一个基于质量综合评估指数的模型,用于评估传统中医药的质量
Jia Chen1, Lin-Fu Li2, Zhao-Zhou Lin3
1Institute for Control of Chinese Traditional Medicine and Ethnic Medicine (ICCTMEM), National Institutes for Food and Drug Control (NIFDC), No. 31, Huatuo Road, Daxing District, Beijing, 102629, China. chenjia@nifdc.org.cn.
Chinese medicine
|July 27, 2023
概括
这项研究使用机器学习模型开发了传统中医药 (TCM) 的新质量评级系统. 综合质量评估指数 (QCEI) 根据多个属性准确评估TCM质量.
科学领域:
- 药物鉴定和植物化学学
- 传统中医研究 传统中医研究
- 计算生物学和生物信息学
背景情况:
- 传统中医 (TCM) 质量评估对于安全至关重要,但目前的方法有局限性.
- 现有的质量指数往往侧重于单个组件,不能代表整体的TCM质量.
- 原产地,加工和其他属性显著影响TCM质量.
研究的目的:
- 开发一个全面的,多属性质量评级系统,为TCM.
- 确定TCM质量评估的关键质量指数及其权重.
- 使用机器学习模型建立TCM质量综合评估指数 (QCEI).
主要方法:
- 甘草被用作模型TCM来确定质量指标.
- 网络药理学被用来确定药理学活性指标.
- 开发了一个机器学习模型 (SVM) 来预测TCM QCEI,通过十倍交叉验证进行验证.
- 用ELISA测量炎症标志物 (TNF-α,IL-1β) 作为对不同级别甘的反应.
主要成果:
- 确定了21个质量指数,适用于分类甘质量.
- 一个机器学习模型在预测TCM QCEI时取得了90.26%的准确性.
- 关键指数包括甘直径,黄含量,HPLC指纹相似性和特定化合物含量.
- 初步的ELISA结果表明,优质甘可以更有效地降低炎症反应.
结论:
- 综合传统和现代方法用于TCM质量评估.
- 开发了一种使用机器学习进行TCM分级的多权重,多指数QCEI模型.
- 该QCEI模型有效地确定了关键质量指数及其贡献.
- 结果可以指导未来的TCM质量控制研究和开发.
