Bp神經網絡模型方法製備藥物組合物的製作方法

2023-10-04 13:29:19 5

專利名稱：Bp神經網絡模型方法製備藥物組合物的製作方法
技術領域：
本發明涉及一種系列藥物組合物、製備方法及其用途，特別涉及BP神經網絡模型製備的藥物組合物及製藥新用途。
背景技術：
醫學中常應用回歸法進行建模，但是回歸法建模時需要數據滿足一定的前提條件，如線性回歸必須在數據滿足獨立、線性、正態、方差齊的條件，才可以應用；回歸效果直接依賴於模型是否合適，因此模型建立後，需對回歸模型基本假設的合理性加以檢驗。當應用非線性回歸時，模型選擇、預備分析、初始值確定、參數及變量的變換、參數求解，還有模型修正、比較與檢驗、收斂性與擬合的評估，都存在多種難點和問題，這些都會影響到對非線性數據擬合的效果，甚至會影響到模型的建立。大量的研究表明，在複方的藥味藥量與藥效學之間存在複雜的非線性關係，對於這種非線性關係目前尚無合適的模型可以借鑑，這就使應用傳統非線性回歸等方法建模時，在模型選擇、初始值確定、參數變換求解、模型檢驗等方面存在確定困難，從而影響非線性建模的效果。利用這種方法可以篩選出優化的藥物組合物。

