推荐下载关于复方药物配伍的复杂网络方法研究Word格式文档下载.docx
《推荐下载关于复方药物配伍的复杂网络方法研究Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《推荐下载关于复方药物配伍的复杂网络方法研究Word格式文档下载.docx（27页珍藏版）》请在冰点文库上搜索。
析,能够发现体现其处方思维和临床特点的核心处方配伍结构,从而辅助进行名老中医经
验的传承和整理研究。
复杂网络是当前科学界研究的热点问题[2],诸如蛋白质网络、万维网、生态网、交通
网和文献引用网等都具有非常有趣的统计特性。
其中,除了小世界网络特性[3-4]之外,无
尺度网络（ScaleFreeNetwork）[5-6]是一种具有节点度幂律分布现象的复杂网络,科学家
对其动力学原理和应用问题的研讨已经成为相关科学研究的亮点。
复杂合作网络如文
献作者网等也具有无尺度网络的规律[7]。
何氏等[8]把中药复方视为广义的合作网络是
合适的。
无尺度网络现象反映了复杂网络在一定驱动力的影响下动态的自组织过程宏
观规律。
我们认为,网络中节点个体的分类特征、网络组织的角色需求和组织中元素的
关系分类是其潜在驱动力。
不同于何氏等[8]的研究结果,我们基于古方及当代临床复方
数据的分析表明,中医药理论指导下的复方配伍过程具有无尺度复杂网络现象。
这对中
医药理论如复方配伍、药物相互作用以及药性理论等的研究提供了实证基础,为进行中
医特色的科学研究提供了方法学启发。
笔者利用复方药物配伍的无尺度网络规律,研究
实现了基于图论网络分析的处方核心药物配伍知识发现方法。
该方法在名老中医处方
2
经验的分析中得到了较好的应用。
1复方药物配伍网络的构建
我们把单个复方的组成药物（目前仅考虑药物组成,对药物剂量暂不考虑）为节点相互
构成完全图。
连接某两个不同药物的边的权重表示这两种药物在多个复方中被使用的
频度。
由此,一个较大的复方集合构建的药物配伍网络将成为大量药物节点与带权重的
边连接的网络。
药物节点之间的连接边的权重在一定程度上表现了药物之间同时配伍
应用的强度。
中药配伍网络的构建过程的示例见图1,如大承气汤由大黄、厚朴、枳实
和芒硝4味药物组成,因此,这4个药物构成了4个节点的完全图,其每条边的权重为1;
而
小承气汤则由大黄、厚朴和枳实组成,因此,连接该3个药物的每条边的权重都增加1,其
权重为2;
由此,随着复方的增加,该药物配伍网络的节点和边的权重会逐步增加。
当大规
模的复方集合如古方集和大量的临床复方集构成药物配伍网络时,该网络中节点及其相
互关系反映了全局性的药物组配规律。
而当由面向某一特定病证的复方集构成网络时,
其网络反映了针对特定病证的药物配伍知识。
当然,某名老中医一段时间的临床复方形
成的药物配伍网络反映了其在某些病证条件下临床处方的配伍经验知识。
2复方药物配伍网络的节点度分布特性
在辨证施治的基础上,复方反映了医生从治疗角度对患者病证一定程度的定性或定量
认识,是患者病证演变的间接体现,用于临床治疗的稳定复方药物集系统性的自组织规律,
3
是一个复杂的药物组织集。
我们通过构建药物配伍网络并采用节点度分析方法发现,中
医古方集合（80000余古方数据,见图2）和临床处方（20000门诊处方,见图3）等都具有无
尺度网络现象（即节点的度分布服从幂函数分布）,是一种加权无尺度网络[9],其边权重的
幂值在2.2左右。
复方药物配伍的无尺度网络现象在医生处方中的具体体现就是某医生
对药物的使用具有比较集中的趋势,某些名老中医偏好使用某些药物,使得这些药物的已
有或潜在功效得到更大的发挥或挖掘。
基于古方及当代临床复方配伍过程的无尺度复杂网络现象表明,某一特定复方集中存
在可能共性或核心的药物配伍子网络。
结合复方配伍中的无尺度网络规律和基于图论
的网络分析方法,我们能够对名老中医的基本处方药物配伍经验或者面向某一特定病证
的药物配伍经验进行分析,从而发现其关键的药物组配结构如核心药物、药对等信息,以
辅助研究名老中医的处方思维和临床处方特点。
3临床复方的核心药物配伍网络分析研究
tips:
感谢大家的阅读，本文由我司收集整编。
仅供参阅！
