相关实验视频
下一篇:学习植物化学描述符以阐明阿育吠陀草药功效
Ashish Panghalia1, Vikram Singh1
1Centre for Computational Biology and Bioinformatics, School of Life Sciences, Central University of Himachal Pradesh, 176215, India.
Journal of ethnopharmacology
|September 20, 2025
概括
这项研究使用机器学习将阿育吠陀草药功效 (Sīta/冷,Uṣṇa/热) 与它们的植物化学物质联系起来. 分子描述器准确地预测了草药的特性,验证了传统知识.
科学领域:
- 植物化学 植物化学
- 计算生物学 计算生物学
- 艾尔韦达医学是一种医药.
背景情况:
- 传统的阿育吠陀医学将草药分为Sīta (冷),Uṣṇa (热) 和 Unuṣṇa (中性) 的功效.
- 从古典文本中创建了一个具有功效分类的627种草药的数据集.
- 这项研究探讨了草药功效及其植物化学成分之间的联系.
研究的目的:
- 研究植物化学物质和阿育吠陀草药的冷热性质之间的关系.
- 开发一个集体学习模型来分类草药功效.
- 以计算方式描述传统草药的分子基础.
主要方法:
- 开发了454种草药和13534种相关植物化学物质的数据集.
- 为每个植物化学物质计算了1613个2D和213个3D分子描述符.
- 使用LightGBM进行二进制和三进制分类 (SitoshnaPred) 在缩小维度后.
主要成果:
- 二进制SitoshnaPred模型实现了94.01%的准确性和98.41%的AUC.
- 三元分类模型实现了79.84%的准确性和98.10%的AUC.
- SHAP和负载分析确定了影响分类的关键分子描述因素.
结论:
- 植物化学分子描述器包含有关草药功效的重要信息.
- 这种方法可以帮助描述传统阿育吠陀知识的分子基础.
- 这些发现支持人工智能引导的草本属性的预测.