离越短，则此两种药材具有协同性越强；每一个点所对应的三维锥柱的高度，即为所计算得到的权重值，代表了此药材对于该生物功能的贡献程度，若某点高度越高，则说明该药材具有该生物功能的作用越强。可以更加直观的反应不同药材对同一生物功能重要性的高低，以及药材之间的紧密程度；同时可以预测不同的药材组合对某一生物功能的重要程度。

主权项

一种评价同一生物功能的多种中药材对该生物功能的协同性和作用度的方法，其特征在于，包括以下步骤：S1，建立初始的第一中药数据库，所述第一中药数据库存储中药名称与其具有的至少一种生物功能属性的对应关系；其中，所述中药名称所对应的中药为中药材或中成药；S2，当需要对指定生物功能进行评价时，建立与指定生物功能名称唯一对应的第二中药数据库；初始时刻，该第二中药数据库为空；以所述指定生物功能名称为挖掘关键词，对所述第一中药数据库进行数据挖掘，每当挖掘到具有该指定生物功能的指定中药时，即将该指定中药所对应的指定中药名称存储到所述第二中药数据库，如果本次挖掘到的指定中药名称与第二中药数据库中已存在的历史时期存入的某一中药名称相同，则仍然将本次所挖掘到的指定中药名称重新存储到所述第二中药数据库；在对所述第一中药数据库数据挖掘结束时，设所述第二中药数据库中共存储M1个指定中药名称，M2种指定中药名称；其中，M2≤M1；S3，建立与指定生物功能名称唯一对应的中药材数据库；初始时刻，该中药材数据库为空；对所述第二中药数据库中存储的每一种指定中药进行分析，提取到该指定中药所包含的至少一种指定中药材；由此得到n种指定中药材；再统计每一种指定中药材在M1个指定中药出现的次数，然后将n种指定中药材名称以及与每一种指定中药材名称对应的出现次数的对应关系存储到所述中药材数据库；S4，将n种指定中药材名称依次记为：P1、P2…Pn；将各个指定中药材名称对应的出现次数依次记为：W1、W2…Wn；则：对于任意一个指定中药材名称Pi，其中，i∈(1、2…n)，通过下式计算其权重值WCi：WCi＝Wi/(W1+W2…+Wn)；由此计算得到与n种指定中药材P1、P2…Pn分别对应的权重值；S5，将n种指定中药材P1、P2…Pn两两组合，形成n(n‑1)/2组组合；在一定的计算环境下，计算每种组合的映射系数值，得到以下映射系数矩阵MC：MC=MC12MC13MC14...MC1nMC23MC24...MC2nMC34...MC3n...MC(n-1)n;]]>其中，MCij代表指定中药材Pi和指定中药材Pj之间的映射系数值；其中，i，j∈(1、2…n)，i≠j；S6，建立平面直角坐标系，在该平面直角坐标系中选取任意一个点作为P1点，然后，判断能否在该直角坐标系上标识出P2点…Pn点，使P1点、P2点…Pn点之间每两个点之间距离值组成矩阵L，且使矩阵L中的每一个元素与映射系数矩阵MC中对应位置的元素相同，如果不能够标识，则执行S7；否则，执行S8；其中，矩阵L表示为：L=L12L13L14...L1nL23L24...L2nL34...L3n...L(n-1)n]]>其中，Lij代表指定Pi点和Pj点之间的距离值；其中，i，j∈(1、2…n)，i≠j；S7，返回S5，对计算映射系数值的计算环境进行纠偏，然后计算得到新的映射系数矩阵MC，用该新的映射系数矩阵MC替换原来的映射系数矩阵MC，再执行S6；由此进行迭代循环计算，直到能够在直角坐标系上标识出满足条件的P1点、P2点…Pn点；然后再执行S8；S8，在直角坐标系上标识出P1点、P2点…Pn点；其中，P1点对应指定中药材P1、P2点对应指定中药材P2…Pn点对应指定中药材Pn；然后，读取S4计算得到的指定中药材P1、P2…Pn分别对应的权重值，将P1点、P2点…Pn点分别对应的权重值通过图形可视化方式展示，得到与指定生物功能对应的三维可视化图；S9，观察所述三维可视化图，对于P1点、P2点…Pn点，任意两点之间的相对距离值代表对应的两种中药材的协同性，相对距离值越近，则两种中药材的协同性越强；某个点对应的权重值越大，代表该点对应的中药材对该指定生物功能的作用度越强；其中，S5中，通过以下方法计算每种组合的映射系数值：S5.1，建立树型存储结构，所述树型