利用文獻挖掘技術從MEDLINE構建冠心病氣虛血瘀證與氣滯血瘀證的NEI分子網絡初步研究*

劉婧瑋 翟 興 陳 坤 高 闊 劉 甲 王 偉 陳建新

（北京中醫藥大學，北京 100029）

利用文獻挖掘技術從MEDLINE構建冠心病氣虛血瘀證與氣滯血瘀證的NEI分子網絡初步研究*

劉婧瑋 翟 興 陳 坤 高 闊 劉 甲 王 偉 陳建新△

（北京中醫藥大學，北京 100029）

目的 通過文獻挖掘的方法對冠心病氣虛血瘀證與氣滯血瘀證進行內在生物學區分。方法 在MEDLINE數據庫中找到與冠心病有關的文獻，提取摘要池，通過其對摘要池進行匹配，使用共現的文本挖掘技術挖掘出冠心病氣虛血瘀證和氣滯血瘀證的分子生物學網絡，確定與冠心病氣虛血瘀證和氣滯血瘀證相關的候選分子指標。最后，應用特征選擇的數據挖掘方法遴選出“指標個數少，準確性高”的證候生物學特征診斷模式。結果 對利用文獻挖掘方法挖掘出的基因數據進行對比、分析，顯示氣虛血瘀相關集群與內分泌、信號傳導、造血細胞系、炎癥反應等相關；氣滯血瘀相關集群與糖蛋白、含有二硫鍵的蛋白、G蛋白偶聯受體信號傳導系統、兒茶酚胺類遞質活性調控相關，從而與交感神經調節相關。中醫證型的內在生物學特征可以在NEI水平上進行有效的辨識。結論 文獻挖掘法作為一種新的發現證候生物學指標的方法具有一定的可行性，建議將其進一步擴大到其他證型的研究中，驗證該方法的普適性和可靠性。

文獻挖掘 NEI 氣虛血瘀證 氣滯血瘀證

辨病與辨證相結合是中醫特色的治療原則。隨著現代醫學的發展，中醫的辨治模式越來越多地表現為辨西醫的疾病與辨中醫的證候相結合，這也是現代意義的“病證結合”。目前病證結合證候的生物學基礎研究主要有3個思路。一是“金指標”的研究思路，即通過對照研究，發現與證候密切相關的各個層次上的單個生物學指標。這些指標為證候的客觀化診斷和療效評價提供依據。如研究發現CD8+T淋巴細胞與甲型H1N1風熱犯衛證和熱毒襲肺證密切相關［1］。這個研究思路一直是證候生物學基礎研究的主流，積累了大量的文獻。第2個思路是以文獻挖掘的方法學為核心，使用癥狀表征為橋梁建立中醫證候與西醫文獻中涉及到的生物學指標的關聯。文獻挖掘技術的理念即若一個與證候診斷相關的癥狀表征與一個生物學指標在一篇MEDLINE收錄文章的摘要中共現，就是一種關聯，若這種關聯不斷被重復到一定程度，認為是兩者之間強相關［2-3］。如李梢教授［2］通過文本挖掘的技術建立寒熱證的神經內分泌免疫網絡，并通過動物實驗驗證了此生物學網絡。在當前醫學模式由還原論向系統論轉變的大背景下，此模式從系統生物學的角度探討了證候的生物學網絡，取得了較好的結果。第3則是國家重點基礎規劃項目（973項目）《證候的規范化及其與疾病、方劑的基礎研究》提出的“特征模式”的研究思路［4-5］。

