正交设计和BP神经网络结合G1-熵权法对比优化羌药刷格痛风颗粒水提工艺

吉部肖情，李 丽，阮婧华，赵日杂，冯维国，张志锋, 4*

正交设计和BP神经网络结合G1-熵权法对比优化羌药刷格痛风颗粒水提工艺

吉部肖情1，李 丽1，阮婧华3，赵日杂1，冯维国2，张志锋1, 4*

1. 西南民族大学药学院，青藏高原研究院，四川 成都 610041 2. 北川中羌医医院，四川 绵阳 622753 3. 贵州中医药大学第一附属医院，贵州 贵阳 550001 4. 四川省羌彝药用资源保护与利用技术工程实验室，四川 成都 610225

通过多指标组合赋权的正交试验综合评分和反向传播（back propagation，BP）神经网络预测综合得分对比优化筛选刷格痛风颗粒的水提工艺参数。采用正交试验设计，以料液比、提取时间、提取次数为考察因素，没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸含量，干浸膏得率和指纹图谱相似度为评价指标，采用G1-熵权法进行权重赋值计算综合评分。对比正交试验结果和BP神经网络建模仿真优化结果，寻找刷格痛风颗粒的最佳水提工艺参数。基于2种分析方法对比发现，正交试验分析得到最佳提取工艺的综合评分低于BP神经网络建模结果，故最终确定刷格痛风颗粒的最佳提取工艺参数为料液比1∶12，提取2次，每次3 h。优选出的刷格痛风颗粒最佳水提工艺稳定可行，正交试验结合BP神经网络进行方法寻优高效可靠，为复方制剂的开发和现代化研究提供了新的思路和参考。

羌药；刷格痛风颗粒；G1-熵权法；正交试验；BP神经网络；没食子酸；盐酸黄柏碱；绿原酸；咖啡酸；紫花前胡苷；盐酸小檗碱；芦荟大黄素；大黄酸；指纹图谱；相似度

痛风是一种常见且复杂的炎症性关节病，与嘌呤代谢紊乱、尿酸增多直接相关，尿酸盐结晶沉积于关节、组织处引发急性关节疼痛[1]。全球痛风的患病率和发病率根据所研究的人群和所采用的方法而有很大的不同，患病率从＜1%～6.8%不等，发病率为0.058%～0.289%/年[2]，我国的痛风患病率也高达1.3%，且逐年升高，已成为仅次于糖尿病的第2大代谢类疾病[3]。

羌医认为噜唔依基（痛风）病症，属羌医“得迪（堵塞病）”范畴，其病灶部位在四肢，特别脚拇趾掌关节好发，与脾胃和肝肾的赛米萨喜居器官功能失调密切相关。近年来，运用羌医药治疗痛风取得较好疗效，依据本病滋（水）、莫（火）、穆尔（雨水）、吉纳咨斯（好吃好喝过盛）之病理，治以清火热除雨水，化厚味食解毒为主。羌医先后撰写和编著了《羌医治疗噜唔依基（痛风）性关节炎诊疗常规》，制定不同时期痛风的临床诊断、综合治疗的研究和痛风分型和个体化诊疗技术。常用的口服药物噜唔依基散（刷格痛风颗粒，Shuage Tongfeng Granules，STG），是由和扎哈（黄柏）、刷格禾（生大黄）、格时牯思柏（威灵仙）、喝啥思格补（黄连）、寺格（羌活）、呼叉（川芎）、夷西米（薏苡仁）、日古孜苀唔（金钱草）、苀格（黄芪）、莫各麻哈（蒲公英）、日俄格思柏（山药）、赫勒木依格补（土茯苓）12味药组成，主要起消肿止痛、软坚散结、化石通管、益肺健脾健肾、利水祛毒作用，对不同发病期的痛风，尤其对中重度、难治性痛风具有显著的疗效。本实验旨在优选STG的最佳水提工艺，以没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸含量、干浸膏得率和指纹图谱相似度为评价指标，多指标赋权评分优选水提工艺参数，保证其结果的科学合理。

G1-熵权法[4]是主观赋权法序关系分析法（G1法）与客观赋权法熵权法组合赋权的方法，它既可避免主观的随意性又可增加各指标的内在联系，尤其适合成分复杂并具有内在关联的复方中药研究[5]。反向传播（back propagation，BP）神经网络是一种按误差逆向传播算法训练的多层前馈网络，包括信号前向传播和误差反向传播两个过程，经过反复交替学习训练，得到与最小误差向对应的网络参数，适用于研究复杂的非线性关系[6]。本实验采用L9(34)正交设计，利用G1-熵权法进行权重赋值计算综合评分，再验证正交试验结果和BP神经网络建模预测结果，对STG的最佳水提工艺参数进行寻优。

