一种治疗慢性支气管炎中药的机理分析方法与流程

1.本发明属于数据挖掘领域和网络药理学领域，具体涉及一种治疗慢性支气管炎中药的机理分析方法。


背景技术：

2.传统的中医药科学在长期的医疗实践中积累了海量的处方数据，但中医药处方是一个非线性、多维、复杂且庞大的系统，传统的数据分析手段难以满足现代对中医药处方信息化的需求，而数据挖掘技术因其适应复杂、多维系统的特性，成为目前最有效的中医药处方数据分析的手段之一，利用数据挖掘技术从这些海量数据中发现蕴含其中的中医药知识，是一项极有价值的研究工作。
3.目前在中医药处方数据的探究过程中，如果单单只有数据挖掘方法作为用药规律的探索，为中医提供用药参考的话会缺少一定的理论支持。21世纪以来，生物分子网络作为复杂生物系统整体性、信息化的表征方式，成为生物信息学、系统生物学等交叉学科的研究焦点，网络药理学一经提出，即被认为是“下一代的药物研究模式”，中药与网络药理学理论的结合，成为了分析中药疗效机制的重要手段，也构建了连接中医药与西医理论的桥梁。因此，在数据挖掘深度分析的基础上，再通过网络药理学就可以更好的分析中药与疾病之间的关系，并且能够为中医学从基于经验迈向基于证据提供新的途径，加速中药药物发现的进程，改进当前的处方药物研究策略，同时也为新药的研发提供理论基础。
4.慢性支气管炎是指气管、支气管黏膜及其周围组织的慢性非特异性呼吸系统疾病，其主要临床表现为咳嗽、咯痰或者伴有喘息及反复发作等症状。该病为我国常见病、多发病、难治病之一，尤其以老年人多见，其发病人数占老年人总数的10～15％，且发病率呈逐年上升的趋势。对于慢性支气管炎临床较多采取西药治疗，因为该种模式起效快，但容易导致较多不良反应，且复发率高，因此需要找到一种更为有效的治疗模式。中医内科治理方式是一种以中医药物开展治疗模式，具有长期治疗、安全性高的优点，也因此，对慢性支气管炎的防治一直都是中医界较为重视的研究课题。


技术实现要素：

5.基于现有技术中存在的上述缺点和不足，本发明的目的是提供一种治疗慢性支气管炎中药的机理分析方法，通过数据挖掘算法分析大量中药处方，获得高度关联的中药药方组合，再运用中药网络药理学知识，将复杂网络分析技术和大数据技术有效结合起来，分析中药中具体活性成分的潜在作用靶点，填补了目前中药治疗慢性支气管炎的作用机制说明的空白，同时也为发掘潜在作用机制提供新思路，为后续新药的研发提供理论基础。
6.为了达到上述发明目的，本发明采用以下技术方案：
7.一种治疗慢性支气管炎中药的机理分析方法，包括以下步骤：
8.s1、以慢性支气管炎为关键字，对中药药方数据进行数据挖掘，获取合理的中药组合；
9.s2、分别以中药组合的各种中药为关键字检索，得到中药活性成分及其中药相关靶点；
10.s3、挖掘genecards数据库、omim数据库、ttd数据库，获取慢性支气管炎相关靶点；
11.s4、将中药相关靶点与慢性支气管炎相关靶点进行向量交集intersect运算，得到中药
‑
慢性支气管炎共同靶点，并将中药
‑
慢性支气管炎共同靶点上传至string数据库以构建ppi网络，根据靶点间相互作用强度筛选得到核心靶点；
12.s5、构建中药、活性成分、核心靶点、疾病之间的调控拓扑网络图，以从整体层面展现中药的作用路径；
13.s6、将慢性支气管炎相关靶点输入metascape数据库分析，以分析生物学过程与代谢通路并进行富集分析，采用微生信在线平台对分析结果进行可视化；
14.s7、将ppi网络中度值排名前n位的靶点与其对应的活性成分进行分子对接，根据docking score值评价靶点与活性成分的结合强度与活性；其中，n为大于1的整数。
15.作为优选方案，所述步骤s1，具体包括：
16.s11、从医院中药药方大数据中，以慢性支气管炎为关键字筛选出相关药方；
17.s12、统计所有相关药方中各中药的出现频次，根据出现频次筛选出前10
‑
15％的目标中药；
18.s13、对目标中药在所有相关药方中的出现情况进行标记，出现则标记为t，未出现则标记为f，以作为数据预处理文件；
19.s14、采用数据挖掘软件spss modeler，选择apriori算法模型；在spss modeler软件中导入数据预处理文件，得到前项和后项；根据置信度、支持度进行从大到小排序，筛选出前m个置信度、支持度对应的前项和后项对应的中药，再结合聚类结果得出合理的中药组合；其中，m为大于1的整数。
