人工神经网络在中药研究与生产中的应用进展

申明金

(川北医学院化学教研室，四川 南充 637000)

人工神经网络在中药研究与生产中的应用进展

申明金

(川北医学院化学教研室，四川 南充 637000)

中药是一个复杂的多组分体系，如何阐释多样的化学组分中隐藏的信息、规律与其药效之间的关系是中药研究的难题，也是制约中药现代化的关键问题。人工神经网络具有强大的学习功能，它能从复杂的数据系统中寻找出相应的模式、规律，归纳隐含在信息单元之间的关联规则的有效方法。近年来，将人工神经网络引入中药研究与生产受到广泛关注并取得了显著进展。本文就人工神经网络近l0年来在中药研究领域的应用进行了综述，其中包括中药质量控制、多组分的同时测定、活性成分研究、中药复方研究和中药提取工艺的优化等内容。

人工神经网络；中药研究；中药质量控制；多组分的同时测定；活性成分；中药复方；中药生产

人工神经网络(Artificial Neural Network，即ANN )是一种模拟人类神经系统的信息处理技术。目前使用的人工神经网络除应用最广的BP网络外，还有径向基网络、自组织网络、反馈网络等其它神经网络形式，分别适用于不同的场合。人工神经网络具有强大的自学习能力、联想存储功能和高效寻求优化解的能力。此外，神经网络还具有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且学习规则简单，便于计算机实现。鉴于这些优势，人工神经网络在中药研究与生产中得到了广泛的应用。现简要介绍其基本特点与功能，并将其近年来在中药研究与生产中的应用综述如下。

1 人工神经网络方法在中药材鉴别和质量控制方面的应用

中药材成分复杂，单纯地以中药材中某一组分的含量或几个“有效成分”作为药材鉴别或质量等级分类是不科学的，因而对中药的鉴别和分类常采用模式识别的方法进行。模式识别是指对表征事物或现象的各种形式的信息进行处理和分析以便对事物或现象进行识别、分类和解释。人工神经网络对高维信息具有高效、强大的处理能力，是中药材的种属识别和质量评价的常用方法。相翠玉等[1]将近红外漫反射光谱分析技术与人工神经网络方法相结合，对不同产地大黄进行识别，识别正确率可高达到95%。刘阳等[2]收集不同产地的黄芪样品建立指纹图谱信息，用自组织竞争神经网络成功地实现了不同产地黄芪的分类识别。刘星等[3]以不同产地和品种的薏仁的近红外光谱数据作为研究对象，用学习向量化神经网络建立薏仁的分类识别模型，预测准确率达到90%以上。安生梅等[4]利用傅里叶变换红外光谱，测定了不同产地诃子样品的红外光谱图。利用概率神经网络对红外光谱数据进行诃子产地类别建模，网络模型对诃子主产地或伪劣诃子的正确识别率达到100%。该模型具有制样简单、谱图准确、重现性好等优点，适合大量样品的快速鉴别研究。王丽琼等[5]利用麻黄药材的HPLC指纹图谱所提供的信息建立BP-ANN模型对不同产地的麻黄进行分类，所建模型对不同种类、不同产地的麻黄药材的预测准确率达94.4%。汤彦丰等[6]采用傅里叶红外光谱扫描42种紫花地丁样品，利用径向基神经网络建立分类模型对野生紫花地丁和栽培紫花地丁进行鉴别，其识别正确率达到95.24%，为紫花地丁的质量控制提供了方法保障。目前，在中药材的模式识别中应用较多的是BP网络。

2 人工神经网络在中药活性成分及中药药动学研究中的应用

中药活性研究和药动学研究中经常面临复杂的非线性问题，而人工神经网络其强大的非线性拟合能力可以很好地建立相应的复杂非线性药效模型。赵蔡斌等[7]采用量子化学从头算法，计算1O个大黄素类似物分子结构参数，用筛选出的结构参数作为网络输入节点，建立了大黄素类化合物抗乳腺癌细胞活性的BP神经网络模型。石俊等[8]采用量子化学的算法, 计算了18个黄酮类化合物的13个结构参数,用筛选出3个电性结构参数建立黄酮类化合物抗氧化活性的神经网络模型。交互验证法预报结果表明,模型预报结果可靠。黄榕波等[9]建立了考虑个体差异因素如个体体质量、性别、年龄、健康情况、生化生理指标、病理指标、时间等作为模型输入的氨酚曲马多血药浓度人工神经网络预测模型，通过对39名健康志愿者的实验结果表明模型对个体血药浓度具有较好的预测能力，对实际数据拟合程度比较理想。实现了个体即时血药浓度和个体药动学参数的预测，为实现临床个性化用药和进一步开展相关的其他药学研究提供了有益参考。杨帆等[10]由微分方程推导出血管外给药的一般药动学过程，并通过微分求解得到血药浓度与时间的关系函数，用BP神经网络对数据进行模拟，得到了较好的结果。BELIC等[11]应用BP网络，通过药物的血药浓度预测尼群地平的降压作用，这个方法通过安全剂量下药物的临床效果来预测高剂量下可能发生的药物的不良反应，为临床药物的监控提供了新的途径。

