利用组分量化和可视化分析预测优化药物功能的方法技术

本发明专利技术提供一种利用组分量化和可视化分析预测优化药物功能的方法，包括：S1，建立树型存储结构；S2，得到特定药物M的各组分的子网络映射图；S3，将各子网络映射图相互关联，得到总网络映射图；S4，计算x个组分的映射系数；S5，通过各个组分的映射系数值的大小预测组分在特定质量配比下可能发挥的药效作用。本发明专利技术将组分量化和图形可视化结合起来，然后通过本发明专利技术提供的公式可以计算出单一物质或多组分物质的映射系数，该映射系数通过量化多种物质的综合药效信息及其相互关联性，从而直观的分析预测优化物质的药效；并通过临床实验验证了本发明专利技术映射系数的有效性和可靠性；从而为药物研究提供了一种新思路。

【技术实现步骤摘要】

本专利技术属于生物信息和医药研发
，具体涉及一种。
技术介绍
目前，在医药研发领域，对多组分药物药效的研究方法主要为根据经验确定组分及组分间配比，然后对药物进行多次动物试验；在动物试验成功后再应用于临床实验，根据临床实验结果确定该药物所具有的药效。但是，由于物质间相生或相克等作用非常复杂，一旦药物中某一组分的量发生变化时，就需要重新开始上述的研究过程，因此，药物的研究工作是一件非常费时费力的事情。对于最初确定药物的组分及组分间配比，由于仅仅是凭借经验，有时会导致药物研究的盲目性。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供一种，将组分量化和图形可视化结合起来，并根据计算得到的映射系数分析预测优化物质的药效，从而为药物研究提供了一种新思路。本专利技术采用的技术方案如下本专利技术提供一种，包括以下步骤SI，建立树型存储结构，所述树型存储结构包括根结点、第一层子结点、第二层子结点和第三层子结点；其中，所述第一层子结点为所述根结点的直接子结点，所述第二层子结点为所述第一层子结点的直接子结点，所述第三层子结点为所述第二层子结点的直接子结点；所述第一层子结点用于存储与各种类型的疾病分类分别对应的疾病代码； 所述第二层子结点用于存储与各种总药效名称分别对应的功能代码；所述总药效名称指药物与机体相互作用产生的总反应名称；所述第三层子结点用于存储各种子药效名称；所述子药效名称指药物与机体相互作用产生的子反应名称；其中，具有父子关系的第一疾病代码、第一功能代码和第一子药效名称的关系为所述第一疾病代码代表第一疾病、所述第一功能代码代表第一总药效；所述第一子药效名称代表第一子药效；当患有第一疾病的机体食用指定药物后，该指定药物与机体作用后产生第一子药效，第一子药效属于第一总药效更细化的药效；而第一子药效为治疗第一疾病的途径和环节；S2，特定药物M的组分名称为集合Paii = {Pi，P2，. . .PJ ;其中，n彡I ;各组分在特定药物M中的对应质量分数为集合Kaii = IK1, K2,... KJ ;当接收到任意的包含X个组分的组分名称集合P = (P1, P2, PJ以及对应的质量分数集合K = (K1, K2, . . . KJ时，其中，X ^n, P C Pm K C Km ;对该集合P中的每一个组分Pi,均执行以下操作,得到子网络映射图集合 W = Iff1, W2, ... Wi, ... WJ ;根据已有药物与药效关系的信息，构建与该组分Pi相关的一个以上指定子药效名称；再以各个指定子药效名称为关键词，根据Si得到的所述树型存储结构，获得子网络映射图Wi,所述子网络映射图Wi是以组分Pi为根结点的三层树状分散图，从内向外包括第一层结点、第二层结点和第三层结点；第三层结点即为所述各个指定子药效名称；第三层结点在所述树型存储结构中具有父子关系的第二层子结点即为第二层结点；第二层结点在所述树型存储结构中具有父子关系的第一层子结点即为第一层结点；S3，将子网络映射图集合W = (W1, W2，... Wi,... WJ中的X个子网络映射图相互关联，处于同一层结点中的各个组分对应的相同结点合并，得到总网络映射图；其中，同一层结点中合并后的结点称为共享结点；S4，根据下列公式计算所述X个组分的映射系数MC ； 权利要求1.一种，其特征在于，包括以下步骤 SI，建立树型存储结构，所述树型存储结构包括根结点、第一层子结点、第二层子结点和第三层子结点；其中，所述第一层子结点为所述根结点的直接子结点，所述第二层子结点为所述第一层子结点的直接子结点，所述第三层子结点为所述第二层子结点的直接子结占. 所述第一层子结点用于存储与各种类型的疾病分类分别对应的疾病代码； 所述第二层子结点用于存储与各种总药效名称分别对应的功能代码；所述总药效名称指药物与机体相互作用产生的总反应名称； 所述第三层子结点用于存储各种子药效名称；所述子药效名称指药物与机体相互作用产生的子反应名称； 其中，具有父子关系的第一疾病代码、第一功能代码和第一子药效名称的关系为所述第一疾病代码代表第一疾病、所述第一功能代码代表第一总药效；所述第一子药效名称代表第一子药效；当患有第一疾病的机体食用指定药物后，该指定药物与机体作用后产生第一子药效，第一子药效属于第一总药效更细化的药效；而第一子药效为治疗第一疾病的途径和环节； S2，特定药物M的组分名称为集合Paii =的，己，...PJ ;其中，n彡I ;各组分在特定药物M中的对应质量分数为集合Kaii = (K1, K2,... Kj ;当接收到任意的包含X个组分的组分名称集合P= (PijP2^--PJ以及对应的质量分数集合K = IK1, K2,... KJ时，其中，X彡n，P<^ Paiic 14//;对该集合P中的每一个组分Pi，均执行以下操作，得到子网络映射图集合 W= (W1, W2,... Wi,... WJ ； 根据已有药物与药效关系的信息，构建与该组分Pi相关的一个以上指定子药效名称；再以各个指定子药效名称为关键词，根据Si得到的所述树型存储结构，获得子网络映射图Wi,所述子网络映射图Wi是以组分Pi为根结点的三层树状分散图，从内向外包括第一层结点、第二层结点和第三层结点；第三层结点即为所述各个指定子药效名称；第三层结点在所述树型存储结构中具有父子关系的第二层子结点即为第二层结点；第二层结点在所述树型存储结构中具有父子关系的第一层子结点即为第一层结点； S3，将子网络映射图集合W = (WpW2PuWiMuWJ中的X个子网络映射图相互关联，处于同一层结点中的各个组分对应的相同结点合并，得到总网络映射图；其中，同一层结点中合并后的结点称为共享结点； S4，根据下列公式计算所述X个组分的映射系数MC ； ,X Vi、 MC= X^-Ec/10& G'i V " -/=1J2.根据权利要求I所述的，其特征在于，S2中，所述已有药物与药效关系的信息来源于各种已知的实验数据。3.根据权利要求I所述的，其特征在于，S4中,对于四气特征向量Ri = (ri1、;^2、;^3、;^4),当rj为温属性时,rj = I表示该组分温属性程度为微温，iV = 2表示该组分温属性程度为温；当为热属性时，= I表示该组分热属性程度为热，iV = 2表示该组分热属性程度为大热；当为寒属性时，iV =I表示该组分寒属性程度为寒，r,J = 2表示该组分寒属性程度为大寒；当为凉属性时，iV = I表示该组分凉属性程度为微凉，r,J = 2表示该组分凉属性程度为凉； 对于五味和毒性特征向量Ti = (t/.t^tAtAtAt,6)，当V_为辛属性时，V_ = I表示该组分辛属性程度为微辛，V_ = 2表示该组分辛属性程度为辛；当为甘属性时，=I表示该组分甘属性程度为微甘，t,J = 2表示该组分甘属性程度为甘；当为苦属性时，= I表示该组分苦属性程度为微苦，= 2表示该组分苦属性程度为苦；当为咸属性时，= I表示该组分咸属性程度为微咸，t J = 2表示该组分咸属性程度为咸；当为毒性属性时，= I表示该组分毒性属性程度为微毒性，= 2表示该组分毒性属性程度为毒性。 对于归经特本文档来自技高网...

