基于药性回归模型的中药相使药对数学判别公式建立与探讨

吴嘉瑞 秦 丹 张 冰* 张晓朦

（北京中医药大学中药学院，北京 100102）

基于药性回归模型的中药相使药对数学判别公式建立与探讨

吴嘉瑞 秦 丹 张 冰* 张晓朦

（北京中医药大学中药学院，北京 100102）

目的 建立中药相使药对药性数学判别公式。方法 在全面收集、整理相使药对及部分非相使药对药性信息的基础上，应用数据挖掘平台Weka中的聚类算法，建立回归模型。结果 得出药性判别公式如下，xiangshi =（0.1775×gan1）+（-0.1303×xin1）+（-0.2419 ×xian1）+（-0.348×dan1）+（-0.2047×xinjing1）+（-0.1457×pijing1）+（-0.1176×dachangjing1）+（0.3733×danjing1）+（-0.1041× feijing2）+（0.8617×xinbaojing2）+（0.8341×sanjiaojing2）+（0.1963×danjing2）+0.4414。结论 初步得出相使药对的药性判别公式，对其进行验证，有部分相使药对符合公式。

相使；回归模型；数学

相使是中药七情配伍之一，意即两种药物合用，一种药物为主，一种药物为辅，辅药能增强主药的作用[1]。相使配伍始载于汉代《神农本草经》，云“当用相须相使者良[2]”。明代李时珍《本草纲目》中指出：“相使者，我之佐使也[3]”。清代吴仪洛《本草从新》、汪昂《本草备要》均引用之。有学者认为教科书中对相使的定义过于宽泛，缺乏针对性。李新旺认为相使配伍主要可分为三种情况：①同类相使：即药物主要性能相似的药物，以一药为主，一药为辅，配伍后增强主药的功效。如人参与甘草，加强人参补气之功；麻黄与桂枝，加强麻黄发汁解表之功。②异类相使：即药物主要性能不同，但有功效主治上相同或目的一致，不存在性能上明显的制约，以一药为主，一药为辅，增强主药之功效。如黄芪与茯苓，增强了黄芪补气利水之功；当归与黄芪，增强当归补血之功。③引经相使：即引经药与它药配伍，以它药为主，引经药为辅，以增强它药的功效。如附子与桑枝，可增强附子散寒止痛，以治上肢痹证之功[4]。本研究中，笔者在收集整理《本草纲目》等著作中相使药对及部分相使药对药性（包括性味归经）的基础上，基于weka数据挖掘平台构建回归模型，初步得出相使药对的判别数学式，希冀为相使配伍规律及药对判别的探索提供参考。

1 数据源与方法

1.1 数据来源与数据录入

本文的相使药对及部分非相使药对数据来源于《 本草纲目 》中“ 相须相使相恶诸药 ”（包括相使药对61组，非相使药对143组）；单味药的药性中四气、五味数据来源于《本草纲目》，药物归经数据来源于《中药大辞典》（包含“寒、热、温、凉、平”5性，“酸、苦、甘、辛、咸、涩、淡”7 味，“肝、心、脾、肺、肾、胃、胆、大肠、小肠、三焦、膀胱、心包”12 归经）；使用Excel建立51×205的表格，数据中有某一药性则转换为1，无某一药性则转换为0，依次录入204组数据，并保存为.csv的格式。

1.2 建模平台与方法

Weka全名为怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一个基于java、用于数据挖掘和知识发现的开源项目[7]。本研究使用weka的Classify功能中functions下 的LinearRegression 叶来构建回归模型。定义自变量为相使药对中的每一味中药的药性，因变量则是相使。

2 数学判别式的产出与验证

在上述回归模型运行环境中得出相使药对判别式：xiangshi =（0.1775×gan1）+（-0.1303×xin1）+（-0.2419×xian1）+（-0.348 ×dan1）+（-0.2047×xinjing1）+（-0.1457×pijing1）+（-0.1176× dachangjing1）+（0.3733×danjing1）+（-0.1041×feijing2）+（0.8617 ×xinbaojing2）+（0.8341×sanjiaojing2）+（0.1963×danjing2）+0.4414。相关系数（Correlation coefficient）=0.2406；绝对平均误差（Mean absolute error）=0.4306；均方根误差（Root mean squared error）=0.5154。将真实值和预测值分布做图，见图1。由图可见，相使药对的数值分布趋向于1，非相使药对则趋向于0，并且二者拟合度较好。

图1 预测值与真实值分布图

同时，笔者运行VBA语句，分别计算204组实验数据的xiangshi值，其散点分布图见图2。

从图中可看出相使药对的值主要分布在1附近，非相使药对的值主要分布在0附近，但是二者在0.2-0.5的范围内仍有很大的重合度，因此不能用本公式作为相使判别的绝对依据，在实际应用中还需结合临床及中医药理论全面考量，科学判别。

3 讨 论

图2 实验数据值散点分布图

综上所述，本研究建立了七情配伍相使药对药性判定回归数学模型。药性一词最早出现于汉代《本经·序例》，如《本经·序例》云“药性有宜丸者，宜散者，宜水煮者，宜酒渍者，宜煎膏者，亦有一物兼宜者；亦有不可入汤酒者，并随药性，不得违越。”这是指药物适宜于制剂种类的性质。南北朝陶弘景《本经集注·序录》载：“上品药性亦能遣疾，但其势力和厚，不为仓卒之效；中品药性治病之辞渐深，轻身之说稍薄；下品药性专主攻击，毒烈之气侵损中和，不可常服。”陶弘景又说：“药性一物，兼主十余病者，取其偏长为本。”由此可见，药性是指药物与疗效有关的性质和性能[5-7]。因此，药性与药物的功效密切相关，是标示药物特定功效的符号。中药七情配伍是药物间药效与毒性配合后变化规律的高度浓缩与概况，其与药性必然存在某些关联。本研究显示，相使药对与药对中单味药的药性有一定关系，从判别式中可得出甘、辛、咸、淡、心经、脾经、大肠经、胆经、肺经、心包经、三焦经、胆经这些药性属性对《本草纲目》中已记载的相使药对的判别起主要影响作用。本研究为七情配伍的判别方法研究提供了数学研究新思路，但是由于数据挖掘的样本量较小，结果尚存在诸多不确定性成分，相关研究结果还需结合临床实践进行深入检验。

[1] 凌一揆.中药学[M].上海:上海科学技术出版社,1983:11.

[2] 高 轶 欣,吴 嘉瑞,常章富.中药七情配伍的历史源流 及临床涵义 探悉[J].美中医学,2008,5(7):18-20.

[3] 刘衡如,刘山永.本 草纲目[M].北京:华夏出版社,2002:36.

[4] 李新旺,任钧国.中药七情探析[J].中医研究,2000,13(5):11-13.

[5] 秦 丹,吴嘉 瑞,张 冰,等.基于关联 规 则的 相 使 药 对“药 性 组合 规律”数据挖掘研究[J].国际中医中药杂志,2013,35(6):526-528.

[6] 吴 嘉瑞,张冰,常章富,等.人 参 与莱 菔子配伍后人 参 皂苷Rg1含 量变化研究[J].中国中药杂志,2006,31(1):79-80.

[7] 吴 嘉 瑞,张 冰,常 章 富,等.相 恶 涵 义 的 历史 演 变[J].中 国中药 杂志,2005,30(15):1219-1220.

R282

：B

：1671-8194（2014）01-0172-02

北京中医药大学科研创新团队项目资助（NO.2011-

CXTD-14）；北京中医药大学大学生科研课题（编号：JYB22-JS020）*通讯作者: