灰色關聯度分析法在中藥譜效學研究中的應用

李力，潘倩雯，劉宏（.中國人民解放軍武漢總醫院藥劑科，武漢430070；2.湖北中醫藥大學藥學院，武漢 430065；3.國家納米藥物工程技術研究中心，武漢 430075）

二十世紀八十年代初，灰色系統理論被華中科技大學鄧聚龍教授于國內首次提出，第一篇有關灰色系統的論文隨之發表[1]。灰色系統理論是解決很多制造領域里多目標之間復雜關系問題的有力工具[2]。二十世紀八十年代末，《灰色系統學報》（Journal of Grey System）作為國際核心期刊在英國創刊。之后，灰色系統理論在國內外均引起了極高的關注。發展至今，其在科學、生產乃至生活等領域均已被廣泛應用。作為灰色系統理論的重要組成部分，灰色關聯度分析是灰色系統分析、預測、聚類和決策的基礎[3]。灰色關聯度分析是依據各因素數列曲線形狀的相似程度來進行發展態勢的分析。關聯度分析是基于灰色系統的灰色過程，進行因素間相互關聯度的比較來確定哪些因素是影響大的主導因素，是一種研究動態過程的分析方法，因而非常適用于動態歷程分析[4]。在一個系統發展變化態勢中，灰色關聯度分析提供了量化的分析方法，因其分析的標準是指在系統發展過程中，若兩個因素曲線變化態勢趨向一致，即同步變化程度較高，則認為兩者關聯較大；反之則關聯度較小[5]。近年來，灰色關聯度分析已在中藥譜效學中被廣泛應用，為推動中藥譜效學發展作出了貢獻。筆者以“譜效學”“灰色關聯度分析”“灰色關聯度算法”“Spectrum pharmacodynamics”“Grey relational analysis”“Grey relational algorithm”等為關鍵詞，對中國知網、萬方、維普、PubMed、ScienceDirect、SpringerLink、Wiley等數據庫收錄的1982年1月－2018年1月之間發表的文獻進行檢索。結果，共檢索到相關文獻2 285篇，其中有效文獻35篇。現對灰色關聯度的算法進展、灰色關聯度分析法在中藥譜效學中的應用以及中藥譜效學中灰色關聯度分析法與其他方法的聯合應用現狀進行綜述，為灰色關聯度分析法應用于中藥譜效學提供參考。

1 灰色關聯度的算法進展

灰色關聯度的算法最早是由華中科技大學鄧聚龍教授提出的“最小差-最大差”法[6]，此算法簡單粗略，關聯度結果有時會與實際情況相悖，而且其對原始信息的利用不充分。為了彌補“最小差-最大差”法的不足，曾有許多學者對算法進行改進，相繼提出基于相近性角度的范數灰關聯度、熵關聯度，基于相似性角度的絕對關聯度、T型關聯度、斜率關聯度與廣義灰色絕對關聯度以及同時考慮相近性與相似性的B型關聯度和點、斜關聯度等。上述改進的方法僅在一致性、可比性和對稱性等方面彌補了“最小差-最大差”法的不足，但均未能滿足灰色關聯度的規范性和保序性[7]。黃研利等[8]提出一種改進灰色關聯度的算法，具體算法是：首先，必須根據灰色系統來確定參考序列和比較序列，其中參考序列是指能夠反映灰色系統行為特征的數據序列，而比較序列是由影響灰色系統行為的因素組成的數據序列。然后，進行灰色關聯度的計算。最后，將灰色關聯度數值從大到小排列，形成灰色關聯排序，排序能直接反映參考序列與比較序列各因素的相關程度，排序越靠前說明關系越密切，比較序列對參考序列的“貢獻”越大。黃研利等[8]的改進灰色關聯度算法對原始數據利用率高，使結果更真實、可靠，省去無綱量化步驟而對保序性無影響，同時也滿足規范性（若兩序列平行，則灰色關聯度應為1；若灰色關聯度為1，則兩序列平行的命題為真命題，當且僅當兩序列平行時，才有關聯度為1）的要求，彌補了保序性和規范性不足的缺陷。