發明內容
本發明的目的是公開一種原自半夏瀉心湯及其類方的原料藥的新的藥物組合物及藥物新用途。本發明目的還在於提供一種用BP神經網絡模型方法篩選、製備本發明藥物組合物的新方法。本發明目的是通過如下技術方案實現的一、單味藥的藥物新用途(1)半夏在製備具有抑制胃蛋白酶活性作用、抑制胃酸分泌作用、拮抗腸運動作用或協同胃排空作用的藥物中的應用。
其中所述的抑制胃酸分泌作用，是指藥物單位製劑中含有相當半夏生藥量5-25g，藥物單位製劑中含有相當半夏生藥量最佳劑量21g。
(2)黃芩在製備具有促進胃蛋白酶作用、抑制胃酸分泌作用、促進胃酸分泌作用、抑制胃粘液分泌作用、抑制胃腸運動作用的藥物中的應用。
其中所述的促進胃蛋白酶作用是指藥物單位製劑中含有相當黃芩生藥量5-25g，藥物單位製劑中含有相當黃芩生藥量最佳劑量12g。
其中所述的抑制胃酸分泌作用是指藥物單位製劑中含有相當黃芩生藥量2-6g，藥物單位製劑中含有相當黃芩生藥量最佳劑量6g。
其中所述的促進胃酸分泌作用是指藥物單位製劑中含有相當黃芩生藥量大於6g。
其中所述的抑制胃粘液分泌作用是指藥物單位製劑中含有相當黃芩生藥量9-25g。
其中所述的抑制胃腸運動作用是指藥物單位製劑中含有相當黃芩生藥量10-24g。
(3)黃連在製備具有促進胃蛋白酶作用、抑制胃粘液分泌作用、拮抗胃排空作用或抑制胃腸運動作用的藥物中的應用。
其中所述的促進胃蛋白酶作用是指藥物單位製劑中含有相當黃連生藥量2-15g，藥物單位製劑中含有相當黃連生藥量最佳劑量6g。
其中所述的抑制胃粘液分泌作用是指藥物單位製劑中含有相當黃連生藥量9-15g。
(4)黨參在製備具有抑制胃蛋白酶作用、抑制胃排空作用、促進胃排空作用、促進胃腸運動作用的藥物中的應用。
(5)乾薑在製備具有抑制胃蛋白酶作用、促進胃粘液分泌作用、抑制胃排空作用或拮抗胃腸運動作用的藥物中的應用。
其中所述的抑制胃蛋白酶作用是指藥物單位製劑中含有相當乾薑生藥量10-25g，藥物單位製劑中含有相當乾薑生藥量最佳劑量18g。
(6)大棗在製備具有增強胃蛋白酶作用、促進胃酸分泌作用、拮抗胃排空作用或拮抗胃腸運動作用的藥物中的應用。
其中所述的增強胃蛋白酶作用是指藥物單位製劑中含有相當幹大棗生藥量9-25g其中所述的拮抗胃排空作用是指在製備治療胃腸運動抑制、亢進型胃病中的應用。
其中所述拮抗胃腸運動作用是指藥物單位製劑中含有相當幹大棗生藥量9-15g。
(7)甘草在製備具有促進胃蛋白酶作用、促進腸運動作用、促進胃排空作用或拮抗胃排空作用的藥物中的應用。
(8)生薑在製備具有增加胃蛋白酶活性作用、促進胃腸運動作用的藥物中的應用。
其中所述的增加胃蛋白酶活性作用是指藥物單位製劑中含有相當幹生薑生藥量5-20g，藥物單位製劑中含有相當生薑生藥量最佳劑量10g。
其中所述的促進胃腸運動作用是指藥物單位製劑中含有相當幹生薑生藥量5-20g，藥物單位製劑中含有相當生薑生藥量最佳劑量15g。
二、新的藥物組合物(1)辛開組藥物組合物一種藥物組合物，其特徵在於該藥物組合物的單位製劑中含有相當半夏生藥量10-21g(小於21g)，含有相當乾薑生藥量10-18g(小於18g)。
單位製劑中含有上述生藥量的藥物組合物具有抑制胃酸作用、抑制胃蛋白酶作用或促進胃粘液的作用。
一種藥物組合物，其特徵在於該藥物組合物的單位製劑中含有相當半夏生藥量22-30g(大於21g)，含有相當乾薑生藥量19-30g(大於18g)。
單位製劑中含有上述生藥量的藥物組合物具有促進胃酸作用、促進胃蛋白酶作用或抑制胃粘液作用。
(2)苦降組藥物組合物一種藥物組合物，其特徵在於該藥物組合物的單位製劑中含有相當黃芩生藥量2-20g，含有相當黃連生藥量2-15g。
優選該藥物組合物的單位製劑中含有相當黃芩生藥量6g、9g或12g，含有相當黃連生藥量6g、9g。
單位製劑中含有上述黃芩和黃連生藥量的藥物組合物具有促進胃酸分泌、抑制胃粘液作用。
(3)甘補組藥物組合物一種藥物組合物，其特徵在於該藥物組合物的單位製劑中含有相當大棗生藥量9-30g，含有相當甘草生藥量20-27g。
單位製劑中含有上述大棗生藥量和甘草生藥量的藥物組合物具有促進胃酸分泌作用、促進胃蛋白酶作用。
一種藥物組合物，其特徵在於該藥物組合物的單位製劑中含有相當大棗生藥量9-30g，含有相當甘草生藥量28-40g。
單位製劑中含有上述大棗生藥量和甘草生藥量的藥物組合物具有促進胃酸分泌作用、抑制進胃蛋白酶作用。
上述藥物組合物或用途可以但不限於通過如下BP神經網絡模型方法確定藥味、藥量或藥效，該方法包括如下步驟1.BP神經網絡模型參數設定針對半夏瀉心湯及其類方配伍規律的研究，為建立藥味藥量與藥效學相關的非線性影射模型，對網絡的參數設置如下(1)樣本的選取和預處理樣本的選取從藥味藥量與藥效關係上研究半夏瀉心湯及其類方配伍規律，故選取其中的8味藥物(半夏、生薑、黃芩、黃連、黨參、甘草、大棗、乾薑)作為輸入層神經元。這些變量可以表示三個複方的配伍要素。選取胃排空、腸運動、胃分泌功能藥效學指標作為輸出神經元，建立輸出層神經元數為3的神經網絡模型。
