利用机器学习模型探索中药的归经理论

蛋白质

来源：生物谷 2019-12-10 15:37

芬兰赫尔辛基大学医学院汤靖教授和他的团队提出了一个机器学习模型来预测中药的归经。该方法将有助于理解中药归经的理论基础。该项目由赫尔辛基大学汤靖教授的网络药理学课题组和华东理工大学唐赟教授的新药设计重点实验室共同合作完成。该结果发表在最新一期的PLOS Computational Biology杂志上。什么是中医？中医已经在千年临床中广泛用于疾病的预防和治疗。

芬兰赫尔辛基大学医学院汤靖教授和他的团队提出了一个机器学习模型来预测中药的归经。该方法将有助于理解中药归经的理论基础。该项目由赫尔辛基大学汤靖教授的网络药理学课题组和华东理工大学唐赟教授的新药设计重点实验室共同合作完成。该结果发表在最新一期的PLOS Computational Biology杂志上。

什么是中医？

中医已经在千年临床中广泛用于疾病的预防和治疗。在中国古代哲学的指导下，中医把人看成一个相互作用的整体，所以它有着和现代医学不同的疾病诊断和预防的方法体系。例如，东方哲学认为宇宙万物皆可分为阴阳，一切皆是阴阳的平衡。中医认为人体也有阴阳，疾病则是阴阳失调。中医另一个重要的理论就是经络。经络可以看成人体的隐形内在通路。它能调节能量的流动，从而达到阴阳的平衡。中医认为，人体有12条经络 (心、肝、脾、肺、肾、胃、大肠、小肠、膀胱、胆、心包、三焦经等) 。根据中药所治疗疾病的所在经络，不同的中药也有着不同的归经。

中医的合理性

“中医的理论系统和现代医学系统有着本质的区别。一直以来，中医和中药一直备受争议。传承千年的中医药是否真正有效，或者仅仅是几乎没有任何理论依据的伪科学？”汤教授的博生生王引引这样说道，“比如归经理论把身体不同部位的疾病分为十二条经络，比如肝经肺经等。但这些肝或者肺并不完全等同于我们肉眼所见的器官。人们一直在尝试用人体解剖学和生理学去理解归经的本质，然而至今并没有取得很大进展。”

另一方面，针对中药归经的研究工作却仍处在空白阶段。中药根据其适应症也可以归属一个或多个经络。一个著名的例子就是抗疟疾化合物青蒿素，它是从植物青蒿里（Artemisia apiacea）里提取出来一种有效成分。根据中药的归经，青蒿与多种其他草药一起记载归为肝经。 “如果我们能够从中药的角度来理解归经的内在依据，那么我们就可以进一步了解中医的科学原理”，汤教授解释说。

机器学习的发现

尽管中医药是一个复杂的系统，幸运的是，越来越多的中药成分的化学结构和药理活性随着药物分子筛选技术的发展而被阐明。这也让大规模的数据研究成为可能。在这个项目中，研究人员收集了646种草药的归经信息，以及这些草药包含的10，000多种成分的化学结构信息。利用机器学习方法，他们发现草药的归经可以通过分子指纹和药物代谢动力学的特性来预测。这些结果表明，归经理论确实与中药化合物的化学性质有关。中药成分的化学结构能够一定程度反应了该成分在人体所作用的靶标以及进一步产生特定生物活性，从而解释了中药归经的合理性。

“我们的发现表明，同一归经的草药在化学性质上确实彼此更加相似。否则，机器学习模型就无法预测归经。” 汤教授强调， “这是一个有趣的发现，因为归经理论早于现代化学几千年就已经存在。中医药是如何做到比较精准的归经分类仍需要进一步的探索。”

“总而言之，我们基于数据和机器学习建模的方法提供一个了解归经的全新视角。这将有助于我们对中药机理进行更加系统地探索，并最终提供一种更有效的策略来发现草药中的有效治疗成分。”上海市新药设计重点实验室唐赟教授说。

原始出处：

Predicting Meridian in Chinese Traditional Medicine Using Machine Learning approaches

Yinyin Wang， Mohieddin Jafari， Yun Tang and Jing Tang

PLOS Computational Biology

https：//journals.plos.org/ploscompbiol/article？id= 10.1371/journal.pcbi.1007249

基金来源

项目基金来源欧洲研究理事会[grant number 716063]，芬兰科学院[grant number 317680]，赫尔辛基大学. 该论文第一作者王引引由中国国家留学基金委 [grant number CSC201706740080] 以及芬兰教育部[grant number TM-18-10928]资助.

87%用户都在用生物谷APP 随时阅读、评论、分享交流请扫描二维码下载->