2 灰色關聯度分析法在中藥譜效學中的應用

與化學藥比較，中藥在治療疾病時具有多組分和多目標的特性，其功效并不是某一種成分的單獨作用的結果，而是取決于多種成分的共同作用。近年來，因中藥成分的復雜多樣性，其質量控制已成為了學者們研究的熱點[9]。指紋圖譜是中藥質量控制的有效手段之一。如何將中藥的質量與其療效量化對應一直是中藥現代化面臨的一個問題，為解決這一問題，有學者提出了譜效學的概念。譜效學將中藥指紋圖譜與藥效學相結合，研究中藥成分與含量的變化對其藥效的影響，確認影響藥效的主要成分群，從而建立能夠反映中藥內在品質的質量標準，以利于中藥質量控制[10]。在譜效關系的分析中，將指紋圖譜數據與藥效學數據聯系在一起的方法有很多，如回歸分析、聚類分析、典型相關分析、灰色關聯度分析和人工神經網絡分析等[11]。

與其他分析方法比較，灰色關聯度分析法對數據要求較低，可分析小樣本[12]，已被普遍用于中藥譜效學的分析。其基本方法是將中藥藥效學指標作為參考序列，指紋圖譜共有特征峰作為比較序列，根據比較序列的各因素與參考序列灰色關聯度的大小，確定各共有特征峰對藥效“貢獻”的大小。近年來，灰色關聯度分析法被廣泛應用于各種指紋圖譜的譜效學分析，比如高效液相色譜（HPLC）指紋圖譜、液相色譜-質譜（LC-MS）指紋圖譜以及氣相色譜-質譜（GC-MS）指紋圖譜等[13]。

2.1 灰色關聯度分析法在HPLC指紋圖譜中的應用

與薄層色譜（TLC）比較，HPLC分離效能高、檢測靈敏度高、分析速度快、選擇性高、應用范圍廣，因此大多數中藥成分均可在HPLC儀上進行檢測分析[14]。毛艷等[15]通過HPLC建立維藥神香草提取物的指紋圖譜，并采用灰色關聯度分析法研究圖譜中色譜峰與其體外抗炎作用的關聯度。結果顯示，5、6、8（迷迭香酸）、10和13號峰與神香草體外抗炎作用密切相關。鑒于中藥多組分、多靶點的特點，譜效學可有效地揭示中藥作用的物質基礎。程麗麗等[16]對紫花地丁不同洗脫部位采用HPLC法分析獲得指紋圖譜，以液體倍比稀釋法考察其抗真菌作用，并用灰色關聯度分析法研究其譜效關系。結果表明，與紫花地丁抗真菌作用相關的是極性小的化學成分，其中有3個成分的關聯度大于0.8。四逆湯由甘草、甘姜以及附子組成，可用于臨床治療心力衰竭和心肌梗死，趙雪麗[17]建立不同批次四逆湯的HPLC指紋圖譜，并通過觀察四逆湯對心肌缺血模型的藥理作用效果來研究其藥效學，最后采用灰色關聯度分析法進行關聯度排序。結果顯示，四逆湯抗心肌缺血作用是其所有化學成分共同作用的結果，其中12號峰（苯甲酰新烏頭原堿）與抗心肌缺血作用關聯度最大。