近幾年來，由于生物學數據和關于生物學基礎的醫學文獻數量急劇增長，通過人工閱讀整理文獻已經難以及時、高效地挖掘和整合其中的有效信息，文獻挖掘（literaturemining）方法是解決這類問題的一種有效途徑［6］。因此，通過文獻挖掘尋找規律和新的認知成了生物學基礎和醫學研究的一個新熱點［7］。文獻挖掘對海量文獻中的數據進行整合、分析，通過此種方法獲得更具有代表性、可信度更高的結果［8］，這些從文獻中挖掘出來的實驗假設和實驗建議可供生物學家驗證并得到新的科學發現，從而提高人們對生物醫學現象的認識［9］。在中醫學領域，越來越多的學者應用這一方法對中醫藥的發展前景和研究方法進行探索與認知。比如使用網絡數據庫結合統計分析的方法檢索近10年關于冠心病辨證的現代文獻，挖掘冠心病證素證型的關系，結果發現冠心病以血瘀為其主要組成證素，其證型以單證素為主［10］。還有學者基于文獻挖掘技術探討生姜與黃芩臨床配伍應用規律，找到其臨床應用特點，將這一技術應用于中藥治療的應用特點上［11］。由此可見，強有力的文獻挖掘技術在中醫藥現代化的進程中扮演著越來越重要的角色。

冠心病目前依然是我國人群首要死因，是嚴重危害人類健康的常見病、多發病，包括心絞痛、急性心肌梗死、心律失常及心功能不全等臨床亞型。心絞痛是冠心病最主要的亞型，其中醫證型研究報道也最多，多以住院冠心病心絞痛患者為研究對象。可見冠心病氣虛血瘀證和氣滯血瘀證是其核心病機之一，兩個證候相互對照，本文的主要目的是希望借助這一疾病的主要證型，利用文獻挖掘技術找到與這兩個證型相關的生物學指標群，再通過對臨床相應數據的挖掘得到不同的生物學指標群并驗證，從而得到冠心病氣虛血瘀證與氣滯血瘀證的內在生物學區分。

1 方 法

1.1 文獻獲取

首先在MEDLINE數據庫中檢索與冠心病有關的文獻，提取摘要池，關鍵詞確定為：冠心病（Coronary heart disease/Coronary artery disease）；冠心病心絞痛（Coronary heart disease and angina/Coronary artery diseasewith angina pectoris）；不穩定型心絞痛（Unstable angina pectoris/Unstableangina）；穩定型心絞痛（Stable Angina/Stable angina pectoris）；心肌梗塞（Myocardial infarction）；心肌梗死（Myocardial infarction）；冠心病心肌缺血 （Myocardial ischemia）；無癥狀性心肌缺血（Silentmyocardial ischemia）；缺血性心肌病（Ischemic cardiomyopathy）。由于氣虛血瘀證和氣滯血瘀證都有血瘀，而血瘀證的典型癥狀是胸痛，包含在冠心病的關鍵詞中，故只使用氣虛證和氣滯證的相關癥狀作為關鍵詞進行冠心病文獻的二次分類，只要1篇冠心病的文獻摘要出現氣虛證或者氣滯證的1個癥狀，就認為其與氣虛血瘀證或氣滯血瘀證相關。最后確定進行文獻挖掘的關鍵詞如表1所示。