樣本的規範化處理由于衡量的指標各不相同，原始樣本各個分量數量級有很大的差異，這就需要對樣本進行規範化處理。採用神經網絡回歸預測時，可能某個節點輸入值過大則其相應的更新增量過大，從而使權值過大，導致其他分量幾乎喪失了調控作用，所以需要對原始樣本進行適度的規範化處理。樣本的規範化處理應設計多種方案，儘量避免「飽和現象」的前提下，使樣本在較大的幅值範圍內均勻分布。對於本項目問題的數據處理應用規格化函數，使所有輸入、輸出樣本規範到[-1，1]的範圍內。
(2)權和閾值初始值域的確定從總體來看，權(包括閾值項)是隨著迭代的進行而更新的，並且一般是收斂的，但權的初始值太大，可能導致網絡很快就達到飽和。為儘可能避免飽和，並考慮到網絡的收斂速度以及樣本數據的複雜性，較小的初始值域更利於權值均勻地隨機初始，權的初始值域取(-0.05，0.05)較好。本項目中對初始權值在上述範圍內採用重複試驗的方法，通過比較擬合效果，確定最佳初始權值。
(3)網絡拓撲結構的確定網絡拓撲結構對於整個網絡的推廣能力、計算效率都起著關鍵作用。由於對樣本數據進行預測，輸出層取一個節點。確定網絡的拓撲結構的關鍵在於確定合適的隱層數目以及隱層單元數目。
隱層數目的確定確定應用1個隱層的網絡。
隱層單元數目的確定採用了「試錯法」進行確定(4)迭代停止標準模型建立時，設置最大的循環迭代為5000；循環次數超過5000次仍未達到迭代停止標準，則表明實驗失敗。收斂目標允許存有誤差，在網絡的輸出和樣本之間的差小於給定的誤差範圍，則停止對網絡權值的修正。採用對網絡學習寬容的做法，可加快網絡的學習速度。採用自適應的方法，即允許誤差在訓練開始時取大點，然後隨著訓練逐漸減少。針對該問題設定收斂誤差為0.001。
(5)BP算法使用加入慣性動量算法和自適應步長算法來提高標準BP網絡的學習速度2.味藥量與藥效BP神經網絡的非線性映射模型的建立以實驗數據為輸入，應用BP神經網絡，分別建立了半夏瀉心湯及類方藥味藥量與胃分泌(胃酸、胃蛋白酶及胃粘液分泌)的非線性映射模型、半夏瀉心湯及類方藥味藥量與胃排空的非線性映射模型、半夏瀉心湯及類方藥味藥量與腸運動的非線性映射模型。網絡中各參數的設定為輸入層為8，輸出層為3，隱層為10，及拓撲結構均為8-10-3，學習算法選擇「動量法和學習速率自適應調整兩種策略改進的BP算法」，網絡收斂目標設定為1E-3。
3.模型評價通過應用均方誤差函數比較目標值與預測值的差異，計算目標值與預測值間的誤差，觀察網絡模型對訓練情況，絡擬合圖，於網絡性能進行評價。
(1)藥味藥量與腸運動關係模型評價測定值與擬合值的均方誤差為藥味藥量與腸運動映射模型MSE為9.9978e-004。
目標值與預測值比較藥味藥量與腸運動關係模型對已學習過的數據的擬合情況及對未學習過的數據預測能力比較顯示，對於學習過的樣本相對誤差小於10％，反映網絡擬合性能優秀；對於未學習過的樣本相對誤差小於20％，從另外一方面反映藥味藥量與腸運動關係模型網絡預測性能良好。
(2)藥味藥量與胃排空關係模型評價測定值與擬合值的均方誤差藥味藥量與胃排空映射模型MSE為0.0015。
目標值與預測值比較藥味藥量與胃排空關係模型對已學習過的數據的擬合情況及對未學習過的數據預測能力比較顯示，對於學習過的樣本相對誤差小於10％，反映網絡擬合性能優秀；對於未學習過的樣本相對誤差小於20％，從另外一方面反映網絡預測性能良好。
(3)藥味藥量與胃分泌關係模型評價測定值與擬合值的均方誤差為藥味藥量與胃分泌映射模型模型MSE為14.6922。
目標值與預測值比較藥味藥量與胃分泌關係模型對已學習過的數據的擬合情況及對未學習過的數據預測能力比較顯示，對於學習過的樣本誤差小於10％，反映網絡擬合性能優秀；對於未學習過的樣本誤差小於20％，從另外一方面反映藥味藥量與胃分泌關係模型網絡預測性能良好。
三、瀉心湯的製藥新用途半夏瀉心湯在製備具有如下作用的藥物當中的應用拮抗阿託品引起的胃排空延遲，拮抗阿託品引起的小腸推進功能抑制、使血中VIP、SP水平下降，SS水平升高、下調胃竇平滑肌細胞CAP和CAD表達量或直接改變CAP mRNA和CAD mRNA的表達量有關甘草瀉心湯在製備具有如下作用的藥物當中的應用拮抗阿託品引起的小腸推進功能抑制、使MTL水平、GAS水平升高、下調胃竇平滑肌細胞CAP和CAD表達量或直接改變CAP mRNA和CAD mRNA的表達量有關。
生薑瀉心湯在製備具有如下作用的藥物當中的應用拮抗阿託品引起的小腸推進功能抑制、使胃動素水平、胃泌素水平、生長抑素水平升高、下調胃竇平滑肌細胞CAP和CAD表達量或直接改變CAP mRNA和CAD mRNA的表達量有關。
實驗例1 胃分泌藥效作用研究實驗方法(1)動物分組選取體重為200～250gSD大鼠，隨機分為24組，每組15隻，其中實驗組20組，正常對照1組，另設三經方組，其中半夏瀉心湯組參與建模，甘草、生薑瀉心湯組留作預留檢驗。各實驗組以各藥味作為考察因子，以各藥味的用量作為考察水平，取20水平，按均勻設計表得到的實驗方案，共20個配比關係，見表1-1。
表1-1各組藥味的劑量水平(截表)