2.2 LC-MS指紋圖譜

由于色譜與質譜聯用技術綜合了色譜的高分離效能和質譜的強鑒別能力，其在中藥指紋圖譜研究中也較為常用[18]。將獲得的LC-MS指紋圖譜用于中藥對應療效的研究可使研究的結果更為精準。Liu H等[19]經灰色關聯度分析發現，復方血栓通HPLC-MS指紋圖譜中共有特征峰代表成分人參炔三醇、人參皂苷Rd、兒茶以及人參皂苷Rb1等是其核心生物成分，關聯度均大于0.7。卿勇軍等[20]采用超高效液相色譜-質譜法建立11種不同的戊己丸指紋圖譜，通過大鼠胃潰瘍模型分別研究其藥效，并用灰色關聯度分析法綜合分析。結果表明，戊己丸治療胃潰瘍作用是有效組分群共同作用的結果，關聯度最大的3個成分依次為鹽酸小檗堿、芍藥苷以及吳茱萸內酯。林夢雅等[21]通過超高效液相色譜-串聯四極桿飛行時間質譜法分析并建立9個不同丹參提取物的指紋圖譜，并以人支氣管上皮細胞炎癥模型考察其抗炎活性，最后采用灰色關聯度分析法分析其譜效關系。結果顯示，丹參抗炎藥效貢獻最大的4個成分依次為丹參酮ⅡA、丹參素、丹酚酸B以及3′-甲基丹酚酸B。

2.3 GC-MS指紋圖譜

揮發油成分復雜，為分析鑒定更多的化學成分，其化學成分的測定通常采用GC-MS法。陳曉穎等[22]通過GC-MS法建立沉香揮發性成分的指紋圖譜，并采用灰色關聯度分析法分析沉香揮發性成分GC-MS指紋圖譜與體外抗腫瘤活性的關聯度。結果表明，豆固酮、2-（2-苯乙基）色酮、β-谷甾醇以及十五烷醛的關聯度均大于0.8，說明這4個成分對沉香抗腫瘤活性貢獻最大。李生茂等[23]采用GC-MS法研究不同產地砂仁揮發油的化學成分，建立砂仁的GC-MS指紋圖譜，并結合不同產地揮發油的抗炎活性采用灰色關聯度分析法來探究砂仁揮發油抗炎作用的有效成分及其動態變化過程。結果顯示，13個共有峰與抗炎活性都有一定的關聯度，關聯度范圍為0.734～0.857，關聯度由大到小依次是龍腦、芳樟醇、樟腦、α-松油醇、α-香檸烯醇、D-檸檬烯、乙酸龍腦酯、α-檀香醇、月桂烯、匙葉桉油烯醇、α-杜松醇、莰烯、α-蒎烯，說明13個共有成分與抗炎活性關聯度明顯。李生茂等[24]對小鼠進行醋酸致扭體實驗，建立18批不同產地砂仁揮發油GC-MS指紋圖譜，采用灰色關聯度分析法研究砂仁揮發油鎮痛作用。結果顯示，砂仁揮發油共有峰中與鎮痛作用關聯度最大的是樟腦，最小的是月桂烯。

3 中藥譜效學中灰色關聯度分析法與其他方法的聯合應用

用于譜效關系分析的方法有多種，每一種方法都有各自的適用范圍、優缺點。在實際分析時，因為研究對象和預期目標各不相同，采用一種方法單獨分析往往不能滿足譜效關系的研究，所以很多學者在譜效學的研究中更趨向于采用兩種及以上的分析方法聯合應用[25]。