4
关于美国在华中药领域专利分析
郭德海,肖诗鹰,刘铜华,刘建勋,张建武
【关键词】美国;
中药;
知识产权;
专利
自20世纪90年代以来,美国草药市场销售逐年上升。
1994年,美国国会通过饮食补
充剂健康与教育法（DSHEA）,该法令明确规定将草药划分为食品补充剂类,允许草本药
剂以食品补充剂的形式销售。
该法令的颁布极大地促进了美国草药市场的发展,也吸引
了众多公司和研究机构投入到草药产品的研发和生产活动中。
近年,美国从事药用植物
资源开发的日用保健品公司如康宝莱、新华茂、安利等,更是在华投资办厂设立研发中
心。
对于美国在华中药领域专利数据进行统计分析,有助于了解美国草药市场的发展概
况。
1数据来源与统计方法
5
本文数据源于中国药物专利数据库（国家知识产权局知识产权出版社主办）1985-
2006年间公开的美国在华中药领域发明专利申请文献。
主要通过IPC分类号A23L、
A61K、A61P,结合地址美国来进行手工筛选,筛选出以天然动植物和矿物作为原料的
专利申请文献共146件。
有关数据均以公开日为准进行统计分析,同一专利申请人涉
及不同名称的相关数据进行合并统计。
2统计结果及分析
2.1文献数量分析
美国在华中药领域公开发明专利申请文献总计146件,其中授权量是32件,占全部公
开申请的21.9%,PCT申请为105件,占全部公开申请的71.9%,见表1。
美国在华中药领
域专利申请尽管1986年即有1件公开,之后,1989年2件、1992-1996年每年亦有1～3
件,但是直至1997年才开始每年专利公开量保持在3件以上。
专利申请公开量尽管总体
上呈上升趋势（如图1所示）,但是波动较大,还不能准确反映其专利研发态势。
2.2申请人类别分析
在公开的146件发明专利申请文献中,职务发明为117件,占80.1%;
非职务发明为29
件,占19.9%。
职务发明申请具体分为企业100件、研究所4件、高校10件,授权职务
6
发明为企业22件、高校2件。
申请量在2件及2件以上的职务发明申请人共有22家
单位,其中主要职务发明申请人（申请量3件及3件以上）见表2。
PCT申请中,非职务发
明申请为22件,职务发明申请为83件,包括企业71件、高校9件、研究所3件。
表1
1986-2006年美国在华中药领域发明专利的公开、授权、（略）表2主要职务发明申请人
排序（略）
2.3应用领域分析
按应用领域的不同,全部专利申请文献具体可以分为：
①药品类71件,为具有医疗作
用的草药提取物、组合物发明专利;
②食品类41件,包括营养制剂、营养增补剂、食品
添加剂、保健品等;
③日常用品类27件,包括芳香制剂、口腔卫生产品、个人护理组合
物、化妆品等;
④方法类19件,包括制备方法、提取方法、评价方法、配制工艺、培养
方法、免疫方法、加工方法、分离方法、测定方法、标准化方法等;
⑤饮料类9件,包括
茶剂、饮料等;
⑥饲料类1件,为饲料添补剂。
2.4有效成分分析
按有效成分入药形式的不同,美国在华中药领域发明专利申请具体有：
①化合物18
件;
②提取物56件,其中单味药提取物35件、多味药提取物21件;
③药材53件,其中单
味药材37件、多味药材12件、药材复方4件。
7
按有效成分来源的不同,具体专利可分为：
植物类122件、动物类1件、矿物类3
件。
美国专利申请有效成分来源广泛,中药材来源申请41件（9件授权）、中国相关原料
（非中药材）来源申请53件（12件授权）、欧洲原料来源申请8件（1件授权）、南太平洋地
区动植物来源申请7件、印度草药来源申请5件（1件授权）、美国本土植物来源申请9
件（4件授权）、其他地区植物来源申请3件（2件授权）。
涉及较多的药用植物（出现频次3次及3次以上）主要有大豆、绿茶、姜黄、迷迭香、
车前、黄芩、诺丽、灵芝、甘草、芦荟、姜、柠檬、蔓越橘。
涉及到的美国本土药用
植物有蔓越橘（申请号95192289、96192431、96192723）、锯齿棕（申请号00813436）、
狭叶紫锥花（申请号97195836、01139696）、BrickelliaCalifornica（申请号02823420）、北
