基于多糖和人工智能的中药质量控制研究

作     者：师永飞 

作者单位：郑州轻工业大学 

学位级别：硕士

导师姓名：王国庆

授予年度：2024年

学科分类：1008[医学-中药学(可授医学、理学学位)] 1006[医学-中西医结合] 100602[医学-中西医结合临床] 10[医学] 

主      题：光谱分析 多糖 独立成分分析 深度学习 中药质量控制 

摘      要：中药作为一种传统药物,在中药质量控制领域中发挥着不可或缺的重要作用。中药中的多糖种类繁多,结构复杂,每种多糖可能具有不同的生物活性和药效。因此,确保中药中多糖的质量和含量是一项复杂的任务。为了确保中药的质量和安全,建立有效的质量控制体系至关重要。其中,中药多糖的质量控制是确保中药符合规定标准的重要手段之一。利用人工智能方法、深度学习、指纹图谱技术处理中药多糖数据,可以实现对中药多糖含量的有效控制和监测,可以提高质量控制的智能化水平,为中药产业的发展和中药质量安全提供有力保障。 本文通过对传统的多糖质量控制方法可能无法满足对复杂多糖成分的准确分析需求,部分方法可能存在准确性、灵敏度不足等问题。建立多糖总糖含量与LSTM(Long Short-Term Memory)网络定量模型,将为中药质量控制提供科学依据和方法支持。 主要研究内容如下: (1)主要讨论了多糖处理与红外光谱的应用,基于FastICA(Fast Independent Component Analysis)的独立成分分析方法为提取牛膝样品中多糖的光谱信息提供了一种有效的途径。通过IR＿Fast ICA快速独立成分分析,可以对混合物样品中的多糖成分进行处理和分析,特别是在处理混合信号、提取纯组分信号和定性分析方面。中文版的IR＿FastICA软件为提取和分离混合信号中的纯组分提供了一种有效的工具,可以在混合物样品中提取多糖信息,为混合物样品中多糖组分的分析提供了新的思路和方法,可以更好地理解和提取混合物样品中的多糖信息,为多糖的研究和应用提供了重要的支持,对于多糖类化合物的分析、质量控制等具有重要意义。 (2)建立基于深度学习-红外光谱多糖的总糖含量测定方法。在中药多糖质量控制中,利用LSTM网络可以对多糖总糖含量的时间序列数据进行建模和预测。通过训练LSTM模型,可以从历史数据中学习多糖含量的变化规律,并基于学习到的模式进行未来多糖含量的预测,有助于对多糖的特征进行准确建模。探讨了不同牛膝多糖之间的相互作用,以及如何利用统计数据进行直观分析和方差分析,以发现数据中潜在的规律和关联性。相比传统的多糖含量分析方法,这种结合多种技术手段的方法可以更全面、准确地评估多糖含量,尤其适用于对复杂多糖的分析。 (3)建立基于深度学习的神经网络技术来处理多组分光谱严重重叠、难以进行定量分析的问题,从中提取特定纯组分的谱学信息研究,进一步解决了复杂混合体系中成分分析和定量检测的问题,实现了对多组分混合维生素含量同时测定的目标。基于深度学习的神经网络技术能够有效地提取不同组分的光谱特征和相对浓度大小,并预测出对应的浓度信息。模型预测得到的四种维生素含量的标准差分别为VB1 2.6%,VB2 3.0%,VB3 3.5%,VB67.7%,表明LSTM网络在测定这些维生素的含量时标准差表现具有较好的稳定性。 研究结果表明,通过改进模型,成功提高了牛膝多糖含量的预测精度,同时满足了检测速度和准确性的要求。同时也为中药多糖的过程监测和质量控制提供了有益的参考。LSTM神经网络模型具有处理混合混合重叠红外光谱数据的潜在能力,能够根据输入的混合谱学信号预测出特定的纯多糖组分谱学信号,实现了对不同组分光谱特征和相对浓度大小的提取,实现对模型的可重复性、误差小、可推广应用。