基于新的分類算法研究抗乙肝病毒藥的相互作用

王華富 桂志紅 劉麗仙 丁 汀 商振球

（麗水市人民醫院，浙江 麗水 323000）

藥物相互作用是指兩種或兩種以上的藥物通過共同應用于一個個體相互作用的過程，藥物相互作用及其通過相互作用而形成的藥物療效是各種藥物發揮療效的基本過程[1]。隨著臨床上有關于藥物相互作用數據的逐漸增多，基于藥物相互作用網絡中獨特的特征就成為疾病治療的新途徑。人們通過對藥物的直接相互作用，通過對相互作用的生物學意義進行研究探討分析，并進行進一步的治療運用打下基礎，為可以正確識別和了解復雜環境中各種藥物的功能提供一些新的思路，現就對我院使用新的分類算法研究抗乙肝病毒藥的相互作用，并將得到的數據結果進行如下的總結。

1 資料與方法

1.1 一般資料：選擇我院2016年5月至2017年12月收治的患有慢性乙肝疾病的患者86例，根據患者的病情需要以及尊重患者自我意愿的前提下，把患者分為兩組各43例，男性47例，女性39例；年齡 29～68 歲，平均（45.5±3.5）歲；患者患有乙肝的時間為 1～20年，平均（10.5±1.5）年。對患者進行乙肝兩對半檢查，患者大部分表現為小三陽，同時HBVDNA檢測為陽性，但患者的HBVV沒有明顯的復制現象，且患者的ALT值正常。在進行此次試驗之前，告知患者進行此次試驗的過程、目的以及方法，同時患者簽署相關的知情同意書。

1.2 治療方法：其中一組患者使用拉米夫定聯合中藥治療進行抗病毒治療，而另外一組患者使用干擾素聯合抗病毒治療。干擾素使用長效干擾素，1周注射1次，療程至少需要6個月，使用拉米夫定需要注意病毒耐藥率，同時也不能輕易停藥[2]，避免病情反復。

1.3 研究方法：運用奇異值分解（SVD）降維的方法對藥物相互作用訓練數據集進行樣本縮減得到有關的數據結果[3]，并將結果樣本表示成為metasample線性組合，然后利用稀疏表達分類算法對數據進行統計分類。將作用數據按照DX特征選擇算法進行排序，選擇出分類性能較優的訓練數據集，用PCVM算法進行分類測試[4]。對抗病毒藥物治療慢性乙型肝炎的療效進行系統評價，每一個實驗重復5次，以獲取最精確的結果，對比分類算法中對二者相互作用類型的判斷是否一致，進一步通過臨床實踐驗證分類方法的有效和可行性。

2 結果

2.1 藥物治療效果：使用拉米夫定聯合中藥治療組治療有效的病例為41例，使用干擾素聯合抗病毒治療有效的病例為40例，詳見表1。

表1 兩組患者藥物治療效果分析

2.2 抗病毒的協同作用：通過PCVM算法數據分析得出，在抗病毒的協同作用表現為陽性的病例，拉米夫定組的患者有37例，干擾素組的患者有39例，同時兩組患者的藥物濃度均沒有出現下降，說明治療乙肝的抗病毒藥物和中藥治療乙肝具有潛在的臨床顯著藥物相互作用，詳見表2。

表2 兩組患者的抗病毒藥物協同作用

3 結論

傳統的乙肝抗病毒療法只能夠對一種單一的藥物治療效果進行研究，不能夠對更多的藥物作用進行分類，所以對乙肝病毒的治療特別是對于乙肝藥物治療相互作用分類預測成為有效治療疾病的關鍵[6]。

IFN是一種糖蛋白，具有抗病毒和調節免疫的作用。干擾素不僅是高效的一種抗病毒生物活性物質，而且還是一種淋巴因子，免疫調節作用較為廣泛。當病毒入侵機體時，觸發IFN的產生，之后IFN與細胞表面的特定受體結合產生抗病毒蛋白(AVP)，降解病毒mRNA并抑制病毒復制。IFN同時增強巨噬細胞和T淋巴細胞的活動，增強機體的抗病毒能力。拉米夫定屬于一種高效的嘧啶核苷類藥物，對于體外及實驗性感染動物體內的乙型肝炎病毒抑制作用較強，對病毒DNA鏈的合成和延長有競爭性抑制作用，是第一個被用于治療慢性乙肝的藥物。它是逆轉錄酶抑制劑，可抑制HBV復制，通過抑制逆轉錄酶活性來降低病毒DNA的復制，該藥可以口服給藥，有較高的生物利用度。可在正常細胞和HBV感染細胞內代謝生成拉米夫定三磷酸鹽，不僅屬于HBV聚合酶的抑制劑，還是該聚合酶的底物[10]。拉米夫定三磷酸鹽摻入進病毒DNA鏈，從而對其產生嚴重影響，促使病毒DNA無法合成。它并不會對正常細胞中發生的脫氧核苷代謝現象產生干擾，拉米夫定對線粒體的功能、結構以及DNA含量沒有顯著的毒性。只可對哺乳動物DNA聚合酶α和β起到微弱的抑制作用，并且幾乎不會對哺乳動物細胞DNA含量產生影響。對大多數乙型肝炎患者的血清HBV DNA檢測結果表明，拉米夫定對HBV復制可起到顯著的抑制作用[11]。若終止拉米夫定治療，醫生應在停藥后至少4個月內，對病人展開隨訪觀察，定期檢測ALT和膽紅素水平，HBVDNA和HBeAg情況，以防肝炎復發。由于藥物作用譜數據的特點明顯，主要表現為維數高且樣本少，因此多種機器學習算法逐漸被應用在分類方面，可以很好地應用在向量機方面，屬于當前非常先進且較為流行的分類方法。metasample中涵蓋了訓練樣本的固有結構信息，任何子數據集矩陣年皆可分解成以metasample為基礎的相互作用預測。

本研究結果顯示，兩組患者當中大部分的病例均表現出抗病毒的協同作用，同時兩組患者的西藥抗病毒藥物濃度均沒有出現下降，說明治療乙肝的抗病毒藥物和中藥治療乙肝的藥物具有潛在的臨床顯著藥物相互作用。

綜上所述，很多實驗方法容易造成大量的假性結果，新的分類算法可以在有限的臨床數據基礎上提供更加準確的數據結果，通過計算方法預測獲得的大量藥物相互作用數據必須要存儲起來，并通過預測已達到一個比較客觀的效果。