(2)實驗內容及技術①胃液的採集實驗組大鼠按人用量的7倍給藥，每日兩次，連續5天，對照組每日蒸餾水灌胃。5天後收集胃液待用。②胃酸的測定採用氫氧化鈉滴度計算法。③胃蛋白酶活性的測定採用改良安宋氏法。④胃粘液結合量的測定採用比色法(波長615nm)測定。
數據處理各組實驗數據的組間比較採用方差分析的方法，所得的藥理實驗數據及三方不同的配比輸入均勻設計軟體，通過逐步回歸分析，剔除不顯著的變量，引入對藥效指標貢獻顯著的變量，分別得出胃酸、胃蛋白酶活性、胃液粘液結合量的回歸方程，並做出等值線圖。
實驗結果藥物不同配比對正常大鼠胃分泌影響見表1-2，對胃酸、胃蛋白酶活性及胃粘液結合量建立數學模型並進行分析，結果見表1-3，1-4，1-5。
表1-2藥物不同配比對正常大鼠胃分泌影響(x±s)(截表)

表1-3方差分析表

最後2個記錄作預留檢驗

表1-4方差分析表

最後2個記錄作預留檢驗

回歸方程Y1

表1-5方差分析表

最後2個記錄作預留檢驗

結論本實驗用均勻設計法進行分組，相當於從全面試驗中挑選出了具有代表性的點實施實驗，所得數據通過計算機擬和，分別給出了胃酸、胃蛋白酶和胃粘液含量回歸方程，方差分析表顯示方程擬和良好，經預留檢驗也進一步驗證了回歸方程的可靠性，從回歸方程可以看出藥味之間存在複雜的交互作用。主要結論如下①大棗可以顯著促進正常大鼠胃酸分泌，半夏則可以顯著抑制其胃酸分泌，黨參與大棗配伍後可明顯抑制胃酸分泌，生薑乾薑對胃酸分泌無影響，黃連對胃酸分泌影響不著。②大棗顯著增加正常大鼠的胃蛋白酶活性，生薑與甘草配伍以後也可以顯著促進胃蛋白酶活性，大棗與甘草配伍以後可顯著降低胃蛋白酶活性，乾薑對正常大鼠胃蛋白酶活性無影響，黃連、黨參對胃蛋白酶活性影響不著。③半夏、黃連單味藥在方中表現為可以顯著降低正常大鼠的胃粘液結合量，而乾薑、大棗與半夏配伍以後則可以顯著增加胃粘液結合量。④三瀉心湯對正常大鼠的胃酸分泌、胃蛋白酶活性、胃液粘液結合量均無明顯影響。
實驗例2 胃腸運動的藥效作用研究實驗內容有三部分①不同藥味和劑量對正常小鼠胃腸運動影響。②不同藥味和劑量對阿託品引起的小鼠胃腸運動抑制的影響。③不同藥味和劑量對新斯的明引起的小鼠胃腸運動亢進的影響。
實驗以胃排空率、小腸炭末推進率為主要指標。
實驗方法(1)動物分組①不同藥味和劑量對正常小鼠胃腸運動的影響研究選取體重為25～30g的ICR小鼠，隨機分為25組，每組15隻，其中實驗組20組，組方配比同胃分泌活動研究，21組為正常對照。22～24組為三經方組，其中半夏瀉心湯組參與建模，甘草、生薑瀉心湯組留作預留檢驗。25組為胃復安組。
②不同藥味和劑量對阿託品引起的小鼠胃腸運動抑制的影響研究選取體重為25～30g的ICR小鼠，隨機分為26組，每組15隻。1～20組為實驗組，21組為模型組，22～24組為三經方組，其中生薑瀉心湯組參與建模，甘草、半夏瀉心湯組留作預留檢驗，25組為正常對照，26組為陽性對照組(胃復安和阿託品)。
③不同藥味和劑量對新斯的明引起的小鼠胃腸運動亢進的影響研究 選取體重為25～30g的ICR小鼠，隨機分為26組，每組15隻。1～20組為實驗組，21組為模型組，22～24組為三經方組，其中半夏瀉心湯組參與建模，甘草、生薑瀉心湯組留作預留檢驗，25組為正常對照，26組為陽性對照組(地芬諾酯)。
(2)實驗內容及技術實驗組動物按人用量的9倍給藥，每日兩次，連續給藥3天，陽性對照組給胃復安10mg/kg，灌胃給藥，對照組給等體積的蒸餾水。第三天正常小鼠給藥1小時後按0.6ml/只給予營養糊；阿託品組在給藥30min後，給予阿託品2mg/kg皮下注射，造成胃腸運動功能抑制模型，造模30min後灌營養糊。新斯的明組給藥30min後給新斯的明0.12mg/kg皮下注射，造成胃腸運動功能亢進模型，20min後灌營養糊。20min後將小鼠脫頸椎處死，測定胃腸運動功能。
①胃排空率測定胃排空率％＝1-(全胃質量-空胃質量食料質量)*100％②小腸推進率測定炭末推進率％＝炭末頭端至幽門距離/小腸全長*100％數據處理各組實驗數據的組間比較採用方差分析的方法。應用均勻設計軟體建立回歸方程，並做出等值線圖。
實驗結果藥物不同配比對正常小鼠、胃腸運動抑制小鼠及胃腸運動亢進小鼠胃排空率及小腸推進率的影響，見表1-6，表1-7，表1-8。
表1-6藥物不同配比對正常小鼠胃腸運動的影響(x±s)

表1-7藥物不同配比對阿託品引起的小鼠胃腸運動抑制的影響(x±s)

表1-8藥物不同配比對新斯的明引起的胃腸運動亢進的影響(x±s)