1 仪器与试药

1.1 仪器

Agilent 1100高效液相色谱仪、Agilent LC-1100 ChemStation色谱工作站、Diamonsil 5 μm C18（250 mm×4.6 mm，1.8 μm）色谱柱，美国安捷伦公司；Mettler Tolepo ME55电子天平，梅特斯-托利多仪器（上海）有限公司；JA1003A电子天平，上海精天电子仪器有限公司；KQ-300DE型数控超声波清洗仪，昆山市超声仪器有限公司；HWS-12型电热恒温水浴锅，上海一恒科学仪器有限公司；FD-1A-50冷冻干燥机，北京博医康试验仪器有限公司。

1.2 试药

对照品没食子酸（批号20032802，质量分数99.04%）、盐酸黄柏碱（批号20051801，质量分数98.48%）、绿原酸（批号20080301，质量分数＞98%）、咖啡酸（批号17011309，质量分数＞98%）、紫花前胡苷（批号18051702，质量分数98%）、盐酸小檗碱（批号20051903，质量分数≥98%），均购自成都康邦生物科技有限公司；对照品芦荟大黄素（批号20042803，质量分数＞98%）、大黄酸（批号20040901，质量分数＞98%），均购自成都麦德生物科技有限公司；屈臣氏水，广州屈臣氏食品饮料有限公司；色谱级甲醇、乙腈，北京迪科马科技有限公司；色谱级磷酸，天津市科密欧化学试剂有限公司。

黄柏（批号171101，芸香科黄柏属植物黄皮树Schncid的干燥树皮）、大黄（批号190701，蓼科大黄属植物掌叶大黄L.的干燥根和根茎）、威灵仙（批号191015，毛茛科铁线莲属植物威灵仙Osbeck.的干燥根和根茎）、黄连（批号190801，毛茛科黄连属植物黄连Franch.的干燥根茎）、羌活（批号190801，伞形科羌活属植物羌活Ting ex H. T. Chang.的干燥根茎和根）、川芎（批号190501，伞形科藁本属植物川芎Hort.的干燥根茎）、薏苡仁（批号190501，禾本科薏苡属植物薏米L. var.(Roman.) Stapf的干燥成熟种仁）、金钱草（批号171101，报春花科珍珠菜属植物过路黄Hance的干燥全草）、黄芪（批号190701，豆科黄芪属植物膜荚黄芪(Fisch.) Bunge的干燥根）、蒲公英（批号191015，菊科蒲公英属植物蒲公英Hand. -Mazz.的干燥全草）、山药（批号190501，薯蓣科薯蓣属植物薯蓣Thunb.的干燥根茎）、土茯苓（批号190801，百合科菝葜属植物光叶菝葜Roxb.的干燥根茎），均购自四川皓博药业有限公司，经西南民族大学张志锋教授鉴定，均为符合《中国药典》2020年版的正品药材。

2 方法与结果

2.1 STG干浸膏的制备及干浸膏得率的测定

按处方配方比（黄柏10 g，大黄10 g，威灵仙10 g，黄连10 g，羌活10 g，川芎10 g，薏苡仁15 g，金钱草15 g，黄芪15 g，蒲公英15 g，山药20 g，土茯苓15 g）称取原药材155 g，先浸泡30 min，再按照正交试验设计方案各条件对其进行提取，滤过，滤液进行浓缩、冷冻干燥成干浸膏，精密称定，计算干浸膏得率[7]。

2.2 干浸膏中8种指标成分的含量测定

2.2.1 色谱条件 Diamonsil 5 μm C18（250 mm×4.6 mm，1.8 μm）色谱柱；以乙腈-0.1%磷酸水溶液为流动相进行梯度洗脱，洗脱条件：0～3 min，5%～17%乙腈；3～13 min，17%～22%乙腈；13～22 min，22%～31%乙腈；22～29 min，31%～36%乙腈；29～32 min，36%～57%乙腈；32～33 min，57%～80%乙腈；33～34 min，80%～95%乙腈；34～37 min，95%乙腈；柱温30 ℃；体积流量1 mL/min；进样量10 μL，检测波长为230 nm。理论塔板数按盐酸小檗碱峰计算不低于4000。

2.2.2 对照品溶液的制备 精密称取没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸8种对照品适量，加甲醇制成分别含1.017、1.022、1.083、1.085、1.037、1.042、1.083、1.026 mg/mL的混合对照品储备液，备用。再取1 mL定容至10 mL作为混合对照品溶液用于HPLC分析。

