基于藥性回歸模型的中藥相使藥對數學判別公式建立與探討

吳嘉瑞 秦 丹 張 冰* 張曉朦

（北京中醫藥大學中藥學院，北京 100102）

基于藥性回歸模型的中藥相使藥對數學判別公式建立與探討

吳嘉瑞 秦 丹 張 冰* 張曉朦

（北京中醫藥大學中藥學院，北京 100102）

目的 建立中藥相使藥對藥性數學判別公式。方法 在全面收集、整理相使藥對及部分非相使藥對藥性信息的基礎上，應用數據挖掘平臺Weka中的聚類算法，建立回歸模型。結果 得出藥性判別公式如下，xiangshi =（0.1775×gan1）+（-0.1303×xin1）+（-0.2419 ×xian1）+（-0.348×dan1）+（-0.2047×xinjing1）+（-0.1457×pijing1）+（-0.1176×dachangjing1）+（0.3733×danjing1）+（-0.1041× feijing2）+（0.8617×xinbaojing2）+（0.8341×sanjiaojing2）+（0.1963×danjing2）+0.4414。結論 初步得出相使藥對的藥性判別公式，對其進行驗證，有部分相使藥對符合公式。

相使；回歸模型；數學

相使是中藥七情配伍之一，意即兩種藥物合用，一種藥物為主，一種藥物為輔，輔藥能增強主藥的作用[1]。相使配伍始載于漢代《神農本草經》，云“當用相須相使者良[2]”。明代李時珍《本草綱目》中指出：“相使者，我之佐使也[3]”。清代吳儀洛《本草從新》、汪昂《本草備要》均引用之。有學者認為教科書中對相使的定義過于寬泛，缺乏針對性。李新旺認為相使配伍主要可分為三種情況：①同類相使：即藥物主要性能相似的藥物，以一藥為主，一藥為輔，配伍后增強主藥的功效。如人參與甘草，加強人參補氣之功；麻黃與桂枝，加強麻黃發汁解表之功。②異類相使：即藥物主要性能不同，但有功效主治上相同或目的一致，不存在性能上明顯的制約，以一藥為主，一藥為輔，增強主藥之功效。如黃芪與茯苓，增強了黃芪補氣利水之功；當歸與黃芪，增強當歸補血之功。③引經相使：即引經藥與它藥配伍，以它藥為主，引經藥為輔，以增強它藥的功效。如附子與桑枝，可增強附子散寒止痛，以治上肢痹證之功[4]。本研究中，筆者在收集整理《本草綱目》等著作中相使藥對及部分相使藥對藥性（包括性味歸經）的基礎上，基于weka數據挖掘平臺構建回歸模型，初步得出相使藥對的判別數學式，希冀為相使配伍規律及藥對判別的探索提供參考。

1 數據源與方法

1.1 數據來源與數據錄入

本文的相使藥對及部分非相使藥對數據來源于《 本草綱目 》中“ 相須相使相惡諸藥 ”（包括相使藥對61組，非相使藥對143組）；單味藥的藥性中四氣、五味數據來源于《本草綱目》，藥物歸經數據來源于《中藥大辭典》（包含“寒、熱、溫、涼、平”5性，“酸、苦、甘、辛、咸、澀、淡”7 味，“肝、心、脾、肺、腎、胃、膽、大腸、小腸、三焦、膀胱、心包”12 歸經）；使用Excel建立51×205的表格，數據中有某一藥性則轉換為1，無某一藥性則轉換為0，依次錄入204組數據，并保存為.csv的格式。

1.2 建模平臺與方法

Weka全名為懷卡托智能分析環境（Waikato Environment for Knowledge Analysis），是一個基于java、用于數據挖掘和知識發現的開源項目[7]。本研究使用weka的Classify功能中functions下 的LinearRegression 葉來構建回歸模型。定義自變量為相使藥對中的每一味中藥的藥性，因變量則是相使。

