化学模式识别在生药鉴别和质量评价中的应用教案.docVIP

化学模式识别在生药鉴别和质量评价中的应用 摘要：化学模式识别是物以类聚,同类或相似的样本间的距离较近,不同类的/样本间的距离应较远。这样可以根据各样本的距离或距离的函数来判别、分类,并利用分类的结果预报未知。模式识别属于多变量数值分析方法,它是借助于计算机来揭示隐含于事物内部规律的一种综合技术，是用现代分离分析检测方法对中药材或药品样本中的有机或无机的药用化学成分进行检测,用化学计量学方法关联检测数据阵,确定可用于样品质量控制的模式,通过上述方法进行整体分析、分类和描述来对未知样本进行识别。 关键词:聚类分析法、主成分分析法、矩阵、空间 模式识别(pattern recognition)是一门用机器代替人对模式即所研究的事物进行分析、描述、判断和识别的技术[1]。它的中心任务就是要识别出某个样本与哪一种模式(样本)相同或相近,即在一定的度量和观测的基础上把待识别的模式划分到各自模式类中。模式识别可分为基于统计学习理论的统计模式识别和基于语法的结构模式识别。统计模式识别是目前最成熟也是应用最广泛的方法。以完成识别过程的方式而论,模式识别又可分为两个系统:有监督学习系统和无监督学习系统。有监督学习系统要运用一组已知其类别的样本进行训练(或学习)获得分类准则,再利用准则来判别未知模式所属的类别。常用的方法有: SIMCA法(Simple classification algorithm,简单分类法)、Bayes判别、逐步判别分析(Step-wise discriminate analysis, STEPDA)、人工神经网络(Artificial neural networks,ANN)等。而无监督学习系统则是把模式划分到目前为止仍然未知的类别中,即无须预先知道模式所属的类别。其中最重要的一种就是聚类分析的方法。如系统聚类分析(Hierarchical clustering analysis)、模糊聚类分析(Fuzzy clustering analysis)等。 化学模式识别(chemical pattern recognition)最早出现在20世纪20年代,模式识别方法于60年代末被引入化学领域。它建立于一个十分直观的基本假设,即物以类聚,同类或相似的样本间的距离较近,不同类的/样本间的距离应较远。这样可以根据各样本的距离或距离的函数来判别、分类,并利用分类的结果预报未知。模式识别属于多变量数值分析方法,它是借助于计算机来揭示隐含于事物内部规律的一种综合技术[5]。化学模式识别方法包括主成分分析(Principle component analysis,PCA)、聚类分析(Cluster analysis,CA)和判别分析(Discriminant analysis,DA)等方法。按照有没有训练可以划分为有监督的模式识别方法(Supervised classification)和无监督的模式识别方法(Unsupervised classification)。前者是事先规定分类的标准和种类的数目,通过大批已知样本的信息处理(称为/训练或/学习)找出规律,再用计算机预报未知[6]。如贝叶斯(Bayes)线性判别法、Fisher判别法、线性学习机、最近邻近(KNN)域判别法、SIMCA分类法等。后者与前者相比,其模式识别问题中存在更大的不确定性,一个主要原因就是在无监督模式识别问题中,只有一大批样本,事先没有规定分类标准,也没有规定分成几类,却要求通过信息处理找出合适的分类方法并实现分类。如聚类分析(clustering analysis)法、析因法(factor analysis, FA)、图形分类法等。 化学模式识别是用现代分离分析检测方法对中药材或药品样本中的有机或无机的药用化学成分进行检测,用化学计量学方法关联检测数据阵,确定可用于样品质量控制的模式,通过上述方法进行整体分析、分类和描述来对未知样本进行识别。此方法综合了中药材或中药制剂内各种化学成分的整体信息,能够更准确、更全面、更科学的对中药材及其制剂进行质量评价[7],在对大批量样品进行鉴别分类时,其快速、准确的特点尤为突出。目前化学模式识别方法所采用的原始数据,主要来源于波谱分析、光谱分析和色谱分析所测得的各种数据,常用的分析方法有:紫外光谱法(UV)、红外光谱( IR)、薄层色谱法(TLC)、气相色谱法(GC)、高效液相色谱法(HPLC)、质谱分析法、气相色谱/质谱(GC/MS)联用技术、液相色谱/质谱(LC/MS)等,随着研究的深入,核磁共振法、X射线衍射法、分子生物学方法(DNA指纹图谱)和各种新型的联用技术,如高效液相色谱/毛细管电泳-质谱/质谱(HPLC/CE-MS/MS)、等离子光谱-质谱(ICP-MS)等[8]也应用于中药指纹图谱的构建并可能为中药的化学模