結論(1)黃芩顯著抑制正常小鼠的胃排空，甘草可以顯著促進正常小鼠的小腸推進功能。
(2)黃芩黨參配伍後則可以明顯增強胃排空和小腸推進功能。黃芩黃連配伍後，可以促進正常小鼠的胃腸運動，再加大棗後，則明顯抑制胃排空。黃芩甘草黨參配伍後，則明顯抑制小腸推進功能。
(3)乾薑對正常小鼠的胃腸運動功能無明顯影響，生薑和半夏對正常小鼠的胃排空功能影響不著。
(4)三方對正常小鼠小腸推進運動均無明顯影響，對胃排空的影響則出現差異，即甘草和生薑瀉心湯可以抑制正常小鼠的胃排空，而半夏瀉心湯對這一過程則影響不著。
(5)大棗、甘草、黃連對阿託品引起的小鼠胃排空抑制起拮抗作用，大棗還可以顯著促進小腸推進功能，半夏對阿託品引起的小腸運動功能抑制起拮抗作用。
(6)甘草與乾薑配伍後，顯著拮抗阿託品引起的小腸推進抑制，生薑半夏配伍則加重阿託品引起的胃排空延遲。
(7)在阿託品引起的小鼠胃排空抑制方面，三方存在差異，即半夏瀉心湯能夠拮抗阿託品引起的胃排空延遲，甘草瀉心湯、生薑瀉心湯不能拮抗這一作用。三方均能拮抗阿託品引起的小腸推進功能抑制。
(8)對新斯的明造成的小鼠胃排空亢進作用顯著的是黃芩和黨參，兩者均明顯降低胃排空率；生薑對新斯的明造成的小腸運動功能亢進有明顯拮抗作用。
(9)黨參、半夏配伍進一步加重新斯的明引起的胃排空亢進，黃芩、生薑配伍或甘草、黃連配伍後，進一步促進小腸的推進功能。
(10)在半夏、甘草兩瀉心湯中，大棗對新斯的明引起的胃腸運動功能亢進無明顯影響；生薑瀉心湯中，大棗與生薑配伍後，對小腸推進功能有輕微促進作用。
(11)三瀉心湯均不能拮抗新斯的明造成的小鼠胃腸運動亢進。
實驗例3 調節胃分泌物質基礎研究本研究主要觀察了含藥血清對家兔離體壁細胞H+-K+ATPase基因表達水平的影響。
實驗方法(1)動物分組 雄性紐西蘭兔20隻，體重2±0.1kg，隨機分為四組，半夏瀉心湯組(B)、B1、B2和正常動物組(A)。各方配比如表1-11。
表1-11

(2)實驗內容及主要技術 ①壁細胞分離純化取兔胃黏膜，以BMEA消化液消化獲取壁細胞。②離體兔胃壁細胞鑑定以臺盼蘭排斥反應鑑定細胞存活率；以HE染色計算壁細胞純度；以丫啶橙攝取實驗測定壁細胞功能。③壁細胞原代培養將純化的離體壁細胞接種於經多聚賴氨酸預處理的培養瓶或6孔板中，調整細胞密度大約在1×106/ml-9×106/ml左右。37℃，5％CO2溫育。④含藥血清的採集各用藥組按人用量的3.5倍給藥，每日一次，連續7天。第八天晨起給藥2小時後股動脈取血，凝固後，4℃，4000rpm離心10分。所得血清按組別混合後，0.22μm過濾，-20℃保存備用。⑤含藥血清對H+-K+ATPaseα亞基的基因表達的影響分離培養的壁細胞經提取細胞總RNA後，經反轉錄，用H+-K+ATPaseα亞基引物可擴增出470bp的條帶，表明分離培養的壁細胞可以表達H+-K+ATPaseα亞基的基因。上遊引物5』＞ACTCTGGGCTCCACGTCG＜3』，下遊引物3』＞GCGACGTCGAGGTAGGA＜5』。將接種於6孔板上的壁細胞培養過夜，PBS清洗一遍，分別加B、B1、B2、A組含藥血清至終濃度為2.5％、5％、10％，另設空白對照組(完全培養基)。作用時間為2小時。對所有樣品的H+-K+ATPaseα亞基mRNA的表達產物進行半定量分析。分析各組含藥血清在對離體壁細胞H+-K+ATPaseα基因表達的影響。⑥半夏瀉心湯對兔胃體黏膜壁細胞H+-K+ATPaseα亞基基因表達的影響各組動物經用藥7天後第8天取含藥血清之後迅速剖腹取胃，取胃體黏膜液氮凍存備用。取出黏膜組分離純化壁細胞，提取細胞總RNA後，經反轉錄，PCR反應及對RT-PCR擴增產物進行半定量分析。
實驗結果見表1-12，1-13表1-12各組2.5％含藥血清對離體兔壁細胞H+-K+ATPaseα亞基表達的影響(x±s)

**P＜0.01vs對照組組；△△P＜0.01vsA組；▲▲P＜0.01vsB組表1-13半夏瀉心湯等對兔胃體黏膜壁細胞H+-K+ATPaseα亞基mRNA表達影響(x±s)

**P＜0.01vsA組；△△P＜0.01vsB組；▲P＜0.05vsB1組結果表明，過夜培養的壁細胞中，加入正常對照組血清後，H+-K+ATPaseα亞基表達增強，意味著正常血清中可能存在某種物質，直接刺激了壁細胞的泌酸功能。除去正常血清的影響，B1、B2方的含藥血清均能明顯增強H+-K+ATPaseα亞基的表達，而B方對離體壁細胞H+-K+ATPaseα亞基的表達無明顯影響。與整體實驗不完全一致的是，B1方對正常大鼠和紐西蘭兔的胃酸分泌無明顯影響，而在離體實驗中，B1方的含藥血清則能增強離體壁細胞的泌酸功能。半夏瀉心湯調節胃酸分泌與上調胃壁細胞H+-K+ATPaseα亞基表達有關。
實驗例4 調節胃腸運動的物質基礎研究實驗方法實驗以大鼠血中5種胃腸激素水平、大鼠胃竇平滑肌細胞(SMC)收縮長度、胃竇平滑肌細胞內游離鈣水平、胃竇平滑肌細胞調寧蛋白(calponin，CAP)和鈣介導蛋白(caldesmon，CAD)及其基因表達水平為指標，探討三方調節胃腸運動與上述指標的關係。
(1)三瀉心湯對胃腸激素水平影響及與胃運動的關係 以大鼠胃內標記物葡聚糖藍[2]的相對殘留率為指標，觀察胃排空率，同時應用放射免疫學方法測量大鼠血中胃動素(MTL)、胃泌素(GAS)、血管活性腸肽(VIP)、P物質(SP)和生長抑素(SS)的含量。
實驗分為四組正常對照組，半夏瀉心湯組、甘草瀉心湯組、生薑瀉心湯組。
(2)胃竇平滑肌收縮功能觀察採用單個胃竇平滑肌細胞游離技術製備胃竇平滑肌細胞混懸液，加入含藥血清，在倒置顯微鏡下用測微尺測定遇到的50個細胞，計算其平均長度。細胞收縮反應以給藥組細胞平均長度(微米)與對照組細胞平均長度下降的百分數表示[3]。實驗分四組正常對照組、半夏瀉心湯組、甘草瀉心湯組、生薑瀉心湯組。
(3)胃竇平滑肌細胞內游離鈣水平觀察採用單個細胞分離技術分離胃竇平滑肌細胞，將鈣螢光指示劑Fluo-3/AM負載好的細胞在共聚焦顯微鏡下動態觀察，加含藥血清後，連續掃描細胞內螢光強度變化[4]。實驗分四組正常對照組、半夏瀉心湯組、甘草瀉心湯組、生薑瀉心湯組。
(4)胃竇平滑肌細胞CAP和CAD及其基因表達水平的觀察大鼠連續給藥7天後，取胃竇部組織製成石蠟切片，以HE染色法進行形態學觀察，應用免疫組化方法分析胃竇平滑肌細胞內CAP(SP法)及CAD(ABC法)含量[5]。應用RT-PCR方法測定CAP mRNA及CAD mRNA濃度以觀察CAP、CAD基因表達水平。實驗分四組正常對照組、半夏瀉心湯組、甘草瀉心湯組、生薑瀉心湯組。
實驗結果見表1-14、表1-15、表1-16、表1-17表1-14半夏、生薑和甘草瀉心湯對大鼠血中胃腸激素的影響(x±s)(1)