2 數學判別式的產出與驗證

在上述回歸模型運行環境中得出相使藥對判別式：xiangshi =（0.1775×gan1）+（-0.1303×xin1）+（-0.2419×xian1）+（-0.348 ×dan1）+（-0.2047×xinjing1）+（-0.1457×pijing1）+（-0.1176× dachangjing1）+（0.3733×danjing1）+（-0.1041×feijing2）+（0.8617 ×xinbaojing2）+（0.8341×sanjiaojing2）+（0.1963×danjing2）+0.4414。相關系數（Correlation coefficient）=0.2406；絕對平均誤差（Mean absolute error）=0.4306；均方根誤差（Root mean squared error）=0.5154。將真實值和預測值分布做圖，見圖1。由圖可見，相使藥對的數值分布趨向于1，非相使藥對則趨向于0，并且二者擬合度較好。

圖1 預測值與真實值分布圖

同時，筆者運行VBA語句，分別計算204組實驗數據的xiangshi值，其散點分布圖見圖2。

從圖中可看出相使藥對的值主要分布在1附近，非相使藥對的值主要分布在0附近，但是二者在0.2-0.5的范圍內仍有很大的重合度，因此不能用本公式作為相使判別的絕對依據，在實際應用中還需結合臨床及中醫藥理論全面考量，科學判別。

3 討 論

圖2 實驗數據值散點分布圖

綜上所述，本研究建立了七情配伍相使藥對藥性判定回歸數學模型。藥性一詞最早出現于漢代《本經·序例》，如《本經·序例》云“藥性有宜丸者，宜散者，宜水煮者，宜酒漬者，宜煎膏者，亦有一物兼宜者；亦有不可入湯酒者，并隨藥性，不得違越。”這是指藥物適宜于制劑種類的性質。南北朝陶弘景《本經集注·序錄》載：“上品藥性亦能遣疾，但其勢力和厚，不為倉卒之效；中品藥性治病之辭漸深，輕身之說稍薄；下品藥性專主攻擊，毒烈之氣侵損中和，不可常服。”陶弘景又說：“藥性一物，兼主十余病者，取其偏長為本。”由此可見，藥性是指藥物與療效有關的性質和性能[5-7]。因此，藥性與藥物的功效密切相關，是標示藥物特定功效的符號。中藥七情配伍是藥物間藥效與毒性配合后變化規律的高度濃縮與概況，其與藥性必然存在某些關聯。本研究顯示，相使藥對與藥對中單味藥的藥性有一定關系，從判別式中可得出甘、辛、咸、淡、心經、脾經、大腸經、膽經、肺經、心包經、三焦經、膽經這些藥性屬性對《本草綱目》中已記載的相使藥對的判別起主要影響作用。本研究為七情配伍的判別方法研究提供了數學研究新思路，但是由于數據挖掘的樣本量較小，結果尚存在諸多不確定性成分，相關研究結果還需結合臨床實踐進行深入檢驗。

[1] 凌一揆.中藥學[M].上海:上海科學技術出版社,1983:11.

[2] 高 軼 欣,吳 嘉瑞,常章富.中藥七情配伍的歷史源流 及臨床涵義 探悉[J].美中醫學,2008,5(7):18-20.

[3] 劉衡如,劉山永.本 草綱目[M].北京:華夏出版社,2002:36.

[4] 李新旺,任鈞國.中藥七情探析[J].中醫研究,2000,13(5):11-13.

[5] 秦 丹,吳嘉 瑞,張 冰,等.基于關聯 規 則的 相 使 藥 對“藥 性 組合 規律”數據挖掘研究[J].國際中醫中藥雜志,2013,35(6):526-528.

[6] 吳 嘉瑞,張冰,常章富,等.人 參 與萊 菔子配伍后人 參 皂苷Rg1含 量變化研究[J].中國中藥雜志,2006,31(1):79-80.

[7] 吳 嘉 瑞,張 冰,常 章 富,等.相 惡 涵 義 的 歷史 演 變[J].中 國中藥 雜志,2005,30(15):1219-1220.

R282

：B

：1671-8194（2014）01-0172-02

北京中醫藥大學科研創新團隊項目資助（NO.2011-

CXTD-14）；北京中醫藥大學大學生科研課題（編號：JYB22-JS020）*通訊作者: