基于ANNs和SVR的姜黃總提物抗腫瘤活性成分辨識(shí)研究.pdf

1、姜科植物姜黃Curcuma longa L.具有很高的食用和藥用價(jià)值,姜黃揮發(fā)油和姜黃素類(lèi)是其抗腫瘤主要藥效部位。本文以包含姜黃素類(lèi)和揮發(fā)油類(lèi)的姜黃總提物(turmeric total extracts,TTE)為研究對(duì)象,利用特征選擇識(shí)別活性成分,為姜黃抗腫瘤新藥開(kāi)發(fā)奠定基礎(chǔ)。主要研究工作如下:
　　1.建立了6種TTE提取方法和6種優(yōu)化方案,通過(guò)提取率對(duì)比及成分分析,最終確立TTE提取方法為:無(wú)水乙醇超聲提取,料液比1:5,提

2、取2次,每次15min。利用此方法提取了48批姜黃藥材,提取率范圍為4.53％~11.55%(g/g, TTE/藥材)。
　　2.采用HPLC-MS(由課題組同學(xué)完成)和GC-MS分析48批TTE化學(xué)組成,定性了18種非揮發(fā)性組分和19種揮發(fā)性組分,同時(shí)分別以異槲皮苷(isoquercitrin,s2)和正十三烷(n-tridecane,s1)為內(nèi)標(biāo)物,定量了22種非揮發(fā)性組分和21種揮發(fā)性組分。另外采用 MTT法檢測(cè)了48批次T

3、TE對(duì)宮頸癌HeLa細(xì)胞的毒性,抑制率最低為42.4%(樣品19),最高為86.3%(樣品43)。
　　3.采用支持向量機(jī)回歸(SVR)和神經(jīng)網(wǎng)絡(luò)(ANNs)中的BPNN、GRNN并結(jié)合參數(shù)優(yōu)化算法(PSO粒子群算法、GA遺傳算法、GS網(wǎng)格算法和k-fold交叉驗(yàn)證)為T(mén)TE建立組分和藥效的關(guān)系(composition-activity relationship,CAR)模型。經(jīng)比較誤差(RMSE,RSE)和相關(guān)系數(shù)(R)得出GA

4、-SVR為最佳模型(測(cè)試數(shù)據(jù)集的RMSE,RSE和R分別為0.013,0.021和0.979),其次是GRNN模型(測(cè)試數(shù)據(jù)集的RMSE,RSE和R分別為0.015,0.024和0.970)。
　　4.利用平均影響值(mean impact value,MIV)分別結(jié)合GA-SVR和GRNN從TTE中識(shí)別出了13種具有顯著抗腫瘤活性的化學(xué)成分,其中包括6種揮發(fā)性成分(ar-turmerone,α-turmerone,β-turme

5、rone,ar-curcumene,β-sesquiphellandrene和α-zingiberene)和7種非揮發(fā)性成分( demethoxycurcumin, curcumin, bisdemethoxycurcumin,cyclocurcumin,demethoxycyclocurcumin和兩種未知成分)。除了兩種未知成分以外,其它11種成分均有抗腫瘤方面的文獻(xiàn)報(bào)道。據(jù)此說(shuō)明了辨識(shí)結(jié)果的可靠性,并為其它中藥的活性成分識(shí)別提供參