20.作为优选方案，所述步骤s2，具体包括：
21.通过中药系统药理学数据库与分析平台tcmsp，分别以合理的中药组合中的各种中药为关键字检索中药活性成分；以口服生物利用度ob≥30％以及类药性dl≥0.18作为筛选标准进行活性成分筛选，得到活性成分及其作用的蛋白质靶点。
22.作为优选方案，筛选结束后，为标准化蛋白质靶点信息，统一在uniport蛋白质数据库将活性成分作用的蛋白质靶点进行规范。
23.作为优选方案，所述步骤s3，具体包括：
24.以chronic bronchitis为关键词，挖掘genecards数据库、omim数据库、ttd数据库中治疗慢性支气管炎的潜在靶点，若靶点的数量大于目标阈值，则设定score大于中位数的靶点作为潜在靶点，合并各数据库靶点后删除重复值，得到慢性支气管炎相关靶点。
25.作为优选方案，所述步骤s4，还包括：
26.根据中药
‑
慢性支气管炎共同靶点绘制veen图。
27.作为优选方案，所述步骤s4，还包括：
28.通过cytoscape v3.7.2中的mcode插件对ppi网络进一步分析，得到潜在蛋白质功能模块，并通过分析其参与的生物学进程对其功能进行描述。
29.作为优选方案，所述步骤s5中，采用cytoscape v3.7.2绘制中药、活性成分、核心靶点、疾病之间的调控拓扑网络图。
30.作为优选方案，所述步骤s6，具体包括：
31.将慢性支气管炎相关靶点输入metascape数据库，设置p<0.01，分析其主要的生物学过程go与代谢通路kegg并进行富集分析；
32.作为优选方案，所述步骤s7中的分子对接，包括：
33.根据ppi网络中度值排名前n位的靶点，查找其pdb id，登入systems dock web site将n个靶点与其对应的活性成分进行对接。
34.本发明与现有技术相比，有益效果是：
35.本发明的治疗慢性支气管炎中药的机理分析方法，解决现有单一的数据挖掘分析方法缺乏临床试验或者理论依据的缺陷；本发明能够从网络药理学的方面提供理论支持，从蛋白相互作用，go富集分析，kegg富集分析等多方面对数据挖掘结果进行分析判断，提高数据挖掘结果的可靠性、准确性。
36.另外，和运用医学知识分析单独中药或者中成药相比，本发明能够充分利用医院拥有大量治疗各种疾病的中药药方数据的优势，进一步的探讨潜在的治疗各种疾病的中药组合，并为新药的研究做出一定的基础贡献。
附图说明
37.图1为本发明实施例的聚类分析结果示意图；
38.图2为本发明实施例的川芎有效成分靶点与慢性支气管炎疾病靶点交集示意图；
39.图3为本发明实施例的川芎有效成分靶点与慢性支气管炎疾病靶点构建ppi网络的示意图；
40.图4为本发明实施例的川芎调控网络图；
41.图5为本发明实施例的go富集分析
‑
bp生物学过程图；
42.图6为本发明实施例的go富集分析
‑
mf分子功能图；
43.图7为本发明实施例的kegg富集分析图。
具体实施方式
44.为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
45.本发明实施例的治疗慢性支气管炎中药的机理分析方法，包括以下步骤：
46.s1、以慢性支气管炎为关键字，对中药药方数据进行数据挖掘，获取合理的中药组合；具体地，包括以下步骤：
47.s11、从医院中药药方大数据中，以慢性支气管炎为关键字筛选出相关药方；
48.s12、统计所有相关药方中各中药的出现频次，根据出现频次筛选出前10
‑
15％的目标中药；
49.s13、对目标中药在所有相关药方中的出现情况进行标记，出现则标记为t，未出现则标记为f，以作为数据预处理文件；
50.s14、采用数据挖掘软件spss modeler，选择apriori算法模型；在spss modeler软
件中导入数据预处理文件，得到前项和后项；根据置信度、支持度进行从大到小排序，筛选出前m个置信度、支持度对应的前项和后项对应的中药，再结合聚类结果得出合理的中药组合；其中，m为大于1的整数。
51.s2、分别以中药组合的各种中药为关键字检索，得到中药活性成分及其中药相关靶点；
