基于多源组合方法对糖尿病传统中医药的预测
Bin Yang1, Qingyun Chi1, Xiang Li2
1School of Information Science and Engineering, Zaozhuang University, Zaozhuang, China.
Frontiers in pharmacology
|February 14, 2025
概括
这项研究引入了一种新的机器学习方法,用于预测传统中医 (TCM) 糖尿病配方. 这种方法可以准确地识别用于糖尿病治疗的有效草药,如Lycii fructus.
科学领域:
- 综合医学是一个整体的医学.
- 计算生物学 计算生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 传统中医 (TCM) 处方复杂,通常依赖于专家知识.
- 对糖尿病等疾病的TCM公式进行准确的预测是具有挑战性的.
- 现有的方法可能无法充分利用多源数据和机器学习.
研究的目的:
- 开发和验证一种新的多源集合预测方法,用于识别糖尿病的有效TCM公式.
- 通过机器学习提高预测糖尿病治疗活性成分和候选草药的准确性.
- 整合组件和基于目标的数据集,以提高预测准确度.
主要方法:
- 一种结合机器学习组合技术 (渐变增强决策树,灵活神经树,LightGBM) 和多源数据 (DPP-4和GLP-1的组件和目标数据集) 的多源组合预测方法.
- 对组件和目标数据集的训练算法,然后使用TCMSP数据库预测和选活性成分.
- 整合了三种算法识别的药草的频率,以选择糖尿病候选药物.
主要成果:
- 与单个算法 (GBDT,FNT,LightGBM) 相比,提出的整体方法的准确性更高.
- 鉴定了包括Lycii fructus,Amygdalus communis vas,Chrysanthemi flos,Hippophae fructus,Mori folium,Croci stigma,Maydis stigma,Ephedrae herba,Cimicifugae rhizoma,甘草和Epimedii herba在内的关键药用草药. 在这些草药中,甘草是最常见的一种.
- 网络药理学分析表明,Myrrha可以通过多个点和途径治疗糖尿病.
结论:
- 多源组合预测方法有效地识别了糖尿病的潜在TCM治疗方法.
- 已识别的草药在糖尿病管理方面表现有前途,并得到了网络药理学发现的支持.
- 这种方法为TCM公式发现提供了更准确和数据驱动的策略.