【技术保护点】
一种利用组分量化和可视化分析预测优化药物功能的方法，其特征在于，包括以下步骤：S1，建立树型存储结构，所述树型存储结构包括根结点、第一层子结点、第二层子结点和第三层子结点；其中，所述第一层子结点为所述根结点的直接子结点，所述第二层子结点为所述第一层子结点的直接子结点，所述第三层子结点为所述第二层子结点的直接子结点；所述第一层子结点用于存储与各种类型的疾病分类分别对应的疾病代码；所述第二层子结点用于存储与各种总药效名称分别对应的功能代码；所述总药效名称指药物与机体相互作用产生的总反应名称；所述第三层子结点用于存储各种子药效名称；所述子药效名称指药物与机体相互作用产生的子反应名称；其中，具有父子关系的第一疾病代码、第一功能代码和第一子药效名称的关系为：所述第一疾病代码代表第一疾病、所述第一功能代码代表第一总药效；所述第一子药效名称代表第一子药效；当患有第一疾病的机体食用指定药物后，该指定药物与机体作用后产生第一子药效，第一子药效属于第一总药效更细化的药效；而第一子药效为治疗第一疾病的途径和环节；S2，特定药物M的组分名称为集合PAll＝{P1，P2，...Pn}；其中，n≥1；各组分在特定药物M中的对应质量分数为集合KAll＝{K1，K2，...Kn}；当接收到任意的包含x个组分的组分名称集合P＝{P1，P2，...Px}以及对应的质量分数集合K＝{K1，K2，...Kx}时，其中，x≤n，对该集合P中的每一个组分Pi，均执行以下操作，得到子网络映射图集合W＝{W1，W2，...Wi，...Wx}；根据已有药物与药效关系的信息，构建与该组分Pi相关的一个以上指定子药效名称；再以各个指定子药效名称为关键词，根据S1得到的所述树型存储结构，获得子网络映射图Wi，所述子网络映射图Wi是以组分Pi为根结点的三层树状分散图，从内向外包括第一层结点、第二层结点和第三层结点；第三层结点即为所述各个指定子药效名称；第三层结点在所述树型存储结构中具有父子关系的第二层子结点即为第二层结点；第二层结点在所述树型存储结构中具有父子关系的第一层子结点即为第一层结点；S3，将子网络映射图集合W＝{W1，W2，...Wi，...Wx}中的x个子网络映射图相互关联，处于同一层结点中的各个组分对应的相同结点合并，得到总网络映射图；其中，同一层结点中合并后的结点称为共享结点；S4，根据下列公式计算所述x个组分的映射系数MC；MC=(Σi=1xkiΣj=1yiCjilog2Gji)·exp(Σi=1x·(x-1)2L(Di)·FiΣi=1xyiBi)·log10(Σa,b∈{1,2,...,x}(ka+kb)(Σh=14(rahrbh)+Σh=16(tahtbh))Σh=112(qahqbh))其中，所述集合P中的所述组分Pi在其对应的子网络映射图Wi上共有yi个第一层结点，构成的集合为对该DCi集合中的每个第一层结点该直接连接的第二层结点总数为yi个第一层结点分别直接连接的第二层结点总数构成集合每个第一层结点上间接连接的第三层结点总数为yi个第一层结点分别间接连接的第三层结点总数构成集合其中j＝(1，2，...，yi)。在集合P＝{P1，P2，...Px}中，任选2个不同组分的所有可能组合，构成集合PC＝{(P1，P2)，(P1，P3)，...，(Px？1，Px)}，其中集合PC中元素总数为：Cx2=x·(x-1)2;对于集合PC中的每个元素，对应两个组分：组分Pi和组分Pj，其中i，j＝(1，2，...，x)且i≠j，组分Pi和组分Pj在总网络映射图中共享的第一层结点所组成的集合为Ds，L(Ds)表示Ds中的结点总数，其中则集合PC中所有元素对应的Ds组成的集合为：D={D1,D2,...,Dx·(x-1)2};对集合D中的每个元素Ds分别执行以下操作，得到集合：F={F1,F2,...,Fx·(x-1)2};集合F中任一元素Fi为Ei与Ej的和，其中，Ds中的任一元素为组分Pi和组分Pj在总网络映射图中共享的第一层结点，Ei为组分Pi在子网络映射图Wi中的直接子结点总数，Ej为组分Pj在子网络映射图Wj中的直接子结点总数；yi表示组分Pi在子映射网络Wi上的第一层结点总数，Bi表示组分Pi在子映射网络Wi上的第二层结点...

【技术特征摘要】

【专利技术属性】
技术研发人员：杨晔宏，黄卉，
申请(专利权)人：杨晔宏，黄卉，
类型：发明
国别省市：