3 人工神经网络在中药功效与复方配伍研究中的应用

利用已有经验积累和文献资料，对中药复方进行识别与改进，通过配伍变化开发出新型复方是中药发展的需要。这需要对前人积累的用药频次、剂量增减进行分类、学习，从中找出经验和规律。麦其鹏等[12]根据复方抗衰老中药药效与其性味归经之间复杂的、不确定的关系和组方原则，建立了药效和性味归经之间的BP神经网络模型，对复方中的三种主要指标的预测准确率达93%。乔少杰等[13]提出了将模糊神经元和径向基函数引入神经网络的方剂功效约简算法，设计了方剂功效约简模糊神经网络。通过大量实验表明该算法功效约简的准确率达到90% 以上，为由药物功效归纳方剂功效的研究提供了强力的工具和方法。武晓东[14]将人类根据经验得到的对中药的认识，以评分形式作主观量化。然后以此评分为学习样本，训练BP网络拟合评分人员的认识方式，建立了中药数值化的主观评价模型。黎海彬[15]利用BP神经网络研究中药性味归经与药效评价的关系问题。结果表明BP神经网络模型能在一定误差范围内揭示中药的性味归经与其降脂药效之间的关系，可用于降脂中药药效的预测，为降脂药物的选择和中药降脂药效评价提供一种科学、客观、简洁的方法。张博[16]在中药方剂的数据预处理研究中，将粗糙集理论和人工神经网络相结合，在对中药方剂配伍的研究中实现了对中药方剂药物的药性评价，为探寻中药方剂的配伍规律提供了技术支持。罗来成等[17]应用人工神经网络建立下丘脑神经内分泌免疫因子与下丘脑一垂体一卵巢轴调控关系模型，可以定量分析生物系统非线性相关问题，探讨抗卵巢早衰中药配伍作用的复杂生物学机制，为中药配方提供了依据。

4 人工神经网络在中药材多组分同时测定中的应用

中药材中含有众多的有机成分和微量元素，要对中药材中的成分进行单一测定则必须经过逐步分离，过程十分烦琐。由于人工神经网络具有强大的数据计算和预测能力，现已成为中药材多组分同时测定的重要方法。多组分同时测定方法通常需要先建立已知浓度的光谱数据校正样本，再以未知浓度样本的光谱数据进行浓度预测。白立飞等[18]采用虚拟组分自修正、自拟合的方法消除了干扰组分的影响，实现了人工神经网络(ANN)一紫外分光光度法不经分离的中药多组分浓度的同时测定。对21种不同来源的秦皮中秦皮甲素和秦皮乙素的含量进行了预测，预测结果与HPLC法基本一致。周漩等[19]在不经分离的情况下，采用人工神经网络法，取已知浓度的咖啡因、阿司匹林、非那西丁标准溶液按不同比例混合生成合成样品，以合成样品的不同波长下的吸光度值作为网络输入值，3组分的量为输出值，训练网络并预测复方阿司匹林片中3组分的含量。成功地不经分离同时测定复方阿司匹林片中的3组分。杨费莉等[20]对苯麻滴鼻液的紫外光谱数据进行预处理和主成分分析后无需分离，采用人工神经网络学习建模，成功地进行了两组分含量的同时测定。