存储结构包括根结点、第一层子结点、第二层子结点和第三层子结点；其中，所述第一层子结点为所述根结点的直接子结点，所述第二层子结点为所述第一层子结点的直接子结点，所述第三层子结点为所述第二层子结点的直接子结点；所述第一层子结点用于存储与各种类型的疾病分类分别对应的疾病代码；所述第二层子结点用于存储与各种总药效名称分别对应的功能代码；所述总药效名称指药物与机体相互作用产生的总反应名称；所述第三层子结点用于存储各种子药效名称；所述子药效名称指药物与机体相互作用产生的子反应名称；其中，具有父子关系的第一疾病代码、第一功能代码和第一子药效名称的关系为：所述第一疾病代码代表第一疾病、所述第一功能代码代表第一总药效；所述第一子药效名称代表第一子药效；当患有第一疾病的机体食用指定药物后，该指定药物与机体作用后产生第一子药效，第一子药效属于第一总药效更细化的药效；而第一子药效为治疗第一疾病的途径和环节；S5.2，特定药物M的组分名称为集合PAll＝{P1,P2,…Pn}；其中，n≥1；各组分在特定药物M中的对应质量分数为集合KAll＝{K1,K2,…Kn}；当接收到任意的包含x个组分的组分名称集合P＝{P1,P2,…Px}以及对应的质量分数集合K＝{K1,K2,…Kx}时，其中，x≤n，对该集合P中的每一个组分Pi，均执行以下操作，得到子网络映射图集合W＝{W1,W2,…Wi,…Wx}；根据已有药物与药效关系的信息，构建与该组分Pi相关的一个以上指定子药效名称；再以各个指定子药效名称为关键词，根据S5.1得到的所述树型存储结构，获得子网络映射图Wi，所述子网络映射图Wi是以组分Pi为根结点的三层树状分散图，从内向外包括第一层结点、第二层结点和第三层结点；第三层结点即为所述各个指定子药效名称；第三层结点在所述树型存储结构中具有父子关系的第二层子结点即为第二层结点；第二层结点在所述树型存储结构中具有父子关系的第一层子结点即为第一层结点；S5.3，将子网络映射图集合W＝{W1,W2,…Wi,…Wx}中的x个子网络映射图相互关联，处于同一层结点中的各个组分对应的相同结点合并，得到总网络映射图；其中，同一层结点中合并后的结点称为共享结点；S5.4，根据下列公式计算所述x个组分的映射系数MC；MC=(Σi=1xkiΣj=1yjCjilog2Gji)·exp(Σi=1x·(x-1)2L(Di)·FiΣi=1xyiBi)·log10(Σa,b∈{1,2,...,x}(ka+kb)(Σh=14(rahrbh)+Σh=16(tahtbh))Σh=112(qahqbh))]]>其中，所述集合P中的所述组分Pi在其对应的子网络映射图Wi上共有yi个第一层结点，构成的集合为对该DCi集合中的每个第一层结点该直接连接的第二层结点总数为yi个第一层结点分别直接连接的第二层结点总数构成集合每个第一层结点上间接连接的第三层结点总数为yi个第一层结点分别间接连接的第三层结点总数构成集合其中j＝(1,2,…,yi)；在集合P＝{P1,P2,…Px}中，任选2个不同组分的所有可能组合，构成集合PC＝{(P1,P2),(P1,P3),...,(Px‑1,Px)}，其中集合PC中元素总数为：对于集合PC中的每个元素，对应两个组分：组分Pi和组分Pj，其中i,j＝(1,2,...,x)且i≠j，组分Pi和组分Pj在总网络映射图中共享的第一层结点所组成的集合为Ds，L(Ds)表示Ds中的结点总数，其中则集合PC中所有元素对应的Ds组成的集合为：D={D1,D2,...,Dx·(x-1)2};]]>对集合D中的每个元素Ds分别执行以下操作，得到集合：F={F1,F2,...,Fx·(x-1)2};]]>集合F中任一元素Fi为Ei与Ej的和，其中，Ds中的任一元素为组分Pi和组分Pj在总网络映射图中共享的第一层结点，Ei为组分Pi在子网络映射图Wi中的直接子结点总数，Ej为组分Pj在子网络映射图Wj中的直接子结点总数；yi表示组分Pi在子映射网络Wi上的第一层结点总数，Bi表示组分Pi在子映射网络Wi上的第二层结点总数；定义组分集合P＝{P1,P2,…Px}对应的特征向量集合β＝{β1、β2…βx}；其中，特征向量集合β中各特征向量与组分名称集合