表1-15半夏、生薑和甘草瀉心湯對大鼠血中胃腸激素的影響(x±s)(2)

與對照組相比，*p＜0.05，**p＜0.01；*p＜0.05，**p＜0.01，vs對照組；與半夏瀉心湯組相比，△p＜0.05，▲p＜0.01；△p＜0.05，▲p＜0.01，vs半夏組表1-16半夏、生薑和甘草瀉心湯含藥血清(終濃度2.5％)對胃竇平滑肌細胞收縮的影響(x±s)

與正常對照組相比，*p＜0.05，**p＜0.01；*p＜0.05，**p＜0.01，vs對照組表1-17半夏、生薑和甘草瀉心湯含藥血清(終濃度5％)對胃竇平滑肌細胞收縮的影響(x±s)

與正常對照組相比，*p＜0.05，**p＜0.01；*p＜0.05，**p＜0.01，vs對照組表1-18半夏、生薑和甘草瀉心湯含藥血清(終濃度10％)對胃竇平滑肌細胞收縮的影響(x±s)

與正常對照組相比，*p＜0.05，**p＜0.01；*p＜0.05，**p＜0.01，vs對照組表1-19半夏、生薑和甘草瀉心湯含藥血清對胃竇平滑肌細胞內鈣離子峰值的影響(x±s)

與正常對照組相比，**p＜0.01；**p＜0.01，vs對照組，與半夏瀉心湯組相比，▲p＜0.05；▲p＜0.05，vs半夏組，與生薑瀉心湯組相比，△p＜0.05；△p＜0.05，vs生薑組表1-20三方含藥血清(終濃度5％)對大鼠胃竇平滑肌細胞Calponin mRNA和Caldesmon mRNA的影響(x±s)

與正常對照組相比，*p＜0.05，**p＜0.01；*p＜0.05，**p＜0.01，vs對照組結論(1)三瀉心湯對胃腸激素水平的影響及與胃運動的關係 半夏瀉心湯可以使大鼠血中VIP、SP水平下降，SS水平升高。生薑瀉心湯可以使胃動素水平、胃泌素水平、生長抑素水平升高。甘草瀉心湯可以使MTL水平、GAS水平升高。
對三瀉心湯組大鼠胃內色素相對殘留率和血中激素水平進行相關分析，結果發現半夏瀉心湯促進胃排空可能與降低大鼠血中VIP水平有關；生薑瀉心湯對胃排空的抑制作用可能和其升高大鼠血中VIP和SS水平有關；甘草瀉心湯促進胃排空的趨勢可能與大鼠血中升高的MTL水平有關。
(2)細胞內鈣離子的影響 與對照組相比，半夏瀉心湯含藥血清使胃竇平滑肌細胞內鈣離子的螢光峰值明顯增加，其他兩方含藥血清對細胞內鈣離子的螢光峰值影響不明顯。三方組間比較，細胞內鈣螢光峰值大小順序為半夏瀉心湯組＞生薑瀉心湯組＞甘草瀉心湯組。
(3)CAP、CAD及其基因表達研究 CAP和CAD為平滑肌收縮的兩個調控抑制蛋白。本實驗顯示CAP和CAD對胃腸道平滑肌有不同的調節作用，可能介導了三瀉心湯對胃腸道運動的調節作用。三瀉心湯組大鼠胃竇平滑肌細胞CAP和CAD表達量均有下調趨勢。
免疫組化結果顯示半夏瀉心湯組CAP表達下調最為明顯，CAP表達量為生薑瀉心湯組＞甘草瀉心湯組＞半夏瀉心湯組。三瀉心湯組CAD表達量下調均較為顯著。CAD表達量為甘草瀉心湯組＞生薑瀉心湯組＞半夏瀉心湯組。
RT-PCR結果顯示與對照組相比，三瀉心湯組CAP mRNA和CAD mRNA表達量也有所下調，下調結果與免疫組化結果大致相同。
以上結果與整體實驗相似，提示三瀉心湯含藥血清對胃竇平滑肌細胞的收縮作用，與其直接改變CAP mRNA和CAD mRNA的表達量有關。
實驗例5 BP神經網絡模型方法篩選複方的研究BP神經網絡建模設計樣本的選擇、拓撲結構的確立、算法的確立決定著模型的性能與穩定性。針對半夏瀉心湯及其類方配伍規律的研究，為建立藥味藥量與藥效學相關的非線性映射模型，對網絡的參數設置如下。
(1)樣本的選取和預處理樣本是研究對象和網絡模型的接口。對於本課題而言，樣本數據要儘可能地正確反映複方的不同配伍，同時又要顧及網絡本身的性能。
樣本的選取 本項目主要問題是從藥味藥量與藥效關係上研究半夏瀉心湯及其類方配伍規律，故選取其中的8味藥物(半夏、生薑、黃芩、黃連、黨參、甘草、大棗、乾薑)作為輸入層神經元。這些變量可以表示三個複方的配伍要素。選取胃排空、腸運動、胃分泌功能藥效學指標作為輸出神經元，建立輸出層神經元數為3的神經網絡模型。
樣本的規範化處理 由于衡量的指標各不相同，原始樣本各個分量數量級有很大的差異，這就需要對樣本進行規範化處理。採用神經網絡回歸預測時，可能某個節點輸入值過大，則其相應的更新增量過大，從而使權值過大，導致其他分量幾乎喪失了調控作用，所以需要對原始樣本進行適度的規範化處理。樣本的規範化處理應設計多種方案，在儘量避免「飽和現象」的前提下，使樣本在較大的幅值範圍內均勻分布。對於本問題的數據處理應用規格化函數，使所有輸入、輸出樣本規範到[-1，1]的範圍內。
(2)權和閾值初始值域的確定從總體來看，權(包括閾值項)是隨著迭代的進行而更新的，並且一般是收斂的，但權的初始值太大，可能導致網絡很快就達到飽和。為儘可能避免飽和，並考慮到網絡的收斂速度以及樣本數據的複雜性，較小的初始值域更利於權值均勻地隨機初始，權的初始值域取[-0.05，0.05]較好。本項目中對初始權值在上述範圍內採用重複試驗的方法，通過比較擬合效果，確定最佳初始權值。
(3)網絡拓撲結構的確定網絡拓撲結構對於整個網絡的推廣能力、計算效率都起著關鍵作用。由於對樣本數據進行預測，輸出層取一個節點。確定網絡的拓撲結構的關鍵在於確定合適的隱層數目以及隱層單元數目。
①隱層數目的確定 Kolmogorov定理給定任一連續函數fUn→Rm，f(x)＝Y，這裡U是閉單位區間
，f可以精確地用一個三層前向網絡實現，次網絡的第一層(即輸入層)有n個處理單元，中間層有2n+1個處理單元，第三層(即輸出層)有m個處理單元。該定理保證任一連續函數可由一個三層前向網絡來實現。
BP定理給定任意ε＞0 和任意L2函數f
n→Rm，存在一個三層BP網絡，它可以在任意ε平方誤差精度內逼近f。該定理說明三層BP網絡可以實現L2函數。
上述兩個定理，說明任一連續函數可由一個三層前向網絡實現。同時，由於BP算法中誤差是通過輸出層向輸入層反向傳播的，隱層級數越多，反向傳播誤差在靠近輸入層時就越不可靠。另外，隱層級數多必然計算工作量大，影響訓練速度。因此，針對本研究中所需解決的問題，確定應用1個隱層的網絡。
②隱層單元數目的確定網絡的輸入層和輸出層的節點個數是根據所訓練函數或所辨識的實際系統的具體情況而定的。在能保證訓練精度的前提下，網絡隱層的節點個數一定不能太多，只要保證隱層節點數大於輸入層節點數即可，否則會影響訓練速度。本研究模型中隱層單元數的確定在滿足上述理論的依據下，採用了「試錯法」進行確定。
(4)迭代停止標準模型建立時，設置最大的循環迭代為5000；循環次數超過5000次仍未達到迭代停止標準，則表明實驗失敗。收斂目標允許存有誤差，在網絡的輸出和樣本之間的差小於給定的誤差範圍，則停止對網絡權值的修正。採用對網絡學習寬容的做法，可加快網絡的學習速度。採用自適應的方法，即允許誤差在訓練開始時取大點，然後隨著訓練逐漸減少。針對該問題設定收斂誤差為0.001BP神經網絡模型評價(1)評價標準計算預測值與實際值之差，調用postreg函數，計算預測值和實際值之間的相關性係數r，計算預測值與實際值間的均方誤差mse，收斂到目標所需學習次數epochs，以這些指標來評價比較上述幾種網絡模型的性能。
(2)藥味藥量與腸運動關係模型評價①測定值與擬合值的均方誤差藥味藥量與腸運動映射模型MSE＝9.9978e-004。
②目標值與預測值比較藥味藥量與腸運動關係模型對已學習過的數據的擬合情況及對未學習過的數據預測能力比較見表2-1。
③網絡模型訓練情況藥味藥量與腸運動關係模型訓練情況見圖4。通過訓練過程圖可以看出，經過180餘次迭代，網絡收斂到目標值0.001。
④模型擬合情況藥味藥量與腸運動關係模型擬合情況見圖5。從擬合情況圖可以看出，預測值與實際測定值擬合較好。
表2-1藥味藥量與腸運動關係模型目標值、預測值及預測誤差比較