5 人工神经网络在中药化工生产中的应用

中药化工生产包括中药有效成分提取、中药制剂工艺、中药生产过程测量和中药生产业绩评价等方面。从众多的中药成分提取某一类成分或进行制剂，往往要受到温度、压力、pH值等多种外加因素的影响。因此，在中药研制和生产中，多指标、多因素的有效的优化显得尤为重要。由于各因素与指标之间往往不存在线性关系，这就需要运用神经网络方法在一个多维空间寻找优化工艺参数的范围。目前，人工神经网络在此方面已受到了普遍的重视和应用。朱俊访[21]等使用香菇多糖提取工艺中提取时间、提取温度、料液比、醇析乙醇量和多糖提取率的实验结果，运用BP神经网络进行多因素的非线性模型建模，按所得优化工艺参数进行提取显著地提高了多糖提取率。王正明等[22]运用人工神经网络结合遗传算法优化了密花石斛多糖的超声波辅助提取工艺参数。韩伟等[23]以合欢皮多糖得率为指标，选取微波辐射时间、液固比和溶剂pH为自变量，利用BP神经网络进行模拟得到了合欢皮多糖提取的优化工艺参数，取得了较好的提取效果。刘德玲等[24]用BP神经网络结合改进遗传算法建立了钩藤碱的优化提取模型，有效地提高钩藤碱的提取含量和质量。张梅等[25]将BP人工神经网络技术与传统的正交试验方法相结合，对主要影响因素进行仿真优化，获得锦锈杜鹃黄酮物质提取的最佳工艺，取得了较好的效果。李玲娟等[26]以反映中药水提液膜过程中的特征实验数据为训练样本建立神经网络模型来预测水提液过滤时膜污染程度的指标参数-膜通量和膜污染度。应用结果表明网络的训练速度快且预测精度高，为中药水提液膜过滤复杂系统中的膜污染程度预测提供了一种新思路和新方法。张超等[27]以挥发油得率为评价指标，以正交试验设计考察浸泡时间、提取时问、加水量对提取的影响作为工艺参数，用BP神经网络得到了挥发油提取的优化提取工艺，显著地减少了试验次数。

中药的生产离不开过程监测，殷华宇等[28]利用超声波萃取金银花中的绿原酸。依据工艺机理和操作经验，从提取过程中初选了数学模型所需的输入变量。对萃取过程中的提取率，利用主元分析方法PCA对输入变量进行主元分解，再利用BP神经网络进行数学建模，提高了对中药萃取过程中提取率的在线软测量精度。林维勇等[29]采用基于Levenberg-Marquardt算法改进的BP神经网络构建中药现代化产业综合绩效评估模型，为中药生产管理开辟了新思路。

6 结束语

人工神经网络是并行分布式系统，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自学习、自适应、高速寻找优化解的能力。近年来，人工神经网络与其它方法如模糊逻辑、专家系统、遗传算法、小波分析、粗集理论和灰色系统理论等相结合，推动人工智能和信息处理技术不断发展，必将促进人工神经网络在中药研究和生产中得到更加广泛深入的应用。

[1] 相翠玉,宋晓勇.中草药大黄的近红外光谱和人工神经网络鉴别分析[J].时珍国医国药,2012,12(3):3168-3169.

[2] 刘 阳,史庆军,李 晶,等.基于人工神经网络的黄芪指纹图谱分类的研究[J].电脑知识与技术,2013,9(6):1419-1420.

[3] 刘 星,毛丹卓,王正武,等.薏仁种类的近红外光谱技术快速鉴别[J].光谱学与光谱分析,2014,34(5):1259-1263.

[4] 安生梅,吴启勋,吉守祥.基于红外光谱概率神经网络的诃子产地鉴别[J]. 湖北农业科学,2014,53(20):4977-4979.

[5] 王丽琼,范 琦,易珍奎,等.HPLC指纹图谱结合反向传播人工神经网络和判别分析鉴定不同的麻黄药材[J]. 西南师范大学学报(自然科学版),2012,37(5):73-77.

[6] 汤彦丰,候占忠,王志宝,等.紫花地丁的红外光谱和径向基神经网络鉴别[J].湖北农业科学,2014,53(1):132-134.

[7] 赵蔡斌,王占领,郭小华,等.基于神经网络的大黄素类化合物抗癌活性模型[J].陕西理工学院学报,2007,23(4):64-67.

[8] 石 俊,张艳军,李 敬,等.黄酮类化合物抗氧化活性的神经网络模型[J].化学分析计量,2009,18(5):51-53.

[9] 黄榕波,温预关.考虑个体差异的氨酚曲马多血药浓度人工神经网络预测模型研究[J].广东药学院学报,2010,26(3):243-245.

[10] 杨 帆,黎 宁,刘恩一.非线性最小二乘法及BP神经网络在血管外给药动力学模拟中的应用[J].数理医药学杂志,2007,20(2):200-202.

[11] BELIC A,GRABNAR I,BELIC I,et a1．Predicting the anti-hype-rtensive ef ct of nitrendipine from plasma concentration profiles using artificial neural networks[J].Comput Biol Med,2005,35(10):892-904.