2.2.3 供试品溶液的制备 精密称取STG各提取工艺的干浸膏1 g置具塞锥形瓶中，精密加入80%甲醇溶液10 mL，密塞，称定质量，超声（100 W、40 kHz）处理30 min，放冷称定，用80%甲醇溶液补足减失质量，摇匀，滤过，取续滤液，滤液过0.22 μm有机滤膜后用于HPLC分析。对照品及供试品HPLC色谱图如图1所示。

2.2.4 线性关系考察 分别精密称取没食子酸10.17 mg、盐酸黄柏碱10.22 mg、绿原酸10.83 mg、咖啡酸10.85 mg、紫花前胡苷10.37 mg、盐酸小檗碱10.42 mg、芦荟大黄素10.83 mg、大黄酸10.26 mg，置10 mL量瓶中，加甲醇定容至刻度，再将混合对照品溶液依次稀释5、10、25、50、100、160、200倍后，过0.22 μm微孔滤膜，按照色谱条件进样10 μL，记录各对照品峰面积。以色谱峰峰面积为纵坐标（），对照品质量浓度为横坐标（）进行线性回归，8种成分的线性回归方程和线性范围结果分别为没食子酸＝74 631－1.466 6，线性范围5.1～203.4 μg/mL，2＝0.999 5；盐酸黄柏碱＝103 131＋26.839，线性范围6.4～204.4 μg/mL，2＝0.999 7；绿原酸＝24 797－5.561 9，线性范围5.4～216.6 μg/mL，2＝0.999 4；咖啡酸＝44 608－3.122 9，线性范围5.4～108.5 μg/mL，2＝0.999 4；紫花前胡苷＝28 607＋43.825，线性范围10.4～207.4 μg/mL，2＝0.999 7；盐酸小檗碱＝28 022＋6.496 8，线性范围10.4～1 042.0 μg/mL，2＝0.999 7；芦荟大黄素＝7 583.8－7.585 6，线性范围6.8～108.3 μg/mL，2＝0.999 1；大黄酸＝23 267＋38.994，线性范围6.4～102.6 μg/mL，2＝0.997 3；各成分在其各自的线性范围内线性关系良好，相关系数2均≥0.997 3。

2.2.5 精密度试验 取各成分质量浓度约为0.1 mg/mL的混合对照品溶液，在“2.2.1”项色谱条件下重复进样6次，每次进样10 μL，结果没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸峰面积的RSD分别为1.26%、0.78%、1.03%、1.21%、0.89%、1.11%、1.06%、1.27%，表明仪器精密度良好。

1-没食子酸 2-盐酸黄柏碱 3-绿原酸 4-咖啡酸 5-紫花前胡苷 6-盐酸小檗碱 7-芦荟大黄素 8-大黄酸

2.2.6 重复性试验 取按“2.1”项下方法制备的STG S1样品，平行制备6份供试品溶液，按“2.2.1”项下色谱条件进样，结果没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸质量分数的RSD分别为1.05%、1.21%、1.08%、1.34%、1.11%、1.18%、1.20%、1.72%，表明方法重复性良好。

2.2.7 稳定性试验 取STG S1供试品溶液分别于制备后0、2、4、8、12 h按“2.2.1”项下色谱条件进样测定，结果没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸峰面积的RSD分别为1.12%、1.07%、1.11%、0.85%、0.96%、1.01%、0.84%、1.15%，表明STG供试品溶液在12 h内稳定。

2.2.8 加样回收率试验 精密称取已测定8种指标成分含量的样品（S1）6份，每份约0.5 g，精密称定，按重复性试验结果计算出来的8个被测成分的含量分别加入对应量的没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸对照品溶液（分别相当于样品中各成分含量的50%），按“2.2.3”项下方法制备供试品溶液，按“2.2.1”项下色谱条件测定。结果没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸的平均回收率分别为92.92%、96.66%、95.34%、97.82%、95.65%、98.84%、95.17%、96.24%，RSD分别为1.27%、0.72%、0.71%、0.69%、1.54%、1.22%、1.48%、1.57%。

2.2.9 STG中多指标成分的含量测定 精密称取正交试验下所得样品1 g，按“2.2.3”项下方法制成供试品溶液，按“2.2.1”项色谱条件下进行测定，计算STG中没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸8种成分的含量。