表1 NEI、氣虛、氣滯相關關鍵詞

以上述關鍵詞在Pubmed上搜索文獻數據，其中共獲得與NEI相關的氣虛文章332篇，與NEI相關的氣滯文章2247篇。

1.2 基于條件隨機場的方法提取氣虛、氣滯相關基因

1.2.1 關鍵詞選取訓練集來源 JNLPBA 2004，Bio CreAtIvE 2004和BioCreAtIvE 2006數據集做為訓練樣本。

1.2.2 特征選取 1）單詞本身，即把語料中的單詞作為一種識別特征。2）單詞的詞干，對語料中的單詞進行標準化，復數、現在分詞、過去式、過去分詞改為單詞原型。3）詞性特征（名詞、動詞、形容詞等等），使用GENIA Tagger工具獲取單詞的詞性標注。4）組塊特征（確定一個詞組的詞性，名詞性詞組、形容詞性詞組），使用GENIA Tagger進行組塊特征標記。5）詞典特征，使用entrez基因數據庫和uniprot蛋白質數據庫對單詞進行標記。6）詞形特征：具有相同詞形的詞很可能具有相同的屬性。為了描述這種相似性，筆者把所有的詞進行規范化處理。把每個詞中出現的大寫字母用“X”表示小寫字母用“x”表示，數字用“d”表示，其他字符用“_”表示。如單詞“IL-3”，“IL-4”和“IL-5”經過規范化以后都變成“XX_d”。7）前后綴特征，分別取長度為3，4和5的前后綴作為特征。8）正字法特征：對單詞類型進行標注，如：字母與數字組合，符號，大小寫等（ALLCAPS全部大寫，CAPSMIX大小寫混合，INITCAP首字母大寫）。9）上下文特征：選取的上下文窗口大小為5，即前兩個詞、當前詞和后兩個詞。

對訓練集數據和需處理的文獻按照上述特征進行處理，并采用CRF++軟件進行建模，挖掘出需要的蛋白和基因，然后對挖掘出的蛋白和基因，在Entrez數據庫進行匹配，并人工檢查。應用DAVID Bioinformatics Resources6.7軟件［12］對所得基因進行分層聚類、基因類型測試和Kyoto Encyclopedia of Genes and Genomes（KEGG）通路分析。基因聚類測試是一種探索性的工具，用以探索檢測基因表達數據內部的關聯性，為進一步考慮進行假設性的篩選。KEGG通路分析可以幫助尋找所提供基因所參與的生物過程。

2 結 果

從Entrez數據庫中找到120個與氣虛、氣滯相關的基因，其中氣滯證相關基因74個，氣虛證相關基因8個，與氣虛證、氣滯證共同相關的基因38個，如圖1。

圖1 部分氣虛證、氣滯證基因

將得到的結果做出一個基因網絡圖，氣虛證的相關基因、氣滯證的相關基因以及對二者共同起作用的基因之間的關系可以通過這個方法初步看出。

3 討 論

本研究以從冠心病心絞痛的兩個主要中醫證型即氣虛血瘀證與氣滯血瘀證為例，利用文獻挖掘方法進行證候表征術語NEI基因的文獻挖掘研究，以期對氣虛血瘀證和氣滯血瘀證進行內在的生物學區分，便于更好的理解中醫冠心病的分型，并且進一步實現中醫的現代化與國際化的目的。

在找到的120個相關基因中，與氣滯相關的基因共有74個，其中和臨床最密切的基因是一氧化氮結合酶（NOS）；與氣虛相關的基因共有8個，和臨床最相關的是免疫球蛋白A（IgA）；共同表達的基因是38個，其中與臨床聯系最緊密的是睪酮（testosterone）、去甲腎上腺素（NE）、腎上腺素（NA）促甲狀腺激素（TSH）、雌二醇 （estradiol）、3碘甲狀腺素 （FT3）、4碘甲狀腺素（FT4）。通過利用基因分析的方法，筆者發現氣虛血瘀證相關集群與內分泌、信號傳導、造血細胞系、炎癥反應等相關。氣滯血瘀證相關集群與糖蛋白、含有二硫鍵的蛋白、G蛋白偶聯受體信號傳導系統、兒茶酚胺類遞質活性調控相關，進而與交感神經調節相關。從而證明了本方案可以對中醫證型的內在生物學特征可以進行有效的辨識。而文獻挖掘作為一種省時省力，又簡單易行的挖掘證候生物學指標的方法，也正在被越來越多的研究人員所采納。下一步筆者計劃繼續改良挖掘算法并擴大到其他證型的研究中，進一步驗證該方法的普適性和可靠性。

圖2 氣虛證、氣滯證基因網絡圖

［1］黃羽，曾星.甲型H1N1流感患者T淋巴細胞亞群與中醫辨證分型相關性的回顧性研究［J］.中西醫結合學報，2011，9（2）：143-147.