3.1 灰色關聯度分析與回歸分析

回歸分析包括偏最小二乘回歸分析以及多元回歸分析。在分析多因素模型時，回歸分析法比灰色關聯度分析法更方便、更簡單，可直觀地分析圖譜中各特征峰對藥效的綜合貢獻，但對于成分因素之間關聯度的分析能力較差。灰色關聯度分析法主要分析成分因素之間的關聯度，并不能分析圖譜中各特征峰對藥效的綜合貢獻。因此，將回歸分析與灰色關聯度分析聯合應用，互相取長補短，可更準確地分析中藥譜效關系。李春沁等[26]采用灰色關聯度分析法與偏最小二乘回歸分析法，對波棱瓜子乙酸乙酯部位抗免疫肝損傷活性和其HPLC指紋圖譜進行綜合分析。結果顯示，1～16號特征峰關聯度均大于0.58，但是2、4、5、11和14號特征峰卻與抗免疫性肝損傷活性呈負相關，通過綜合分析確認6（波棱甲素）、7（波棱素）、10（波棱醇）、15（波棱酮）和16（波棱醛）號特征峰所代表的化學成分與抗免疫性肝損傷活性呈正相關，并且關聯度較大。李晶等[27]采用HPLC法建立南丹參藥材中酚酸類成分的指紋圖譜，并通過灰色關聯法和偏最小二乘回歸分析法對不同產地藥材指紋圖譜中各共有峰的峰面積與體外抗氧化活性進行譜效相關性研究。結果顯示，12、3（丹參素鈉）、11（丹酚酸B）號峰的關聯度均大于0.7，并且均與抗氧化活性呈正相關，說明這3種成分對南丹參中酚酸類成分抗氧化活性貢獻最大。張慧等[28]針對活血化瘀活性最強的乙酸乙酯部位建立HPLC指紋圖譜，利用多元回歸分析法和灰色關聯度分析法研究譜效相關性。結果表明，在16個共有峰中，4、9、11、12、16號峰是與活血化瘀作用相關色譜峰，其中9號峰為歐前胡素，12號峰為異歐前胡素，其余色譜峰所反映的物質成分還需進一步探索研究。

3.2 灰色關聯度分析與誤差反向傳播神經網絡

誤差反向傳播（BP）神經網絡是人工神經網絡的一種，是一種人工非線性多元校正模型，其通過計算輸入數據并使用BP算法實現多層前饋神經網絡，預測精度高，可最小化網絡誤差平方和。因此，BP神經網絡在非線性數據處理中應用極為廣泛[29]。中藥復方成分復雜多樣，與藥效多呈非線性關系。根據灰色關聯度分析法反映的譜效間強弱主次關系結果，聯用BP神經網絡模型分析可進一步對譜效間復雜的非線性關系進行擬合、預測。如氣滯胃痛顆粒成分復雜，難于分析，有學者聯合運用人工神經網絡與灰色關聯度分析法，對其促胃動力[30]、抗炎[31]以及抗潰瘍[32]等作用進行譜效學研究。首先采用灰色關聯度分析法進行相關性分析，確認與各種藥理作用密切相關的特征峰，再分別將這些密切相關的特征峰作為輸入項，藥效作為輸出項，構建BP神經網絡模型進行驗證。經擬合后，即可預測綜合藥效值，3種藥理作用預測的相對誤差的絕對值均小于7%，預測精度較高。

3.3 灰色關聯度分析與主成分分析

主成分分析法是一種對數據進行降維處理的分析方法，可在盡量不丟失原始信息的基礎上，對原始數據進行降維以降低分析過程中數據處理的難度。主成分分析與灰色關聯度分析的聯用可客觀地評價譜效關系，提高數據的可靠性和準確度。劉青萍等[33]在對補陽還五湯全方和精簡方進行譜效關系分析時，首先采用主成分分析法進行降維處理，發現能反映補陽還五湯精簡方98%信息的主成分有5個，反映全方93%信息的主成分有4個。再通過各主成分的系數進行綜合排序，篩選出綜合排名第一即主成分權重最大的是精簡方第11批樣品和全方第9批樣品。在此基礎上，再采用灰色關聯度分析法進行譜效學分析，結果表明保留時間為20.65、6.47、26.40 min的共有特征峰所代表的化學成分對于調節腦缺血損傷極為重要。

3.4 灰色關聯度分析與Pearson相關分析

Pearson相關分析可分析成分與藥效的相關方向和顯著性。樊佳新等[34]采用HPLC法建立荊芥乙醇提取物的指紋圖譜，通過微流控芯片技術研究荊芥體外抗肺腫瘤作用，再聯合灰色關聯度分析與Pearson相關分析進行綜合分析。結果表明，灰色關聯度分析結果與Pearson相關分析結果存在一致性，香葉木素和木犀草苷是荊芥抗肺癌的主要藥效成分。陳海明[35]在崗梅根、莖的藥效成分研究過程中聯合運用灰色關聯度分析、偏最小二乘回歸分析以及Pearson相關分析3種分析方法，結果每種方法獲得的相關度大、且呈正相關的成分有一定的不同，綜合3種方法的分析結果才得以確認崗梅根、莖的主要藥效成分，結果發現其根與莖中的藥效成分有明顯差異。