2.3 指纹图谱的建立

按供试品溶液制备方法及色谱条件进样测定，得到9个水提工艺样品的色谱图。将色谱图导入《中药色谱指纹图谱相似度评价系统》（2012年版）软件进行分析，对照图谱采用中位数法生成，以S5为参照图谱，时间窗宽度设定为0.2 min，全峰匹配，生成9个STG样品的叠加指纹图谱（S1～S9），如图2。并计算相似度，结果见表1。

2.4 多指标的组合赋权

2.4.1 G1法 依据STG复方中配伍原则和功效相关药效物质，确定STG提取物中10个评价指标的顺序关系为（没食子酸）1＝（盐酸黄柏碱）2＝（绿原酸）3＝（咖啡酸）4＝（紫花前胡苷）5＝（盐酸小檗碱）6＝（芦荟大黄素）7＝（大黄酸）8＞（干浸膏量）9＞（相似度）10；并确定各指标的权重评价标度，其中2＝1，3＝1，4＝，5＝1，6＝1，7＝1，8＝1，9＝1.3，10＝1.4[8]，最后按公式（1）计算指标的权重系数（w）。

图2 正交试验9组样品（S1～S9）HPLC指纹图谱

表1 水提工艺正交试验因素水平及结果(, n = 3)

Table 1 Factors level and result of orthogonal test of water extracting technology (, n = 3)

序号A/倍B/hC/次D (误差)y1/(mg∙g−1)y2/(mg∙g−1)y3/(mg∙g−1)y4/(mg∙g−1)y5/(mg∙g−1)y6/(mg∙g−1)y7/(mg∙g−1)y8/(mg∙g−1)y9/%y10Pj S16 (1)1 (1)2 (1)(1)0.792±0.0310.075±0.0031.215±0.0510.180±0.0070.625±0.0313.216±0.1090.102±0.0030.101±0.00513.570.91056.27 S26 (1)2 (2)3 (2)(2)1.754±0.0200.070±0.0031.479±0.0080.168±0.0070.806±0.0163.081±0.1040.336±0.0240.176±0.01119.510.90278.90 S36 (1)3 (3)4 (3)(3)0.562±0.0720.067±0.0060.815±0.0980.161±0.0130.638±0.0622.542±0.2610.222±0.0190.073±0.01021.070.92551.98 S48 (2)1 (1)3 (2)(3)0.507±0.0060.062±0.0090.968±0.0300.149±0.0200.470±0.0292.278±0.0700.163±0.0160.133±0.03019.010.91548.22 S58 (2)2 (2)4 (3)(1)0.573±0.0420.067±0.0051.060±0.0580.162±0.0110.236±0.0034.217±0.3610.256±0.0080.122±0.00523.440.91167.59 S68 (2)3 (3)2 (1)(2)0.862±0.0460.065±0.0051.088±0.1170.157±0.0120.909±0.0283.708±0.0150.135±0.0150.085±0.00616.110.92164.47 S710 (3)1 (1)4 (3)(2)0.788±0.0620.071±0.0071.198±0.1150.170±0.0150.455±0.1453.198±0.4390.222±0.0240.101±0.01314.370.91459.30 S810 (3)2 (2)2 (1)(3)1.395±0.0190.070±0.0001.480±0.0080.167±0.0010.642±0.0052.838±0.0090.081±0.0010.114±0.00014.380.88258.36 S910 (3)3 (3)3 (2)(1)1.001±0.0070.070±0.0011.004±0.0110.168±0.0010.652±0.0034.794±0.0090.203±0.0000.263±0.00123.660.82784.19 K1187.15163.79179.10208.05 K2180.28204.85211.31202.67 K3201.85200.64178.87158.56 R21.5741.0632.4449.49

w＝(1＋r)−1（1）

w－1＝rw，＝,－1, …, 2（为评价指标个数）

2.4.2 熵权法 在该类赋权法中，指标的原始数据熵值越小，提供的信息量就越大，其在综合评价中所起的作用也越大，即所占权重就越大，反之，其所占权重就越小[9]。以此为基础计算STG水提工艺各评价指标的权重系数（w）。具体步骤采用李俊萍等[10]运用的方法。

2.4.3 组合权重的确定 由G1法得到的主观权重为1，熵权法得到的客观权重为2，则组合权重（w）按公式（2）进行计算[11]。

w＝1j2j/1j2j（2）

2.5 正交试验优化STG水提工艺参数

2.5.1 正交试验设计与结果 按处方配方比例称取STG处方药材共155 g，选择料液比（A）、提取时间（B）、提取次数（C）作为考察因素，设计3因素3水平的L9(34)正交试验。结合G1-熵权法对没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸的含量（1～8）与干浸膏得率（9）以及指纹图谱相似度（10）进行综合评分计算，正交因素水平见表1。