[12] 麦其鹏,李续娥,吴艳华,等.复方抗衰老中药的性味归经与药效的BP神经网络研究[J].计算机工程与应用,2010,35(24):3371-3376.

[13] 乔少杰,唐常杰,韩 楠,等.基于模糊神经网络的方剂功效约简算法[J].四川大学学报(工程科学版),2008,40(2):107-111.

[14] 武晓东.基于BP神经网络和主观评价的中药功效数值化模型[J].甘肃科技,2011,27(8):19-21.

[15] 黎海彬.复方降脂中药活性筛选平台建立的研究[J].广州城市职业学院学报,2008,2(3):31-36.

[16] 张 博.基于粗集和神经网络的数据挖掘技术在中药方剂配伍中的药效关系研究[J].吉林化工学院学 报,2012,27(8):35-37.

[17] 罗来成,刘 静,傅 杰,等.基于人工神经网络模型的抗卵巢早衰中药配伍作用的生物学机制研究[J].时珍国医国药,2010,21(9):2133-2134.

[18] 白立飞,张海涛,张寒琦,等.虚拟组分-人工神经网络用于中药紫外光度法中多组分的同时测定[J].光谱学与光谱分析,2007,27(1):126-130.

[19] 周 漩,陈晓颖,钟兆健.人工神经网络在中药多组分同时测定中的应用[J]. 广东药学院学报,2008,24(6):575-577.

[20] 杨费莉,杨 铭.紫外分光光度法同时测定苯麻滴鼻液的组分含量[J].中国医院药学杂志,2008,28(10):857-859.

[21] 朱俊访,李 博,聂 阳.多元非线性回归与BP神经网络在香菇多糖提取工艺研究中的应用[J].海峡药学,2014,26(2):15-17.

[22] 王正明,洪胜,罗建平.人工神经网络-遗传算法优化密花石斛多糖超声辅助提取工艺[J].安徽农业科学,2013,41(13):5710-5712.

[23] 韩 伟,孙晓梅,罗文峰. 合欢皮多糖提取工艺优化及BP神经网络模型[J].南京工业大学学报(自然科学版),2013,35(5):57-61.

[24] 刘德玲,关晓颖,黄艳萍. 基于BP神经网络和改进遗传算法的钩藤碱提取工艺优化研究[J].计算机与现代化,2012,20(8):17-20.

[25] 曾祥燕,赵良忠,蒋盛岩.BP神经网络优化槐花中芦丁的提取工艺[J].天然产物研究与开发,2013,25(2):312-316.

[26] 李玲娟,李 冈.BP神经网络在中药水提液膜过滤中的应用[J].计算机仿真,2009,29(6):195-199.

[27] 张 超,韩 丽,杨秀梅,等.BP神经网络结合正交试验优化苦参方中荆芥挥发油的提取工艺[J].中成药,2015,37(1):70-74.

[28] 殷华宇,陈 娟,祁 欣,等. 基于PCA-BP的中药提取率的软测量[J].计算机与应用化学,2008,28(7):885-887.

[29] 林维勇,张小平. 基于BP神经网络的中药现代化产业绩效评估[J].计算机应用与软件,2013,30(4):149-152.

(本文文献格式：申明金.人工神经网络在中药研究与生产中的应用进展[J].山东化工，2016，45(16)：50-52.)

Progress in Application of Artificial Neural Network in the Study of Traditional Chinese Medicine and Production

ShenMingjin

(Department of chemistry, North Sichuan Medical College, Nanchong 637000,China)

Traditional Chinese medicine(TCM) is a complex multicomponent system. In the research of TCM，it has been a difficult problem that how to interpret the relationship among the hidden information, the rule and the effect of the various chemical components，which seriously restricts the modernization of TCM. The artificial nenral network(ANN)is one kind of new method that have strong learning function,It can seek the pattern,the rule and the connection among the information units in the complex data system. In recent years，it has attracted widespread attention and great progress has been made as ANN method was introduced into the study of TCM and production.This paper reviews the application of ANN in the study of traditional TCM in recent ten years,in terms of quality control, determining the multi-components simultaneously,studies on the bioactive constituenes,chinese herbal compound,and optimizing the extraction process,etc.

artificial neural network; study of traditional Chinese medicine; quality control of TCM; determining the multi-components simultaneously; bioactive constituenes; chinese herbal compound; production of Chinese traditional medicine

2016-06-07

川北医学院科研发展基金(CBY13-A-ZP11)

申明金(1970—)，四川南部人，硕士，副教授，主要从事中药模式识别研究。

R28

A

1008-021X(2016)16-0050-03