從表2-1可以看出，學習過的樣本相對誤差小於10％，反映網絡擬合性能優秀；未學習過的樣本相對誤差小於20％，從另外一方面反映藥味藥量與腸運動關係模型網絡預測性能良好。
藥味藥量與胃排空關係模型評價，與藥味藥量與胃分泌關係模型評價及藥味藥量與腸運動關係模型評價相似。
模型應用結果以半夏瀉心湯為例，藥味、藥量與藥效關係研究結果如下圖(圖6～圖29)


圖1胃酸回歸方程擬和對比2胃蛋白酶活性的回歸方程擬和對比3胃液粘液結合量的回歸方程擬和對比4藥味藥量與腸運動關係模型訓練情況圖5藥味藥量與腸運動關係模型擬合情況圖6半夏劑量與胃分泌的關係圖7半夏劑量與胃排空的關係圖8半夏劑量與腸運動的關係圖9黃芩劑量與胃分泌的關係圖10黃芩劑量與胃排空的關係圖11黃芩劑量與腸運動的關係圖12黃連劑量與胃分泌的關係圖13黃連劑量與胃排空的關係圖14黃連劑量與腸運動的關係圖15黨參劑量與胃分泌的關係圖16黨參劑量與胃排空的關係圖17黨參劑量與腸運動的關係圖18乾薑劑量與胃分泌的關係圖19乾薑劑量與胃排空的關係圖20乾薑劑量與腸運動的關係圖21大棗劑量與胃分泌的關係圖22大棗劑量與胃排空的關係圖23大棗劑量與腸運動的關係
圖24甘草劑量與胃分泌的關係圖25甘草劑量與胃排空的關圖26甘草劑量與腸運動的關係圖27生薑劑量與胃分泌關係圖28生薑劑量與胃排空的關係圖29生薑劑量與腸運動的關係下列實施例均能實現上述實驗效果。
具體實施例方式
實施例1取原料藥半夏、乾薑，按常規方法製成片劑，每片含有相當半夏生藥量18g，含有相當乾薑生藥量12g。
實施例2取原料藥半夏、乾薑，按常規方法製成膠囊劑，每粒含有相當半夏生藥量11g，含有相當乾薑生藥量17g。
實施例3取原料藥半夏、乾薑，按常規方法製成片劑，每片含有相當半夏生藥量23g，含有相當乾薑生藥量28g。
實施例4取原料藥半夏、乾薑，按常規方法製成片劑，每片含有相當半夏生藥量29g，含有相當乾薑生藥量24g。
實施例5取原料藥黃芩、黃連，按常規方法製成片劑，每片含有相當黃芩生藥量9g，含有相當黃連生藥量6g。
實施例6取原料藥黃芩、黃連，按常規方法製成片劑，每片含有相當黃芩生藥量18g，含有相當黃連生藥量4g。
實施例7取原料藥大棗、甘草按常規方法製成膠囊劑，每粒含有相當大棗生藥量11g，含有相當甘草生藥量26g。
實施例8取原料藥大棗、甘草按常規方法製成膠囊劑，每粒含有相當大棗生藥量28g，含有相當甘草生藥量21g。
實施例9取原料藥大棗、甘草按常規方法製成膠囊劑，每粒含有相當大棗生藥量11g，含有相當甘草生藥量30g。
實施例10取原料藥大棗、甘草按常規方法製成膠囊劑，每粒含有相當大棗生藥量28g，含有相當甘草生藥量38g。
實施例11利用BP神經網絡模型製備藥物組合物1.P神經網絡模型參數設定針對半夏瀉心湯及其類方配伍規律的研究，為建立藥味藥量與藥效學相關的非線性影射模型，對網絡的參數設置如下(1)樣本的選取和預處理樣本的選取從藥味藥量與藥效關係上研究半夏瀉心湯及其類方配伍規律，故選取其中的8味藥物(半夏、生薑、黃芩、黃連、黨參、甘草、大棗、乾薑)作為輸入層神經元。這些變量可以表示三個複方的配伍要素。選取胃排空、腸運動、胃分泌功能藥效學指標作為輸出神經元，建立輸出層神經元數為3的神經網絡模型。
樣本的規範化處理由于衡量的指標各不相同，原始樣本各個分量數量級有很大的差異，這就需要對樣本進行規範化處理。採用神經網絡回歸預測時，可能某個節點輸入值過大則其相應的更新增量過大，從而使權值過大，導致其他分量幾乎喪失了調控作用，所以需要對原始樣本進行適度的規範化處理。樣本的規範化處理應設計多種方案，儘量避免「飽和現象」的前提下，使樣本在較大的幅值範圍內均勻分布。對於本項目問題的數據處理應用規格化函數，使所有輸入、輸出樣本規範到[-1，1]的範圍內。
(2)權和閾值初始值域的確定從總體來看，權(包括閾值項)是隨著迭代的進行而更新的，且一般是收斂的，但權的初始值太大，可能導致網絡很快就達到飽和。為儘可能避免飽和，考慮到網絡的收斂速度以及樣本數據的複雜性，小的初始值域更利於權值均勻地隨機初始，的初始值域取(-0.05，0.05)較好。本項目中對初始權值在上述範圍內採用重複試驗的方法，過比較擬合效果，定最佳初始權值。
(3)網絡拓撲結構的確定網絡拓撲結構對於整個網絡的推廣能力、計算效率都起著關鍵作用。由於對樣本數據進行預測，輸出層取一個節點。確定網絡的拓撲結構的關鍵在於確定合適的隱層數目以及隱層單元數目。
隱層數目的確定確定應用1個隱層的網絡。
隱層單元數目的確定採用了「試錯法」進行確定(4)迭代停止標準模型建立時，置最大的循環迭代為5000；循環次數超過5000次仍未達到迭代停止標準，表明實驗失敗。收斂目標允許存有誤差，網絡的輸出和樣本之間的差小於給定的誤差範圍，停止對網絡權值的修正。採用對網絡學習寬容的做法，可加快網絡的學習速度。採用自適應的方法，即允許誤差在訓練開始時取大點，後隨著訓練逐漸減少。針對該問題設定收斂誤差為0.001。
(5)BP算法使用加入慣性動量算法和自適應步長算法來提高標準BP網絡的學習速度2.藥味藥量與藥效BP神經網絡的非線性映射模型的建立以實驗數據為輸入，應用BP神經網絡，分別建立了半夏瀉心湯及類方藥味藥量與胃分泌(胃酸、胃蛋白酶及胃粘液分泌)的非線性映射模型、半夏瀉心湯及類方藥味藥量與胃排空的非線性映射模型、半夏瀉心湯及類方藥味藥量與腸運動的非線性映射模型。網絡中各參數的設定為輸入層為8，輸出層為3，隱層為10，及拓撲結構均為8-10-3，學習算法選擇「動量法和學習速率自適應調整兩種策略改進的BP算法」，網絡收斂目標設定為1E-3。
3.模型評價通過應用均方誤差函數比較目標值與預測值的差異，計算目標值與預測值間的誤差，察網絡模型對訓練情況，絡擬合圖，對於網絡性能進行評價。
(1)藥味藥量與腸運動關係模型評價測定值與擬合值的均方誤差為藥味藥量與腸運動映射模型MSE為9.9978e-004。
目標值與預測值比較藥味藥量與腸運動關係模型對已學習過的數據的擬合情況及對未學習過的數據預測能力比較顯示，對於學習過的樣本相對誤差小於10％，反映網絡擬合性能優秀；對於未學習過的樣本相對誤差小於20％，從另外一方面反映藥味藥量與腸運動關係模型網絡預測性能良好。
(2)藥味藥量與胃排空關係模型評價測定值與擬合值的均方誤差藥味藥量與胃排空映射模型MSE為0.0015。
目標值與預測值比較藥味藥量與胃排空關係模型對已學習過的數據的擬合情況及對未學習過的數據預測能力比較顯示，對於學習過的樣本相對誤差小於10％，反映網絡擬合性能優秀；對於未學習過的樣本相對誤差小於20％，從另外一方面反映網絡預測性能良好。
(3)藥味藥量與胃分泌關係模型評價測定值與擬合值的均方誤差為藥味藥量與胃分泌映射模型模型MSE為14.6922。