52.具体地，通过中药系统药理学数据库与分析平台tcmsp，分别以合理的中药组合中的各种中药为关键字检索中药活性成分；以口服生物利用度ob≥30％以及类药性dl≥0.18作为筛选标准进行活性成分筛选，得到活性成分及其作用的蛋白质靶点(即中药相关靶点)；筛选结束后，为标准化蛋白质靶点信息，统一在uniport蛋白质数据库将活性成分作用的蛋白质靶点进行规范。
53.s3、挖掘genecards数据库、omim数据库、ttd数据库，获取慢性支气管炎相关靶点；
54.具体地，以chronic bronchitis为关键词，挖掘genecards数据库、omim数据库、ttd数据库中治疗慢性支气管炎的潜在靶点，若靶点的数量大于目标阈值，则设定score大于中位数的靶点作为潜在靶点，合并各数据库靶点后删除重复值，得到慢性支气管炎相关靶点。
55.s4、将中药相关靶点与慢性支气管炎相关靶点进行向量交集intersect运算，得到中药
‑
慢性支气管炎共同靶点，并将中药
‑
慢性支气管炎共同靶点上传至string数据库以构建ppi网络，根据靶点间相互作用强度筛选得到核心靶点；还根据中药
‑
慢性支气管炎共同靶点绘制veen图。
56.具体地，为明晰中药相关靶点与慢性支气管炎靶点间的相互作用，将中药与慢性支气管炎疾病的共同靶点上传至string数据库构建蛋白互作(ppi)网络模型，将生物种类设定为“homo sapiens”选项，最小相互作用阈值设定为“highest confidence”(>0.9)，其余设置均为默认设置，得到ppi网络，根据靶点间相互作用强度筛选得到核心靶点；并通过cytoscape(v3.7.2)中的mcode插件对ppi网络进一步分析，得到潜在蛋白质功能模块，并通过分析其参与的生物学进程对其功能进行描述。
57.s5、构建中药、活性成分、核心靶点、疾病之间的调控拓扑网络图，以从整体层面展现中药的作用路径；
58.具体地，根据上述得到的“中药
‑
有效成分”与“有效成分
‑
核心靶点”信息，使用cytoscape v3.7.2绘制“中药
‑
有效成分
‑
核心靶点
‑
疾病”之间的调控拓扑网络图，从整体层面展现中药的作用路径。
59.s6、将慢性支气管炎相关靶点输入metascape数据库分析，以分析生物学过程与代谢通路并进行富集分析，采用微生信在线平台对分析结果进行可视化；
60.具体地，metascape拥有全面的基因注释的数据资料，将中药治疗慢性支气管炎的靶点录入metascape平台，设置p<0.01，分析其主要的生物学过程(go)与代谢通路(kegg)并进行富集分析。保存数据结果并采用微生信在线平台对数据进行可视化；
61.s7、将ppi网络中度值排名前n位的靶点与其对应的活性成分进行分子对接，根据docking score值评价靶点与活性成分的结合强度与活性；其中，n为大于1的整数。
62.具体地，根据ppi网络中度值排名前n位的靶点，查找其pdb id，登入systems dock web site将n个靶点与其对应的活性成分进行对接。
63.将本发明实施例的治疗慢性支气管炎中药的机理分析方法的应用如下：
64.(1)对中药药方数据进行数据挖掘、聚类，获取合理的中药组合：
65.本实验案例从某三甲医院获取近5年来的中药药方数据，以慢性支气管炎为关键字进行精准筛选，筛选出药方描述中含有慢性支气管炎的中药药方1182例；然后进行预处理，统计各个中药在所有药方中的出现频次，根据出现的频次筛选出现概率前10％左右的中药，本实验共筛选了前25位中药。然后标记将25味中药在所有药方中的出现情况，出现设置t，未出现设置成f，作为数据预处理文件。用数据挖掘软件spss modeler，选择apriori算法模型。在spss modeler软件中导入数据预处理文件，并设置筛选标准：算法中的最低条件支持度设置，最小规则置信的设置，结果最大项术设置。本实验设置最低条件支持度为50，最小规则置信为90％，最大项术为4，结果如表1所示。同时进行聚类分析可得如图1所示的结果。因此，可得出合理组合药方：川芎、甘草、虎杖、炒诃子、桔梗、紫苏子。
66.表1基于apriori数据挖掘四联分析结果表
[0067][0068]
(2)获得中药相关靶点：
[0069]
