基于BP神经网络毛脉酸模根中白藜芦醇动态规律探究.docVIP

基于BP神经网络毛脉酸模根中白藜芦醇动态规律探究 　 作者：王宗 王振月 崔红花 康毅华 【摘要】 目的 利用BP神经网络方法探索建立毛脉酸模根中白藜芦醇含量的动态模型的可行性。方法采用HPLC色谱法，测定不同生长发育期毛脉酸模中7种生物活性成分（白藜芦醇苷、白藜芦醇、大黄酚苷、酸模素、大黄素、大黄酚、大黄素甲醚）的含量。通过相关性分析找出与白藜芦醇相关性较好的因子用来建立网络。结果通过利用根皮部的白藜芦醇的数据进行检验网络的泛化性能，发现网络的输出值与实际值吻合度较好。结论BP人工神经网络预测白藜芦醇的动态规律比其他线性数值模拟预测具有较大的优势，为植物的生物活性成分随季节的变化趋势的建立提供了一种新的方法。 【关键词】 毛脉酸模 BP人工神经网络 白藜芦醇 毛脉酸模为蓼科Polyonaceae酸模属多年生宿根草本植物，根中富含白藜芦醇及白藜芦醇苷等二苯乙烯类成分，酸模素、大黄酚、大黄素等蒽醌类成分及黄酮类化合物［1～3］。有研究表明，它具有抗肿瘤、抗病原微生物、降血脂等药理作用［4～6］，其中白藜芦醇具有多种药理活性：抗菌、抗氧化、预防心脏病、抗癌、抗血小板凝聚、保护肝脏、雌激素作用、防辐射、免疫调节、抗艾滋病活性、抗心律失常和抗心肌缺血等［7～11］，也能修复非典型肺炎方剂所致的细胞DNA 损伤［12］。因此，毛脉酸模作为一种新中药材或原料药有相当重要的生产和研究价值。 基于误差逆传算法的多层前馈神经网络（简称BP网络）是目前应用最广、通用性最好的能用于分类、模式识别和函数逼近的网络。在生态学和农业研究中，它通常作为非线性函数模拟器用于预测作物产量、生物生产量、生物与环境之间的关系等［13～16］。在医药学方面，主要用于诊断、含量测定及质量评价等研究［17～19］。药用植物中含有的生物活性成分随季节的变化规律是非线性的，以往只是利用生物活性成分的含量来描述其动态特征，而极少运用BP神经网络建立生物活性成分的动态积累模型。本文利用BP神经网络强大的非线性能力，选择与毛脉酸模中白藜芦醇相关性较大的生物活性成分作为因子建立简单而又切实可行的网络，预测该植物中的白藜芦醇含量的动态积累规律，从而为新的中药材合理的开发利用提供理论依据和科学指导。 1 材料及处理 毛脉酸模采于黑龙江中医药大学，从4月下旬至10月中旬，每月采收2次。毛脉酸模采收后，用清水洗净，阴干。 2 方法 2.1 供试品溶液的制备 精密称取待测样品粉末0.5 g，置于索氏提取器中，加50%乙醇70 ml，提取4 h，过滤，蒸干，残渣用甲醇溶解并定容至25 ml，过0.45 μm滤膜，即得。 2.2 检测方法 利用高效液相色谱仪（Waters2695型泵，2996型二极管阵列检测器）（Water公司，美国）检测毛脉酸模中7种活性成分。色谱柱为Planetsil C18（200 mm×4.6 mm，5 μm），预柱为Phenomenex ODS-C18 (4.0 mm×3.0 mm)；流动相A为甲醇，流动相B为水（磷酸调pH为2.0）；线性梯度洗脱条件为流动相从30%甲醇到100%甲醇，时间为0～50 min；流速1 ml·min-1；检测波长为254 nm(蒽醌类成分)，303 nm(二苯乙烯类成分)，225 nm(酸模素)；柱温为40℃；进样量为20 μl。 3 结果 3.1 因子相关性分析在毛脉酸模生长发育过程中主要的生物活性成分因子包括白藜芦醇苷（X1）、白藜芦醇（X2）、大黄酚苷（X3）、酸模素（X4）、大黄素（X5）、大黄酚（X6）和大黄素甲醚（X7）等。这些因子对生物过程都有影响，本文主要是探讨BP神经网络对该植物根中的白藜芦醇含量动态变化规律预测的可行性，因此将白藜芦醇作为网络的输出变量，通过对毛脉酸模根中诸因子的相关性系数分析可知（见表1），白藜芦醇与白藜芦醇苷、大黄酚苷、大黄素、大黄酚和大黄素甲醚之间相关性较好，而与酸模素的线性关系较差。 表1 网络输入因子之间的相关系数 3.2 插值 由于BP神经网络模型的参数过多，需要大量的样本数保证参数的正确的求取，否则就有可能会产生与训练数据的过度吻合。因此，在保持原有数据特征的基础上，在相邻的两个时间点监测数据间，插入了多个值，经过反复多次，找出了其中的最佳插值数据，作为网络训练集和测试集数据的来源。各因子的变化曲线见图1～7。 3.3 神经网络模型的确立如上文所述经过相关性分析，为了寻找最佳的神经网络拓扑结构，确定如下的模型输入组合：① X1，X3，X4，X5，X6，X7；② X1，X3，X5，X6，X7；③ X3，X5，X6，X7；④ X3，X6。对于每个方案，其最优的网络在很大程度上是不确定的。在一般情况下，它会随着输入变量个数、权值和阈值的初始化以及训练次数的不同而略有差别；