采用G1-熵权法对STG的多指标成分含量、干浸膏得率和相似度进行综合评分（P），P依据公式（3）进行计算[12]。STG提取各评价指标的权重值见表2，提取工艺正交试验结果见表1，提取工艺方差分析见表3。

P＝(100 wy)/ymax（3）

表2 水提工艺评价指标的权重值

Table 2 Weight values of evaluation indicators for extraction technology

评价指标w1w2w组合 没食子酸含量0.500 00.223 50.142 8 盐酸黄柏碱含量0.500 00.003 70.002 4 绿原酸含量0.500 00.044 60.028 5 咖啡酸含量0.500 00.003 50.002 2 紫花前胡苷含量0.500 00.138 00.088 2 盐酸小檗碱含量0.500 00.667 00.426 1 芦荟大黄素含量0.500 00.210 00.134 2 大黄酸含量0.500 00.206 20.131 7 干浸膏得率0.384 60.053 70.026 4 相似度0.274 70.050 10.017 6

表3 水提工艺参数方差分析

Table 3 Variance analysis of extraction technology

方差来源离差平方和自由度均方F值显著性 A80.950 2240.475 10.164 7无 B340.174 52170.087 20.692 1无 C232.210 12116.105 00.472 4无 D (误差)491.544 12245.772 0

2.5.2 正交试验结果分析 由表1直观分析可知，各因素对实验结果综合评分的作用主次为B＞C＞A，且B2＞B3＞B1，C2＞C1＞C3，A3＞A1＞A2；由方差分析可知，各因素在α＝0.05时对实验结果的综合评分均无显著性影响，可能是因为实验设计方案兼顾传统中药煎煮条件，所设置的因素水平间距不大，所得结果差异不显著。为了最大限度地提取出该复方的起效物质，保证临床疗效，选取各因素较高水平组合A3B2C2为最佳水提工艺，即加10倍量的水煎煮3次，每次2 h。

2.6 BP神经网络建模及寻优

2.6.1 模型建立 本实验采用3层结构的BP神经网络建立模型，输入节点数为3个，即加水量（A）、提取时间（B）、提取次数（C），输出节点数为1个，即综合评分。

2.6.2 网络训练及参数 BP算法以误差平方为目标函数，使用梯度下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。此时经过训练的神经网络能对类似样本的输入信息自行处理，输出误差最小的经过非线性转换的信息[13]。采用上述确定的BP网络结构，使用Visio Studio 2017编程软件进行语言编程，选择双曲正切传递函数（tansig）作为隐含层传递函数，线性传递函数（sigmoid）作为输出层传递函数，设置隐含层1个，通过对含不同神经元数的网络进行训练对比，采用梯度下降算法对新建BP网络进行训练，设定网络训练参数值，最大训练次数为5 000 000次，训练精度为0.001，学习率为0.8，采用均方误差（MSE）评估神经网络模型的预测性能（MSE为0.001 22）。使用sim仿真函数进行仿真输出网络预测，使用正交试验样本数据作为网络输入，对训练好的网络进行测试，测试结果表明，网络的预测性能良好，网络的期望输出和实际输出的相对误差小于1%，表明训练后的网络预测性能良好，可用于STG水提工艺参数的预测。

2.6.3 STG水提工艺参数的BP神经网络预测 在训练得到网络参数的基础上，输入新的条件，即加水量为6～12倍（步长为2），提取时间为1～4 h（步长为1），提取次数为1～4（步长为1），通过BP神经网络建模并预测可得到64个条件下的综合评分，从中筛选出最佳水提工艺，结果见表4。BP神经网络预测得到STG的最佳水提工艺在第45、49、50、53、54、57～64号条件下综合评分一样高，考虑实际生产工艺特点，最终确定最佳水提工艺为料液比1∶12，提取2次，每次3 h。

2.7 验证试验

将以上2种分析方法得到的最佳水提工艺结果分别进行工艺验证试验，测定没食子酸、盐酸黄柏碱、绿原酸、咖啡酸、紫花前胡苷、盐酸小檗碱、芦荟大黄素、大黄酸的含量与干浸膏得率以及相似度，计算其P，并将其结果进行对比，从而最终确定STG的最佳水提工艺，验证实验结果见表5。从上述验证实验结果可知，正交试验分析得到最佳水提工艺的综合得分略低于BP神经网络建模得到最佳水提工艺的综合得分，故最终确定该STG的最佳水提工艺参数为料液比1∶12，提取2次，每次3 h。