Px中各组分分别对应；对于集合β中任意一个βi，x≥i≥1；定义βi＝(Ri、Ti、Qi)；其中，Ri代表组分Pi的四气特征向量，Ri＝(ri1、ri2、ri3、ri4)，其中，ri1、ri2、ri3、ri4分别代表组分Pi的温、热、寒、凉四气属性；根据组分Pi的四气属性的程度分别向ri1、ri2、ri3、ri4赋值0或1或2；Ti代表组分Pi的五味和毒性特征向量,Ti＝(ti1、ti2、ti3、ti4、ti5、ti6)其中，ti1、ti2、ti3、ti4、ti5、ti6分别代表组分Pi的辛、甘、酸、苦、咸、毒性六种属性，根据组分Pi的五味和毒性的程度分别向ti1、ti2、ti3、ti4、ti5、ti6赋值0或1或2；Qi代表组分Pi的归经特征向量,Qi＝(qi1、qi2、qi3、qi4、qi5、qi6、qi7、qi8、qi9、qi10、qi11、qi12),其中，qi1、qi2、qi3、qi4、qi5、qi6、qi7、qi8、qi9、qi10、qi11、qi12分别代表组分Pi的肺、膀胱、脾、大肠、胃、小肠、肝、心包、心、肾、胆、三焦十二种归经，并向这12种归经分别赋值0或1；其中，S5中，所述计算环境包括以下两种环境：(1)S5.1所建立的树型存储结构所包含的第一层子结点、第二层子结点和第三层子结点的子结点数量；以及所述第一层子结点所存储的疾病代码数量、所述第二层子结点所存储的功能代码数量、所述第三层子结点所存储的各种子药效名称数量；(2)S5.4中，所述每一种组分Pi的四气特征向量的赋值情况、五味和毒性特征向量的赋值情况、归经特征向量的赋值情况；其中，S7中，对计算映射系数值的计算环境进行纠偏，具体指：扩大S5.1所建立的树型存储结构所包含的第一层子结点、第二层子结点和第三层子结点的子结点数量；以及扩大所述第一层子结点所存储的疾病代码数量、扩大所述第二层子结点所存储的功能代码数量、扩大所述第三层子结点所存储的各种子药效名称数量；检验所述每一种组分Pi的四气特征向量的赋值情况、五味和毒性特征向量的赋值情况和归经特征向量的赋值情况，如果赋值情况有误，则修改为正确的赋值；其中，S6中，通过以下方法判断能否在该直角坐标系上标识出满足条件的P1点、P2点…Pn点：S6.1，在平面直角坐标系中选取任意一个点作为P1点，以P1点为圆心，以MC12为半径画圆，得到圆1‑2，圆1‑2的圆周上各点即为P2点的可选位置；以P1点为圆心，以MC13为半径画圆，得到圆1‑3，圆1‑3的圆周上各点即为P3点的可选位置；以此类推，以P1点为圆心，以MC1n为半径画圆，得到圆1‑n，圆1‑n的圆周上各点即为Pn点的可选位置；由此共得到圆1‑2、圆1‑3…圆1‑n，分别为P2、P3…Pn点的可选位置；S6.2，在圆1‑2上选取任意一个点作为P2点，然后，以所选取的P2点为圆心，以MC23为半径画圆，得到圆2‑3；判断圆2‑3与圆1‑3是否存在至少一个交点，如果不存在，则转向S6.5；如果存在，则将各个交点依次记为P3(1)、P3(2)…P3(x3)；以所选取的P2点为圆心，以MC24为半径画圆，得到圆2‑4；判断圆2‑4与圆1‑4是否存在至少一个交点，如果不存在，则转向S6.5；如果存在，则将各个交点依次记为P4(1)、P4(2)…P4(x4)；以此类推，以所选取的P2点为圆心，以MC2n为半径画圆，得到圆2‑n；判断圆2‑n与圆1‑n是否存在至少一个交点，如果不存在，则转向S6.5；如果存在，则将各个交点依次记为Pn(1)、Pn(2)…Pn(xn)；S6.3，由此共确定以下离散点：P3(1)、P3(2)…P3(x3)P4(1)、P4(2)…P4(x4)…Pn(1)、Pn(2)…Pn(xn)；S6.4，在上述各离散点中，判断是否存在P3(k1)、P4(k2)…Pn(kx),使P3(k1)、P4(k2)…Pn(kx)中每两个点之间距离值Lij＝MCij；其中，i,j＝3、4…n；Lij代表Pi和Pj之间的距离值；MCij代表Pi和Pj之间的映射系数值；如果存在，则P1、P2、P3(k1)、P4(k2)…Pn(kx)即为最终确认的P1点、P2点…Pn点；如果不存在，则执行S6.5；S6.5，转向执行S7。