4 結語

灰色關聯度分析法是譜效學研究中普遍采用的分析方法，已廣泛用于HPLC、LC-MS和GC-MS等指紋圖譜的譜效學研究中。在目前研究階段，很多中藥藥效成分還未被鑒定，今后可嘗試將多種分析技術聯合運用或開發新的分析技術，使更多的藥效成分被準確鑒定出來。灰色關聯度分析法對樣本數據要求低，關聯度計算量小、方法簡便，且目前改進的關聯度算法既滿足保序性，亦滿足規范性。但是，灰色關聯度分析法也存在缺點，如易受分辨系數等的影響；關聯度值均為正值，只能反映成分與藥效相關性的大小，并不能反映與藥效呈負相關的化學成分，即不能正確地分析化學成分對藥效的綜合貢獻。為了更準確地分析并反映中藥譜效關系，近年來許多學者將灰色關聯度分析法與回歸分析、人工神經網絡、主成分分析、Pearson相關分析等方法聯合應用。在譜效學研究中，應根據樣本實際特性選擇合適的分析方法，聯合應用幾種分析方法進行綜合分析，這樣才能快速、全面、準確地反映中藥譜效關系。

[1]鄧聚龍.灰色控制系統[J].華中工學院學報，1982，10（3）：9-18.

[2]PANDEY RK，PANDASS.Optimization of multiple quality characteristics in bone drilling using grey relational analysis[J].J Orthop，2014，12（1）：39-45.

[3]鄭慶利.三種視角的灰色關聯度性質、建模與應用研究[D].南京：南京航空航天大學，2012.

[4]潘學強，黃菊英，龔慕辛，等.譜效相關分析方法在中藥藥效物質基礎研究中的應用進展[J].北京中醫藥，2013，32（10）：731-735.

[5]ZHU CS，LIN ZJ，XIAO ML，et al.The spectrum-effect relationship：a rational approach to screening effective compounds，reflecting the internal quality of Chinese herbal medicine[J].Chin J Nat Med，2016，14（3）：177-184.

[6]宋云勝.中藥指紋圖譜數據及藥效、藥量數椐的統計分析[D].太原：山西大學，2012.

[7]田民，劉思峰，卜志坤.灰色關聯度算法模型的研究綜述[J].統計與決策，2008，10（1）：24-27.

[8]黃研利，何璞玉，喻小寶，等.改進灰色關聯度算法在地區能源-經濟-環境系統協調關系中的應用[J].水電能源科學，2014，32（11）：202-206.

[9]XU GL，XIE M，YANG XY，et al.Spectrum-effect relationships as a systematic approach to traditional Chinese medicine research：current status and future perspectives[J].Molecules，2014，19（11）：17897-17925.

[10]陳君，陳麗，韋建華.廣西倒地鈴體外抗氧化活性的譜效關系研究[J].中國藥房，2017，28（7）：906-909.

[11]蔡靚，張倩，楊豐慶.中藥譜效學的應用進展[J].中草藥，2017，48（23）：5005-5011.

[12]曾令軍，林兵，宋洪濤.中藥譜效關系研究進展及關鍵問題探討[J].中國中藥雜志，2015，40（8）：1425-1432.

[13]李宇馳，徐妍，肖培云，等.中藥譜效學的研究進展[J].時珍國醫國藥，2017，28（3）：673-675.

[14]趙彩萍.中藥指紋圖譜研究概況[J].中國傷殘醫學，2014，22（5）：290-291.

[15]毛艷，賀金華，蔡曉翠，等.維藥神香草提取物體外抗炎作用的譜效關系研究[J].中國藥房，2017，28（10）：1364-1367.