表4 BP神经网络预测结果

Table 4 Prediction results of BP neural network

编号A/倍B/hC/次Pj编号A/倍B/hC/次Pj 16110.001 950121284.190 0 261256.270 7…………… 361381.017 053122184.190 0 461478.984 954122284.190 0 ………………………… 258310.247 257123184.190 0 2683264.468 758123284.190 0 2783375.315 559123384.190 0 2883451.069 560123484.190 0 ……………61124184.190 0 45104184.190 062124284.190 0 46104284.189 963124384.190 0 ……………64124484.190 0 49121184.190 0

3 讨论

STG具有消肿止痛、软坚散结、化石通管、益肺健脾健肾、利水祛毒作用，对于不同发病期的痛风，尤其对中重度、难治性痛风以及痛风的康复具有特别的疗效。水提工艺考察时选择了8种成分的含量纳入考核指标，其中，没食子酸是处方大黄中的主要有效成分之一，其具有抗炎、抗氧化、抗菌、抗病毒等多种生物活性[14]；盐酸黄柏碱是黄柏中主要药效成分之一，具有抗菌抗炎、抗痛风、抗肿瘤等药理活性[15-16]；绿原酸作为一种水溶性酚类化合物，在植物界中分布广泛，具有抗菌、抗病毒、抗肿瘤、抗氧化和抗炎以及治疗代谢类疾病等多种药理作用[17]；咖啡酸是一类在植物中分布非常广泛的次级代谢产物，具有抗病毒活性、抑菌、抗感染、心脑血管疾病、抗肝纤维化和保肝作用、抗肿瘤作用[18]；紫花前胡苷是一种线型四氢呋喃型香豆素苷类化合物，对治疗功能控制障碍、细菌感染、疼痛、腹泻、维生素E缺乏和放松子宫有效[19]；盐酸小檗碱是处方黄连、黄柏中的主要有效成分，其具有抗菌消炎、抗肿瘤、调血脂、降糖、神经调节等作用[20]；芦荟大黄素、大黄酸属于大黄蒽醌类衍生物，芦荟大黄素能抗菌、防护肝损伤及抗癌等，大黄酸能抗肿瘤及抗炎等[21]。它们均是刷格痛风方中的关键药效物质。由于此方制成颗粒剂，亦要考虑出膏量。兼顾药效成分与干浸膏得率，结合指纹图谱的相似度，选择它们的综合评分为评价指标，可以更合理的确定STG的水提工艺。

表5 验证试验结果(n = 3)

Table 5 Verification test results (n = 3)

分析方法y1/(mg∙g−1)y2/(mg∙g−1)y3/(mg∙g−1)y4/(mg∙g−1)y5/(mg∙g−1)y6/(mg∙g−1)y7/(mg∙g−1)y8/(mg∙g−1)y9/%y10Pj平均值RSD/% 正交试验1.126 80.069 71.226 00.163 90.645 73.989 10.208 80.206 523.520.91376.7478.101.77 1.101 30.070 01.203 80.167 80.651 14.092 20.201 40.253 123.580.90779.50 1.121 00.068 21.282 10.171 50.656 33.909 20.227 20.227 923.820.91778.05 BP神经网1.314 20.072 71.316 80.168 80.792 34.217 00.256 20.212 322.780.89383.9784.380.74 络建模1.266 70.071 61.269 30.162 90.705 34.533 00.237 20.220 222.850.89885.10 1.155 40.686 71.265 80.163 20.689 74.417 20.218 80.217 222.830.89284.06

G1法是在层次分析法的基础上改进的一种主观赋权法，具有计算速度快、无需一致性检验、同一层次中元素个数的伸展性强、具有保序性等优点[4]。熵权法是基于“差异驱动”原理，以各指标原始数据所提供信息量求得最优权重来反映信息熵值的效用价值的客观赋权法[22]。其最大优点是避免了人为影响因素，使给出的指标权重更具客观性，因此具有较高的重现性和可靠性[4]。G1法和熵权法的组合赋权方法计算各指标的权重，可兼顾主观赋权解释性较强、客观赋权准确性高的优点，使综合权重赋予更加合理，避免了单一指标评价复方制剂的局限性和片面性，使评分更全面，更符合实际；BP神经网络是目前应用最广泛的神经网络模型之一，具有任意复杂的模式分类能力和优良的多维函数映射能力，具有柔性的网络结构，网络的中间层数、各层的神经元个数可以根据具体情况任意设定，而且该网络模型能够以任意精度逼近任意连续函数，训练算法简单明确、学习速度快、计算量小、非线性映射能力强，为多维非线性系统参数优化提供了选择[23]。并且它从整个试验区间进行考虑，对试验中各因素的变化规律做出准确的描述，优选出最佳参数，基于少量实验数据即可准确预测更多方案，便捷可靠。将传统的方法正交试验，与BP人工神经网络相结合，可充分发掘试验信息，进行仿真和优化，对试验各主要因素的变化进行仿真分析，模拟试验过程，反映各因素的变化规律，获得多因素连续区域中的最优组合[24]。

