基于反向传播的人工神经网络和非主导排序遗传算法,优化传统中国药物"湿疹混合物"的兼容性

科学领域:

• 整合和补充医学是整合和补充医学.
• 药理学和毒理学 药理学和毒理学
• 计算化学的计算化学

背景情况:

• 传统中医药配方 (CMF) 依赖于复杂的兼容性比例以获得有效性.
• 由于各种化学成分和疾病指标,优化CMF成分至关重要.
• 使用CMF治疗亚托皮炎需要精确的成分组合来达到所需的治疗效果.

研究的目的:

• 开发和说明一个战略,以优化中国药用材料的兼容性比例.
• 确定在"湿疹混合物" (EM) 中六种药物材料的最佳组合,用于治疗阿托皮炎.
• 建立一个计算方法来预测和优化CMF的抗炎和抗过敏活性.

主要方法:

• 超高性能液态色谱四极/飞行时间 (UPLC-Q/TOF) 用于EM公式的化学成分分析.
• 简单的中枢细胞混合设计 (SCMD) 产生了76种配方,具有不同的兼容性比率.
• 反向传播的人工神经网络 (BP-ANN) 模拟了抗炎和抗过敏活动,并通过非主导排序遗传算法II (VNSGAII) 的一种变体进行了优化.

主要成果:

• 在EM配方中发现了136种化学化合物.
• 人工神经网络有效地模拟了配方成分和生物活性之间的非线性关系.
• 黄和库申被确定为EM配方中促进抗炎和抗过敏作用的关键植物药物.

结论:

• 简单的中枢细胞混合设计,人工神经网络和VNSGAII (SCMD-ANN-VNSGAII) 方法是优化CMF兼容性的有效方法.
• 这一策略可用于优化传统医学中的同源化合物或特定成分混合物.
• 这些发现与中国传统医学的临床应用相一致,用于治疗亚型皮肤炎.