美黄连、美国雪松（申请号98800567）、北美香柏（申请号98800556、98800567）。
2.5适应症分析
按出现频次对全部申请专利进行适应症统计分析,具体结果为：
内分泌、新陈代谢、
营养保健58件,胃肠、口腔病学50件,皮肤病学44件,传染病学38件,肿瘤学35件,骨
骼、风湿、肌肉31件,神经、精神病学30件,心脑血管、淋巴管27件,免疫学24件,妇
科学、男科学21件,血液学19件,肺病学、耳鼻喉科学19件,肾病学、泌尿科学14件,
眼科学6件,寄生虫学4件,变态反应学3件。
8
出现频次排在前三位的适应症分别为：
①内分泌、新陈代谢、营养保健;
②胃肠、口
腔病学;
③皮肤病学。
相应专利申请均达40件以上。
无尺度网络的现象表明,中
医处方中存在核心的组织结构,这些组织结构代表了医生临床处方的思维结构知识和临
床经验。
我们以无尺度网络的幂值为基准寻找医生（特别是名老中医）的核心处方药物配
伍网络。
我们通过开发相应算法实现了核心药物配伍结构的发现[10]。
该算法基于无尺
度网络现象,选取药物配伍网络中的Hub药物节点,从而寻找一定代表性和覆盖度的某
名老中医的共性处方配伍网络。
当针对某一病证或在总的日常诊疗过程中,某名老中医
的处方配伍网络表达了该老中医的处方思路或首选处方结构,是其临床经验和处方偏好
信息的表现。
同时,我们可以根据处方配伍网络中的节点度分布,发现处方配伍网络的核
心节点,并根据这些节点在处方中的同现频度计算其覆盖度。
我们以北京市地区20余位
名老中医的门诊病例数据为基础进行了核心处方配伍结构的知识发现应用研究,如分析
方和谦老中医的和肝汤处方配伍结构、谢海洲老中医治疗类风湿疾病的核心处方配伍
结构、田从豁老中医的核心穴位配伍结构、孙桂芝老中医的肿瘤治疗复方、薛伯寿老
中医的和法处方配伍结构和咳嗽病痰热阻肺证门诊病例的处方配伍等等。
下面以咳嗽
病痰热阻肺病例的处方配伍核心网络分析作为示范。
见表1。
表1门诊咳嗽病痰热阻
肺证病例处方配伍网络对应的药物关联频度（略）
在门诊咳嗽病中痰热阻肺证占有较大比重,在20000余诊次病历中经数据筛选后,确认
满足条件的病例为165诊次,以小儿支气管炎为主（这与我们选择收集的门诊病例特点有
9
关,并不是咳嗽病痰热阻肺证的本身疾病分布特点）,样本中患者平均年龄为6岁左右。
相应的症状体征除咳嗽之外,主要有咽红、舌红、有痰、大便干等。
我们通过基于网络
分析的方法确定咳嗽病痰热阻肺证的处方配伍结构知识。
利用网络分析算法计算获得
的分析结果,该网络中核心药物（通过节点度分布计算）为黄芩、杏仁、紫苏子、葶苈
子、百部和仙鹤草,这些药物在90.2%的样本处方中出现。
说明几乎所有咳嗽痰热阻肺
证患者都使用以上药物。
且网络核心节点的周围相关药物如前胡、芦根、瓜蒌、乌梅
等表示对不同个体病例的主要随症加减思路。
该网络中节点的颜色以节点药物的药性
进行区分,药物配伍网络中节点3种颜色总体分布信息,有助于为有经验的中医临床医生
提供该核心药物配伍网络相应的基本病机（如寒热、阴阳等方面）的直观认识。
除了产生
可视化的处方配伍网络之外,我们同时对该网络的药物关联频度信息进行数据库存储。
该关联信息描述了临床处方中的主要药对知识如葶苈子、紫苏子,紫苏子、杏仁,葶苈
子、杏仁,仙鹤草、百部,黄芩、杏仁等,这些药物配伍体现了我们所采集的门诊病例中治
疗小儿支气管炎痰热阻肺证的主要药物搭配思路。
因此,网络结构图与关联数据信息结
合可以进行针对某特定病证的处方配伍结构分析,提炼归纳形成中医临床的处方经验知
识,从而用于指导临床诊疗或供年轻医生学习。
由以上咳嗽病痰热阻肺证的处方分析可见,处方配伍网络具有直观的表现形式,对于中
医临床中发现或者验证经验性的小方具有显著的效果;
同时也能够辅助发现和验证临
床医生针对特定病证的处方思维或思路。
且这种结果是可靠的,因为我们已经试验表明
临床处方中存在无尺度网络的现象,而无尺度网络的特点就是存在共性的核心网络结
构。
4探讨与未来研究工作
10
中药复方是一个有机整体,是理、法、方、药的主要环节之一。
复方的有机配伍是实
现药物增效减毒,针对病机对证用药的基础。
《素问至真要大论》说：
方制君臣,何谓
也?