通过中药系统药理学数据库与分析平台tcmsp，分别以川芎、甘草、虎杖、炒诃子、桔梗、紫苏子六种中药为关键字检索活性化学成分。以口服利用度(oral bioavailability，ob)≥30％和类药性(drug
‑
likeness，dl)≥0.18为标准进行筛选，获得中药活性化学成分及其蛋白质靶点信息。所得结果以川芎为例，共获得7种活性成分，如表2所示，且获得成分作用靶点27个。
[0070]
表2川芎主要成分
[0071]
mol id主要活性成分ob(％)>30dl>0.18mol000359谷甾醇36.910.75mol002135杨梅酮40.60.51mol001494曼陀诺420.19mol002157环糊精42.310.71mol002151仙酮47.660.24mol002140邻苯丙氨酸65.950.27mol000433fa68.960.71
[0072]
(3)获得疾病慢性支气管炎的相关靶点：
[0073]
从genecards数据库获得慢性支气管炎靶点1854个。根据经验设定score大于中位数的目标靶点为慢性支气管炎的潜在靶点，所得到的靶点score最大值为71.74，最小值为0.19，中位数为5，故设定score>5的靶点为慢性支气管炎的潜在靶点，结合omim、ttd数据库
补充相关靶点，合并后删除重复值，最终得到1100个慢性支气管炎相关靶点。
[0074]
(4)靶点筛选与ppi网络构建：
[0075]
将筛选的中药活性成分靶点与慢性支气管炎疾病靶点取交集，并通过r语言绘制韦恩图，得到中药
‑
慢性支气管炎共同靶点，所得结果以川芎有效成分靶点与慢性支气管炎疾病靶点取交集为例，如图2所示。进而将靶点提交至string平台，得到中药与慢性支气管炎的共同靶点ppi网络，根据靶点间相互作用关系强度，舍弃那些与其它靶点脱离的靶点，得到核心靶点，同时也得到最终网络图，所得结果以川芎有效成分靶点与慢性支气管炎疾病靶点构建ppi网络为例，如图3所示。
[0076]
(5)构建“中药
‑
有效成分
‑
核心靶点
‑
疾病”网络图：
[0077]
根据前面得到的“中药
‑
有效成分”与“有效成分
‑
核心靶点”信息，使用cytoscape v3.7.2绘制“中药
‑
有效成分
‑
核心靶点
‑
疾病”之间的调控拓扑网络图，从整体层面展现中药的作用路径。以川芎调控网络图为例，如图4所示。其中椭圆形节点代表的是中药，菱形节点代表的是药物活性成分，八边形节点代表的是活性成分作用靶点。
[0078]
(6)靶点功能与通路的富集分析：
[0079]
应用metascape数据平台对中药治疗慢性支气管炎相关靶点进行信号通路分析，借助微生信在线平台对结果可视化。由结果可见中药的多个靶点的功能与慢性支气管炎疾病的产生密不可分。以川芎为例，其参与的主要生物学过程包括血液循环过程(blood circulation)、细胞对雌二醇刺激的反应过程(cellular response to estradiol stimulus)、生长调节过程(regulation of growth)，如图5所示，参与的主要有血管内皮生长因子信号通路(vegf signaling pathway)、心肌细胞的肾上腺素能信号(adrenergic signaling in cardiomyocytes)等，如图7所示。相关靶点治疗慢性支气管炎的功能主要富集于核受体活动(nuclear receptor activity)、蛋白酶结合(protein kinase binding)、血红素结合(heme binding)等，如图6所示。
[0080]
(7)分子对接验证：
[0081]
在复杂网络基础上，通过对接模拟和分子通路图分析配体选择性和配体动作，进而根据其综合特征来评估蛋白质—配体结合潜能。通常以docking sore＝4.25为临界值，当大于4.25时表示活性成分与靶点间存在结合能力，大于5.0时表示结合活性较佳，大于7.0时表示结合活性极佳，通过对比分析，该实例结果表示评分大于4.25者占总数的85％,大于5的占55％，即大部分靶点与成分的结合活性较好。
[0082]
以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。