［2］Shao L，Xuegong Zh.Understanding Zheng in traditional Chinese medicine in the context of neuro-endocrine-immune network［J］.IET System Biology，2007，1（1）：51-60.

［3］Xuezhong Zh，Baoyan L，Zhaohui W，et al.Integrative mining of traditional Chinese medicine literature and MEDLINE for functional gene networks［J］.Artificial Intelligence in Medicine，2007，41（2）：87-104.

［4］趙慧輝.不穩定心絞痛血瘀證的蛋白組學研究［D］.北京：北京中醫藥大學，2008.

［5］陳建新，趙慧輝，王偉.中醫證候生物學基礎研究思路初探—基于特征選擇的數據挖掘方法［J］.中西醫結合學報，2010，8（8）：747-749。

［6］Hakenberg J，Nenadic G，Rebholz Schuhmann D，et al.Literature mining solutions for life science research［J］.Adv Bioinfor-matics，2013：320-436.

［7］Tari L，Anwar S，Liang S，etal.Discovering drug-drug interactions：a text-mining and reasoning approach based onproperties of drug metabolism［J］.Bioinformatics，2010，26（18）：547-553.

［8］Rodriguez-Esteban R.Biomedical text mining and its applications［J］.PLoScomputationalbiology，2009，5（12）：1000597.

［9］王浩暢，趙鐵軍.生物醫學文本挖掘技術的研究與進展［J］.中文信息學報，2008，22（3）：89-98.

［10］田松，何茜.基于現代文獻的冠心病中醫證候特征數據挖掘［J］.中國中醫藥信息雜志，2013，20（3）：29-30.

［11］吳嘉瑞，張宇晶.基于文獻挖掘的相惡藥對生姜與黃芩臨床應用特點研究［J］.中國中醫藥信息雜志，2014，20（7）：15-17.

［12］Huang DW，Sherman BT，Lempicki RA.Systematic and integrative analysis of large gene lists using DAVID bioinformatics resources［J］.Nature protocols，2008，4（1）：44-57.

Research of NEI Molecular Network of Qi Deficiency Blood Stasis Syndrome and Qi-blood Stagnation Syndrome in Unstable Angina Pectoris from MEDLINE by Literature Mining Technology

LIU Jingwei，ZHAI Xing，CHEN Kun，et al.Beijing University of Chinese Medicine，Beijing 100029，China

Objective：To biology distinguish the Qi deficiency blood stasis syndrome and Qi-blood stagnation syndrome in unstable angina pectoris by literature mining technology.Methods：Firstly，the literature about unstable angina pectoriswere searched from MEDLINE.Secondly，the molecular indicators were determined from the molecular network，which were through the literature mining in the Qi deficiency blood stasis syndrome and Qiblood stagnation syndrome.Lastly，the diagnosis pattern of syndrome biological characteristics was determined by the feature selection of literature mining.Results：From the gene indices，there were some indicators related to the Qi deficiency blood stasis syndrome such as endocrine，signal transduction and inflammatory response.Meanwhile，there were some correlation cluster about Qi-blood stagnation syndrome including the glycoprotein，the G protein coupling receptor signal transduction system and catecholamines transmitter activity regulation.The biological characteristics of TCM syndrome can be identified in the NEI.Conclusion：It is proved universality and reliability that literature mining method as a new method for finding syndrome abnormal biological indexes were feasible and further expanded the research to other syndromes.

Literature mining；NEI；Qi deficiency blood stasis syndrome；Qi-blood stagnation syndrome

R541.4

A

1004-745X（2015）05-0760-04

10.3969/j.issn.1004-745X.2015.05.003

2014-12-25）

國家自然科學基金（81173463）；新世紀優秀人才計劃（NCET-12-084）；北京市科技新星計劃（xx2013032）；北京市青年英才計劃項目（YETP0821）

△通信作者（電子郵箱：cjx@bucm.edu.cn）