痛风的发病率逐年上升，且复发率高，给患者带来巨大的痛苦和经济负担，已成为严重的社会问题。西医治疗痛风以秋水仙碱、非甾体抗炎药、糖皮质激素为主，但难以根治且不良反应较多[25]。民族医药是我国传统医药的重要组成部分，各族人民几千年来总结出的用药经验，经验方、治疗方法对于很多常见多发病、疑难杂症有很好的治疗效果，同时具有较高的安全性，应用先进的现代分析方法及技术对民族药进行研究，为更好的深入挖掘、开发利用民族药奠定基础，让民族医药更广泛的被人们所应用，从而更好地为人类健康服务，更好地彰显中华民族传统瑰宝的价值。

利益冲突 所有作者均声明不存在利益冲突

[1] Robinson P C, Dalbeth N. Advances in pharmacotherapy for the treatment of gout [J]., 2015, 16(4): 533-546.

[2] Dehlin M, Jacobsson L, Roddy E. Global epidemiology of gout: Prevalence, incidence, treatment patterns and risk factors [J]., 2020, 16(7): 380-390.

[3] 魏蔼玲, 袁明昊, 刘娟汝, 等. 中药在痛风疾病中的应用及其作用机制研究进展 [J]. 中国实验方剂学杂志, 2020, 26(19): 225-234.

[4] 王继龙, 魏舒畅, 刘永琦, 等. 基于G1-熵权法和正交设计优选黄芪百合颗粒的提取纯化工艺 [J]. 中草药, 2018, 49(3): 596-603.

[5] 柳兰, 李雅, 郭志华, 等. Box-Behnken响应面法结合G1-熵权法的理气活血复方浸膏喷雾干燥工艺研究 [J]. 中草药, 2019, 50(11): 2560-2566.

[6] 易丽娟, 李雅, 邹苏兰, 等. 基于正交试验设计与BP神经网络优化益气活血方水提工艺研究 [J]. 中草药, 2019, 50(18): 4305-4312.

[7] Xu W B, Yang Y Y, Dai C W,. Optimization of spinning parameters of 20/316L bimetal composite tube based on orthogonal test [J]., 2020, 27(1): 272-279.

[8] 刘建, 郑双忠, 邓云峰, 等. 基于G1法的应急能力评估指标权重的确定 [J]. 中国安全科学学报, 2006, 16(1): 30-33.

[9] 陈方圆, 王继龙, 魏舒畅, 等. 基于Box-Behnken响应面法结合G1-熵权法的黄芪百合颗粒浸膏减压干燥工艺研究 [J]. 中草药, 2018, 49(21): 5100-5106.

[10] 李俊萍, 张爽, 王谦博, 等. 基于G1-熵权法和正交设计多指标优化刺五加提取工艺 [J]. 中国新药杂志, 2019, 28(7): 871-876.

[11] 曹苗苗, 许明君, 于桂芳, 等. G1-熵权法联合响应面法优选百清胶囊浸膏的减压干燥工艺 [J]. 西北药学杂志, 2020, 35(2): 196-200.

[12] 易丽娟, 邹苏兰, 柳兰, 等. 基于G1-熵权法和响应面设计优化益气活血方醇提工艺 [J]. 中国中医药信息杂志, 2019, 26(7): 73-78.

[13] 马建春, 李勇. 正交试验和人工神经网络模型优化通痹凝胶贴剂提取工艺 [J]. 药学研究, 2019, 38(4): 201-204.

[14] 郑雪花, 杨君, 杨跃辉. 没食子酸药理作用的研究进展 [J]. 中国医院药学杂志, 2017, 37(1): 94-98.

[15] 付媛媛, 蒋玉兰, 单鸣秋, 等. 盐黄柏饮片与易黄汤的特征图谱与主要成分测定研究 [J]. 中草药, 2020, 51(10): 2790-2797.

[16] 高妍, 周海芳, 刘朵, 等. 黄柏化学成分分析及其药理作用研究进展 [J]. 亚太传统医药, 2019, 15(4): 207-209.

