基于新的分类算法研究抗乙肝病毒药的相互作用

王华富 桂志红 刘丽仙 丁 汀 商振球

（丽水市人民医院，浙江 丽水 323000）

药物相互作用是指两种或两种以上的药物通过共同应用于一个个体相互作用的过程，药物相互作用及其通过相互作用而形成的药物疗效是各种药物发挥疗效的基本过程[1]。随着临床上有关于药物相互作用数据的逐渐增多，基于药物相互作用网络中独特的特征就成为疾病治疗的新途径。人们通过对药物的直接相互作用，通过对相互作用的生物学意义进行研究探讨分析，并进行进一步的治疗运用打下基础，为可以正确识别和了解复杂环境中各种药物的功能提供一些新的思路，现就对我院使用新的分类算法研究抗乙肝病毒药的相互作用，并将得到的数据结果进行如下的总结。

1 资料与方法

1.1 一般资料：选择我院2016年5月至2017年12月收治的患有慢性乙肝疾病的患者86例，根据患者的病情需要以及尊重患者自我意愿的前提下，把患者分为两组各43例，男性47例，女性39例；年龄 29～68 岁，平均（45.5±3.5）岁；患者患有乙肝的时间为 1～20年，平均（10.5±1.5）年。对患者进行乙肝两对半检查，患者大部分表现为小三阳，同时HBVDNA检测为阳性，但患者的HBVV没有明显的复制现象，且患者的ALT值正常。在进行此次试验之前，告知患者进行此次试验的过程、目的以及方法，同时患者签署相关的知情同意书。

1.2 治疗方法：其中一组患者使用拉米夫定联合中药治疗进行抗病毒治疗，而另外一组患者使用干扰素联合抗病毒治疗。干扰素使用长效干扰素，1周注射1次，疗程至少需要6个月，使用拉米夫定需要注意病毒耐药率，同时也不能轻易停药[2]，避免病情反复。

1.3 研究方法：运用奇异值分解（SVD）降维的方法对药物相互作用训练数据集进行样本缩减得到有关的数据结果[3]，并将结果样本表示成为metasample线性组合，然后利用稀疏表达分类算法对数据进行统计分类。将作用数据按照DX特征选择算法进行排序，选择出分类性能较优的训练数据集，用PCVM算法进行分类测试[4]。对抗病毒药物治疗慢性乙型肝炎的疗效进行系统评价，每一个实验重复5次，以获取最精确的结果，对比分类算法中对二者相互作用类型的判断是否一致，进一步通过临床实践验证分类方法的有效和可行性。

2 结果

2.1 药物治疗效果：使用拉米夫定联合中药治疗组治疗有效的病例为41例，使用干扰素联合抗病毒治疗有效的病例为40例，详见表1。

表1 两组患者药物治疗效果分析

2.2 抗病毒的协同作用：通过PCVM算法数据分析得出，在抗病毒的协同作用表现为阳性的病例，拉米夫定组的患者有37例，干扰素组的患者有39例，同时两组患者的药物浓度均没有出现下降，说明治疗乙肝的抗病毒药物和中药治疗乙肝具有潜在的临床显著药物相互作用，详见表2。

表2 两组患者的抗病毒药物协同作用

3 结论

传统的乙肝抗病毒疗法只能够对一种单一的药物治疗效果进行研究，不能够对更多的药物作用进行分类，所以对乙肝病毒的治疗特别是对于乙肝药物治疗相互作用分类预测成为有效治疗疾病的关键[6]。

IFN是一种糖蛋白，具有抗病毒和调节免疫的作用。干扰素不仅是高效的一种抗病毒生物活性物质，而且还是一种淋巴因子，免疫调节作用较为广泛。当病毒入侵机体时，触发IFN的产生，之后IFN与细胞表面的特定受体结合产生抗病毒蛋白(AVP)，降解病毒mRNA并抑制病毒复制。IFN同时增强巨噬细胞和T淋巴细胞的活动，增强机体的抗病毒能力。拉米夫定属于一种高效的嘧啶核苷类药物，对于体外及实验性感染动物体内的乙型肝炎病毒抑制作用较强，对病毒DNA链的合成和延长有竞争性抑制作用，是第一个被用于治疗慢性乙肝的药物。它是逆转录酶抑制剂，可抑制HBV复制，通过抑制逆转录酶活性来降低病毒DNA的复制，该药可以口服给药，有较高的生物利用度。可在正常细胞和HBV感染细胞内代谢生成拉米夫定三磷酸盐，不仅属于HBV聚合酶的抑制剂，还是该聚合酶的底物[10]。拉米夫定三磷酸盐掺入进病毒DNA链，从而对其产生严重影响，促使病毒DNA无法合成。它并不会对正常细胞中发生的脱氧核苷代谢现象产生干扰，拉米夫定对线粒体的功能、结构以及DNA含量没有显著的毒性。只可对哺乳动物DNA聚合酶α和β起到微弱的抑制作用，并且几乎不会对哺乳动物细胞DNA含量产生影响。对大多数乙型肝炎患者的血清HBV DNA检测结果表明，拉米夫定对HBV复制可起到显著的抑制作用[11]。若终止拉米夫定治疗，医生应在停药后至少4个月内，对病人展开随访观察，定期检测ALT和胆红素水平，HBVDNA和HBeAg情况，以防肝炎复发。由于药物作用谱数据的特点明显，主要表现为维数高且样本少，因此多种机器学习算法逐渐被应用在分类方面，可以很好地应用在向量机方面，属于当前非常先进且较为流行的分类方法。metasample中涵盖了训练样本的固有结构信息，任何子数据集矩阵年皆可分解成以metasample为基础的相互作用预测。

本研究结果显示，两组患者当中大部分的病例均表现出抗病毒的协同作用，同时两组患者的西药抗病毒药物浓度均没有出现下降，说明治疗乙肝的抗病毒药物和中药治疗乙肝的药物具有潜在的临床显著药物相互作用。

综上所述，很多实验方法容易造成大量的假性结果，新的分类算法可以在有限的临床数据基础上提供更加准确的数据结果，通过计算方法预测获得的大量药物相互作用数据必须要存储起来，并通过预测已达到一个比较客观的效果。