藥物及代謝組分析信息學(xué)基礎(chǔ)研究.pdf

1、隨著基因組學(xué)、蛋白質(zhì)組學(xué)及代謝組學(xué)等“組學(xué)”研究的興起，以及現(xiàn)代分析科學(xué)的迅猛發(fā)展，藥物分析學(xué)科領(lǐng)域所涉及的研究對象及分析需求日趨多元化，分析數(shù)據(jù)的規(guī)模及復(fù)雜度急劇增加，傳統(tǒng)和經(jīng)典的數(shù)據(jù)處理方法落伍于生命科學(xué)時(shí)代的要求，這促使數(shù)據(jù)解析、解釋和解讀成為當(dāng)今藥物分析研究領(lǐng)域所關(guān)注的關(guān)鍵科學(xué)問題之一，藥物分析信息學(xué)就此應(yīng)運(yùn)而生并理所當(dāng)然地成為藥物分析學(xué)科的前沿。鑒于此，本論文圍繞藥物分析和代謝組信息學(xué)研究命題，以化學(xué)特征提取、組效關(guān)系建模及指

2、紋圖譜計(jì)算等為主要研究內(nèi)容，分別根據(jù)其具體領(lǐng)域問題的實(shí)際情況，將智能計(jì)算技術(shù)與儀器分析技術(shù)相結(jié)合，研究提出一系列分析信息學(xué)新方法。主要研究成果如下： 1.針對中藥分析中的高維小樣本模式識(shí)別難題，研究提出兩種特征提取新方法：分步相關(guān)成分分析法和最優(yōu)特征提取法。在當(dāng)歸和川芎藥材質(zhì)量等級(jí)分類鑒別中的應(yīng)用結(jié)果表明，兩種方法提取得到的特征具有較強(qiáng)的分類能力，均優(yōu)于主成分分析法所提特征的分類能力。以提取得到的特征作為輸入，所構(gòu)建的神經(jīng)元分類

3、器具有結(jié)構(gòu)簡單，分類正確率高等優(yōu)點(diǎn)。此外，還針對中藥組效關(guān)系建模難題，提出一種基于變結(jié)構(gòu)多層前饋神經(jīng)網(wǎng)絡(luò)的中藥組效關(guān)系建模方法，并成功用于川芎組效關(guān)系研究實(shí)踐。 2.色譜指紋圖譜分析技術(shù)是近年來藥物分析學(xué)和中藥質(zhì)控領(lǐng)域的研究熱點(diǎn)。論文針對其中的若干關(guān)鍵問題，研究提出了多種色譜指紋圖譜新技術(shù)： ①創(chuàng)新提出多元色譜指紋圖譜技術(shù)概念，以多張指紋圖譜來完整表征復(fù)雜中藥體系的化學(xué)組成特征，并創(chuàng)建了基于信息融合的多元色譜指紋圖譜計(jì)算

4、方法學(xué)。在復(fù)方丹參滴丸中的應(yīng)用結(jié)果表明，與現(xiàn)有的單元色譜指紋圖譜分析技術(shù)相比，該技術(shù)能更完整地反映出復(fù)雜中藥樣品的化學(xué)組成特征，可用于復(fù)雜中藥產(chǎn)品的質(zhì)量控制。該技術(shù)已被天津天士力集團(tuán)有限公司作為企業(yè)內(nèi)控方法用于復(fù)方丹參滴丸的質(zhì)量控制，并被推廣用于苦黃注射液和雙丹方等中藥品種的色譜指紋圖譜研究。以該技術(shù)為核心的“復(fù)方丹參滴丸指紋圖譜分析與質(zhì)量控制技術(shù)”于2004年獲天津市科學(xué)技術(shù)二等獎(jiǎng)。 ②建立了參麥注射液LC/MS指紋圖譜分析方

5、法。與HPLC-UV指紋圖譜相比，該技術(shù)可更好地反映參麥注射液中麥冬成分。將其用于廠家鑒別，主成分分析結(jié)果表明，21個(gè)參麥注射液樣品均被準(zhǔn)確識(shí)別。 ③針對現(xiàn)有的色譜指紋圖譜整體相似度計(jì)算方法難以用于中藥質(zhì)量類別量化計(jì)算問題，研究提出一種中藥指紋圖譜類別相似性計(jì)算方法。在不同部位九節(jié)茶質(zhì)量評(píng)價(jià)中的應(yīng)用結(jié)果表明，該方法較好地彌補(bǔ)了現(xiàn)有色譜指紋圖譜整體相似度計(jì)算方法的不足。 3.代謝(物)組學(xué)是Nicholson等于1999年

6、提出的一種組學(xué)新技術(shù)，被廣泛認(rèn)為是系統(tǒng)生物學(xué)的重要組成部分。但迄今為止，代謝組學(xué)的計(jì)算方法學(xué)研究尚不系統(tǒng)，遠(yuǎn)未形成體系。為此，作者以腫瘤診斷為例，研究代謝組計(jì)算分析方法學(xué)，提出并建立了代謝組色譜指紋圖譜計(jì)算分析方法和基于分類器組合技術(shù)的多尺度代謝組指紋圖譜分析方法，并將其分別用于乳腺癌(25例患者和19例健康志愿者)和肺癌(12例患者和12例健康志愿者)診斷。結(jié)果表明，采用HPLC代謝組指紋圖譜構(gòu)建的乳腺癌診斷模型分類準(zhǔn)確率達(dá)93.2﹪