[17] 王庆华, 杜婷婷, 张智慧, 等. 绿原酸的药理作用及机制研究进展 [J]. 药学学报, 2020, 55(10): 2273-2280.

[18] 包伊凡, 沈新春, 汪芳. 咖啡酸及其主要衍生物的研究进展及开发前景 [J]. 天然产物研究与开发, 2018, 30(10): 1825-1833.

[19] Lee N Y, Chung K S, Jin J S,. The inhibitory effect of nodakenin on mast-cell-mediated allergic inflammation via downregulation of NF-κB and caspase-1 activation [J]., 2017, 118(11): 3993-4001.

[20] 张磊. 小檗碱与葛根素的合成以及急性毒性、相关药效学研究 [D]. 广州: 广州中医药大学, 2015.

[21] 熊兴富. 中药大黄主要有效成分药理学研究进展 [J]. 中医临床研究, 2014, 6(10): 143-146.

[22] Du Y P, Zhang Y, Zhao X G,. Risk evaluation of bogie system based on extension theory and entropy weight method [J]., 2014, 2014: 195752.

[23] 张超, 韩丽, 杨秀梅, 等. BP神经网络结合正交试验优化苦参方中荆芥挥发油的提取工艺 [J]. 中成药, 2015, 37(1): 70-74.

[24] 江华娟, 何瑶, 陈意, 等. BP神经网络结合熵权法多指标优化四物汤水提工艺 [J]. 中草药, 2019, 50(18): 4313-4319.

[25] 李强, 于萍. 痛风的诊断与治疗 [J]. 国际内分泌代谢杂志, 2011, 31(5): 289-291.

Contrast optimization of water extracting technology parameters of Shuage Tongfeng Granules based on BP neural network and orthogonal test combined with G1-entropy weight method

JI BU Xiao-qing1, LI Li1, RUAN Jing-hua3, ZHAO Ri-za1, FENG Wei-guo2, ZHANG Zhi-feng1, 4

1. Qinghai-Tibet Plateau Research Institute, College of Pharmmacy, Southwest Minzu University, Chengdu 610041, China 2. Beichuan Zhongqiang Medical Hospital, Mianyang 622753, China 3. First Affiliated Hospital of Guizhou University of Traditional Chinese Medicine, Guiyang 550001, China 4. Sichuan Engineering Laboratory of Qiang-Yi Medicinal Resources Protection and Utilization Technology, Chengdu 610225, China

The water extraction technology parameters of Shuage Tongfeng Granules (刷格痛风颗粒, STG) were optimized by multi-index comprehensive score of orthogonal test and BP neural network.Orthogonal test design was adopted using the solid-liquid ratio, extraction time and extraction times as investigation factors, and the contents of gallic acid, phellodendrine chloride, chlorogenic acid, caffeic acid, nodakenin, berberine hydrochloride, aloe-emodin, rhein, dried extraction yield and fingerprint similarity were used as evaluation indexes. And the comprehensive scores were obtained by G1-entropy weight method. The optimal water extraction parameters of STG were obtained by comparing orthogonal test analysis and BP neural network modeling simulation optimization.Based on the comparison of the two analytical methods, it was found that the comprehensive score of the optimal water extraction parameters obtained by orthogonal test analysis was slightly lower than that obtained by BP neural network modeling. The optimal water extraction parameters were determined as follows: the solid-liquid ratio was 1:12, and extracted twice for 3 h each time.The optimized water extraction parameters of STG is stable and feasible, and the orthogonal test combined with BP neural network is efficient and reliable, which provides new ideas and references for the development and modernization of compound preparation of Chinese medicine.

Qiang medicine; Shuage Tongfeng Granules; G1-entropy weight method; orthogonal test; BP neural network; gallic acid; phellodendrine chloride; chlorogenic acid; caffeic acid; nodakenin; berberine hydrochloride; aloe-emodin; rhein acid; fingerprint; similarity

R283.6

A

0253 - 2670(2022)04 - 1051 - 08

10.7501/j.issn.0253-2670.2022.04.011

2021-09-05

国家重点研发计划课题（2019YFC1712503）；四川省科技厅区域创新合作项目（2020YFQ0007）；西南民族大学研究生创新型科研项目（CX2021SZ85）

吉部肖情（1995—），男，硕士研究生，主要从事中药资源品质评价相关研究。Tel: 17713563534 E-mail: 602511447@qq.com

张志锋，教授，主要从事中药资源品质评价相关研究。E-mail: zhangzhf99@gmail.com

[责任编辑 郑礼胜]