[16]程麗麗，孫志蓉，朱南南，等.紫花地丁洗脫部位指紋圖譜特征與其抗真菌作用的灰色關聯度分析[J].中醫藥學報，2015，43（6）：49-52.

[17]趙雪麗.四逆湯的譜動學與譜效學研究[D].廣州：廣州中醫藥大學，2016.

[18]柯昌虎，嚴慧，鄭芳，等.甘草指紋圖譜的研究進展[J].實用藥物與臨床，2018，21（1）：98-103.

[19]LIU H，LIANG JP，LI PB，et al.Core bioactive components promoting blood circulation in the traditional Chinese medicine compound Xueshuantong capsule（CXC）based on the relevance analysis between chemical HPLC fingerprint and in vivo biological effects[J].PLoS One，2014，9（11）：1-15.

[20]卿勇軍，劉文，杜平，等.基于灰色關聯度分析戊己丸對胃蛋白酶抑制作用的譜效關系[J].中草藥，2017，48（16）：3390-3395.

[21]林夢雅，張玉萍，李雅，等.基于灰色關聯度分析的丹參提取物抗炎作用譜效關系研究[J].中草藥，2017，48（16）：3447-3452.

[22]陳曉穎，黃躍前，陳玉嬋，等.沉香揮發性成分與其抗腫瘤活性的灰色關聯度分析[J].中成藥，2018，40（1）：224-227.

[23]李生茂，曾濱陽，葉強，等.砂仁揮發油抗炎活性譜效關系研究[J].中國實驗方劑學雜志，2015，21（9）：133-136.

[24]李生茂，葉強，敖慧.砂仁揮發油GC-MS指紋圖譜與其鎮痛作用的關系[J].中成藥，2016，38（2）：346-350.

[25]賈富霞，羅容，王秀娟.譜效關系研究方法在中藥研究中的應用進展[J].北京中醫藥，2015，34（12）：996-1000.

[26]李春沁，王紫燕，陳璐，等.波棱瓜子乙酸乙酯部位抗免疫性肝損傷活性譜效關系分析[J].中國實驗方劑學雜志，2016，22（13）：1-6.

[27]李晶，沈震亞，陳超，等.南丹參中酚酸類成分抗氧化活性譜效關系研究[J].時珍國醫國藥，2017，28（12）：2895-2897.

[28]張慧，海廣范，栗志勇，等.白芷中活血化瘀有效組分的譜效關系[J].中國實驗方劑學雜志，2014，20（15）：139-143.

[29]黃健，黃珊，張華，等.主成分分析結合BP神經網絡對短程生物脫氮中氮的近紅外光譜研究[J].光譜學與光譜分析，2016，36（10）：3399-3403.

[30]包永睿，王帥，孟憲生，等.氣滯胃痛顆粒促胃腸動力作用譜效關系網絡模型的構建[J].中藥材，2014，37（5）：828-832.

[31]許雯雯，王帥，孟憲生，等.神經網絡結合灰色關聯度法對氣滯胃痛顆粒復方藥材抗炎活性譜效關系研究[J].中國中藥雜志，2013，38（11）：1806-1811.

[32]李天嬌，王帥，孟憲生，等.氣滯胃痛顆粒治療胃潰瘍的譜效關系研究[J].世界科學技術：中醫藥現代化，2015，17（1）：103-108.

[33]劉青萍，晏峻峰，楊欣，等.基于PCA-GRA的補陽還五湯及其精簡方抗腦缺血損傷功效的譜效關系研究[J].湖南中醫藥大學學報，2016，36（9）：13-15.

[34]樊佳新，王帥，孟憲生，等.基于微流控芯片技術的荊芥誘導肺腫瘤細胞凋亡譜效關系研究[J].藥學學報，2017，52（1）：126-131.

[35]陳海明.基于譜效分析的崗梅根、莖比較研究[D].廣州：廣州中醫藥大學，2014.