目的基于活性成分属性,探究药材主归经络判别模型的构建及优化。方法收集药材归经属性及活性成分,以单经络药材所含活性成分为基础,构建活性成分结构特征、理化性质分类集合以及活性成分频数分类集合。应用余弦相似度算法,量化不同经络...目的基于活性成分属性,探究药材主归经络判别模型的构建及优化。方法收集药材归经属性及活性成分,以单经络药材所含活性成分为基础,构建活性成分结构特征、理化性质分类集合以及活性成分频数分类集合。应用余弦相似度算法,量化不同经络药材间活性成分的属性差异,计算药材所含活性成分组成的集合与不同活性成分类别间的相似性,构建集合相似度矩阵作为建模数据集。应用人工智能算法建立药材主归经络判别模型,并对模型进行优化及评价。结果收集209味药材并建立了药材-归经属性-活性成分数据集,通过对单经络药材活性成分分类,获取了34个活性成分分类集合。计算每味药所含成分与不同活性成分类别之间的余弦相似度,得到维度为209×34的集合相似度矩阵。使用K近邻算法、随机森林、极端梯度提升算法构建药材主归经络判别模型,并进行超参数调优,根据最优参数下测试集上的指标,评价模型的优劣。随机森林算法表现出了最优的性能,平衡准确率、曲线下面积(area under curve,AUC)分别为0.86、0.90。结论构建的药材主归经络判别模型达到了较好的结果并且运行稳定,探索了药材归经属性的理论基础,为揭示药材归经属性与药材活性成分间关系提供了新的研究方向,为药材归经判别研究提供一种新的思路。展开更多
文摘目的基于活性成分属性,探究药材主归经络判别模型的构建及优化。方法收集药材归经属性及活性成分,以单经络药材所含活性成分为基础,构建活性成分结构特征、理化性质分类集合以及活性成分频数分类集合。应用余弦相似度算法,量化不同经络药材间活性成分的属性差异,计算药材所含活性成分组成的集合与不同活性成分类别间的相似性,构建集合相似度矩阵作为建模数据集。应用人工智能算法建立药材主归经络判别模型,并对模型进行优化及评价。结果收集209味药材并建立了药材-归经属性-活性成分数据集,通过对单经络药材活性成分分类,获取了34个活性成分分类集合。计算每味药所含成分与不同活性成分类别之间的余弦相似度,得到维度为209×34的集合相似度矩阵。使用K近邻算法、随机森林、极端梯度提升算法构建药材主归经络判别模型,并进行超参数调优,根据最优参数下测试集上的指标,评价模型的优劣。随机森林算法表现出了最优的性能,平衡准确率、曲线下面积(area under curve,AUC)分别为0.86、0.90。结论构建的药材主归经络判别模型达到了较好的结果并且运行稳定,探索了药材归经属性的理论基础,为揭示药材归经属性与药材活性成分间关系提供了新的研究方向,为药材归经判别研究提供一种新的思路。