岐伯曰：
主病之谓君,佐君之谓臣,应臣之谓使。
《神农本草经序列》将药物配伍
关系归纳为单行、相须、相使、相畏、相杀、相恶和相反等七情合和的关系。
由此
可见,中药复方配伍是方剂形成之后中医处方用药的基本原则。
大规模复方集的无尺度
网络现象表明中医诊疗过程中复方的组配存在一些偏好现象。
这些偏好现象可以
表现在药物的选择、药物的组配、医生对病机的认识、疾病的发生发展机制和人体系
统的状态变化与调整途径等。
研究发现,这些偏好的来源、运行机制和病、症、证等
相关知识将有助于人们对复方复杂干预的理解,对疾病发生发展的理解等。
本文针对中医临床中的处方配伍经验分析目标,研究利用复方配伍的无尺度网络现象
和基于网络分析的数据挖掘方法,实现具体病证或名老中医的核心处方结构知识发现。
该方法通过图形化的方式表达分析结果,从而为结果的阐释和临床专家的人机交互提供
了便利。
在未来的研究工作中,在一定适应症的条件下,具有稳定结构的复方组配知识发
现问题;
考虑多种偏好信息,进行复方配伍无尺度网络现象的组织动力学机制研究问
题;
对临床处方中的核心处方配伍群（多个反映处方集核心配伍结构的子配伍网络）的挖
掘算法的深入研究等问题;
将是揭示和发现中医复方药物配伍与临床诊疗规律的重要课
题。
【参考文献】
11
[1]于友华.方剂配伍理论的
系统科学思想[J].中国中医基础医学杂志,2004,10（8）：
63-64.
[2]NewmanMEJ,BarabsiA-L,WattsDJ.TheStructureandDynamicsofNetworks[M].
Princeton：
PrincetonUnivPress,2006.
[3]DJWatts,SH,Strogatz.Collectivedynamicsofsmall-worldnetworks[J].
Nature,1998,393：
440-442.
[4]MEJNewman,CMoore,DJWatts.Mean-fieldsolutionofthesmall-worldnetwork
model[J].PhysRevLett,2000,84：
3201-3204.
[5]RAlbert,HJeong,ALBarabasi.Diameteroftheworld
wideweb[J].Nature,1999,401：
130-131.
12
[6]ALBarabsi,RAlbert,HJeong.Mean-fieldtheoryforscale-freerandomnetworks[J].
Physica,1999,272：
173-187.
[7]NewmanMEJ.Thestructureofscientificcollaborationnetworks[J].ProcNatlAcadSci
USA,2001,98
（2）：
404-409.
[8]何阅,张培培,唐继英,等.中药方剂的合作网络描述[J].科技导报,2005,23（11）：
36-
39.
[9]BarratA,BarthelemyM,Pastor-SatorrasR.etal.Thearchitectureofcomplexweighted
networks[J].ProcNatlAcadSciUSA,2004,101（11）：
3747-3752.
[10]周雪忠.中医临床数据仓库构建与临床数据挖掘方法研究[D].北京：
中国中医科
学院.2007.
医药卫生栏目
13
14
升级会员 