目標值與預測值比較藥味藥量與胃分泌關係模型對已學習過的數據的擬合情況及對未學習過的數據預測能力比較顯示，對於學習過的樣本誤差小於10％，反映網絡擬合性能優秀；對於未學習過的樣本誤差小於20％，從另外一方面反映藥味藥量與胃分泌關係模型網絡預測性能良好。
根據預測結果得出實施例1-實施例10的藥味及藥量配比關係，分別取原料藥製備成實施例1-10所述片劑或膠囊劑。
權利要求
1.一種藥物組合物，其特徵在於該藥物組合物的單位製劑中含有相當半夏生藥量10-21g，含有相當乾薑生藥量10-18g。
2.如權利要求1所述的藥物組合物在製備具有如下作用的藥物當中的應用抑制胃酸作用、抑制胃蛋白酶作用或促進胃粘液的作用。
3.一種藥物組合物，其特徵在於該藥物組合物的單位製劑中含有相當半夏生藥量22-30g，含有相當乾薑生藥量19-30g。
4.如權利要求3所述的藥物組合物在製備具有如下作用的藥物當中的應用具有促進胃酸作用、促進胃蛋白酶作用或抑制胃粘液作用。
5.一種藥物組合物，其特徵在於該藥物組合物的單位製劑中含有相當黃芩生藥量2-20g，含有相當黃連生藥量2-15g。
6.如權利要求5所述的藥物組合物在製備具有如下作用的藥物當中的應用具有促進胃酸分泌、抑制胃粘液作用。
7.一種藥物組合物，其特徵在於該藥物組合物的單位製劑中含有相當大棗生藥量9-30g，含有相當甘草生藥量20-27g。
8.如權利要求7所述的藥物組合物在製備具有如下作用的藥物當中的應用具有促進胃酸分泌作用、促進胃蛋白酶作用。
9.一種藥物組合物，其特徵在於該藥物組合物的單位製劑中含有相當大棗生藥量9-30g，含有相當甘草生藥量28-40g。
10.如權利要求1、3、5、7或所述的藥物組合物的製備方法，其特徵在於該方法為
1.BP神經網絡模型參數設定針對半夏瀉心湯及其類方配伍規律的研究，為建立藥味藥量與藥效學相關的非線性影射模型，對網絡的參數設置如下(1)樣本的選取和預處理樣本的選取從藥味藥量與藥效關係上研究半夏瀉心湯及其類方配伍規律，故選取其中的8味藥物(半夏、生薑、黃芩、黃連、黨參、甘草、大棗、乾薑)作為輸入層神經元，這些變量可以表示三個複方的配伍要素，選取胃排空、腸運動、胃分泌功能藥效學指標作為輸出神經元，建立輸出層神經元數為3的神經網絡模型；樣本的規範化處理由于衡量的指標各不相同，原始樣本各個分量數量級有很大的差異，這就需要對樣本進行規範化處理，採用神經網絡回歸預測時，可能某個節點輸入值過大則其相應的更新增量過大，從而使權值過大，導致其他分量幾乎喪失了調控作用，所以需要對原始樣本進行適度的規範化處理，樣本的規範化處理應設計多種方案，儘量避免「飽和現象」的前提下，使樣本在較大的幅值範圍內均勻分布，對於本項目問題的數據處理應用規格化函數，使所有輸入、輸出樣本規範到[-1，1]的範圍內；(2)權和閾值初始值域的確定從總體來看，權(包括閾值項)是隨著迭代的進行而更新的，並且一般是收斂的，但權的初始值太大，可能導致網絡很快就達到飽和，為儘可能避免飽和，並考慮到網絡的收斂速度以及樣本數據的複雜性，較小的初始值域更利於權值均勻地隨機初始，權的初始值域取(-0.05，0.05)較好，本項目中對初始權值在上述範圍內採用重複試驗的方法，通過比較擬合效果，確定最佳初始權值；(3)網絡拓撲結構的確定網絡拓撲結構對於整個網絡的推廣能力、計算效率都起著關鍵作用，於對樣本數據進行預測，輸出層取一個節點，定網絡的拓撲結構的關鍵在於確定合適的隱層數目以及隱層單元數目；隱層數目的確定確定應用1個隱層的網絡；隱層單元數目的確定採用了「試錯法」進行確定；(4)迭代停止標準模型建立時，設置最大的循環迭代為5000；循環次數超過5000次仍未達到迭代停止標準，則表明實驗失敗，斂目標允許存有誤差，在網絡的輸出和樣本之間的差小於給定的誤差範圍，則停止對網絡權值的修正，用對網絡學習寬容的做法，可加快網絡的學習速度，用自適應的方法，即允許誤差在訓練開始時取大點，然後隨著訓練逐漸減少，對該問題設定收斂誤差為0.001；(5)BP算法使用加入慣性動量算法和自適應步長算法來提高標準BP網絡的學習速度2.藥味藥量與藥效BP神經網絡的非線性映射模型的建立以實驗數據為輸入，應用BP神經網絡，分別建立了半夏瀉心湯及類方藥味藥量與胃分泌(胃酸、胃蛋白酶及胃粘液分泌)的非線性映射模型、半夏瀉心湯及類方藥味藥量與胃排空的非線性映射模型、半夏瀉心湯及類方藥味藥量與腸運動的非線性映射模型，網絡中各參數的設定為輸入層為8，輸出層為3，隱層為10，及拓撲結構均為8-10-3，學習算法選擇「動量法和學習速率自適應調整兩種策略改進的BP算法」，網絡收斂目標設定為1E-3；3.模型評價通過應用均方誤差函數比較目標值與預測值的差異，計算目標值與預測值間的誤差，觀察網絡模型對訓練情況，網絡擬合圖，對於網絡性能進行評價；(1)藥味藥量與腸運動關係模型評價測定值與擬合值的均方誤差為藥量與腸運動映射模型MSE為9.9978e-004；目標值與預測值比較藥味藥量與腸運動關係模型對已學習過的數據的擬合情況及對未學習過的數據預測能力比較顯示，對於學習過的樣本相對誤差小於10％，反映網絡擬合性能優秀；對於未學習過的樣本相對誤差小於20％，從另外一方面反映藥味藥量與腸運動關係模型網絡預測性能良好；(2)藥味藥量與胃排空關係模型評價測定值與擬合值的均方誤差藥味藥量與胃排空映射模型MSE為0.0015；目標值與預測值比較藥味藥量與胃排空關係模型對已學習過的數據的擬合情況及對未學習過的數據預測能力比較顯示，對於學習過的樣本相對誤差小於10％，反映網絡擬合性能優秀；對於未學習過的樣本相對誤差小於20％，從另外一方面反映網絡預測性能良好；(3)藥味藥量與胃分泌關係模型評價測定值與擬合值的均方誤差為藥味藥量與胃分泌映射模型模型MSE為14.6922；目標值與預測值比較藥味藥量與胃分泌關係模型對已學習過的數據的擬合情況及對未學習過的數據預測能力比較顯示，對於學習過的樣本誤差小於10％，反映網絡擬合性能優秀；對於未學習過的樣本誤差小於20％，從另外一方面反映藥味藥量與胃分泌關係模型網絡預測性能良好；根據預測結果得出藥物組合物的藥味及藥量配比關係，分別取原料藥製備成藥物組合物製劑。
全文摘要
本發明公開一種BP神經網絡模型製備的藥物組合物及製藥新用途。本發明公開的BP神經網絡模型方法包括如下步驟應用BP神經網絡建立藥味藥量與藥效的非線性映射模型的；BP神經網絡模型參數設定；藥味藥量與藥效BP神經網絡的非線性映射模型的建立。該方法使實驗數據得以更全面的、充分的利用，建立的藥味藥量與藥效學指標映射模型，實現計算機代替大量重複繁瑣的動物實驗工作。根據BP神經網絡模型方法預測結果得出藥物組合物的藥味及藥量配比關係，分別取原料藥製備成藥物組合物製劑。
文檔編號G06N3/02GK1876172SQ200610083340
公開日2006年12月13日 申請日期2006年6月2日 優先權日2005年6月2日
發明者牛欣, 司銀楚, 王慶國, 李宇航, 李澎濤, 高豔青, 劉曉霓, 宋曉莉, 朱慶文 申請人:北京中醫藥大學