紅外光譜數(shù)據(jù)在中藥藥性上的識(shí)別研究

　紅外光譜是利用物質(zhì)分子對(duì)紅外輻射的選擇性吸收，用紅外分光光度計(jì)測(cè)得的包含物質(zhì)分子結(jié)構(gòu)信息的光譜圖。由于紅外光譜具有特征性強(qiáng)、取樣量小、簡(jiǎn)便迅速、準(zhǔn)確等特點(diǎn)，近年來(lái)其應(yīng)用得到較快的發(fā)展，各國(guó)藥典都將紅外光譜作為法定的藥物鑒別的主要方法，與此同時(shí)也越來(lái)越多地應(yīng)用于中藥材的識(shí)別研究。

中醫(yī)藥是我國(guó)的傳統(tǒng)醫(yī)學(xué)寶庫(kù)，中藥藥性理論是傳統(tǒng)醫(yī)藥的核心理論之一，是中華醫(yī)學(xué)理論體系中的一個(gè)重要組成部分。對(duì)中藥藥性的研究自古有之[1～3]，并已成為指導(dǎo)中藥的指導(dǎo)原則[4]。然而，中藥藥性的機(jī)理至今尚未被人們所徹底了解，一般認(rèn)為，中藥中的化學(xué)成分或某些藥效團(tuán)是中藥藥性的物質(zhì)基礎(chǔ)[5,6]，但其與藥性的相關(guān)性目前尚不為人知;由于紅外光譜是利用物質(zhì)的分子對(duì)紅外輻射的吸收得到的與分子結(jié)構(gòu)相應(yīng)的紅外光譜圖，因此，如果中藥中的化學(xué)成分或藥效團(tuán)確實(shí)與藥性相關(guān)，那么其紅外光譜與藥性應(yīng)具有一定的相關(guān)性。正是基于這種想法，本文嘗試將主成分分析技術(shù)與支持向量機(jī)方法相結(jié)合，利用中藥紅外光譜數(shù)據(jù)進(jìn)行建模分析，探討中藥紅外光譜數(shù)據(jù)與藥性的相關(guān)性，取得了較好的效果?，F(xiàn)報(bào)道如下。

1基本原理簡(jiǎn)介

1.1支持向量機(jī)分類原理支持向量機(jī)[7](SupportVectorMachine，SVM)是從統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展起來(lái)的一種機(jī)器學(xué)習(xí)方法,該方法不僅支持小樣本情況下的識(shí)別分類，而且具有較好的泛化性，從上世紀(jì)90年代初提出以來(lái)已成為模式識(shí)別的一個(gè)重要方法，目前已廣泛應(yīng)用于生產(chǎn)實(shí)踐與科學(xué)研究的各個(gè)領(lǐng)域，例如文本的分類與識(shí)別[8，9]、蛋白質(zhì)功能的預(yù)測(cè)[10]和藥材的分類與識(shí)別[11]等，其分類原理是通過(guò)定義適當(dāng)?shù)膬?nèi)積函數(shù)ψ(·)將數(shù)據(jù)從輸入空間映射到高維解空間，然后在這個(gè)高維解空間中構(gòu)造超平面

ω·ψ(x) b=0①

再利用結(jié)構(gòu)風(fēng)險(xiǎn)原則，及Karush-Kuhn-Tucher條件，建立優(yōu)異分類判別函數(shù)

y(x)=sign[∑xi∈SVαiyiK(xi,x) b]②

這里K(xi,x)=ψ(xi)Tψ(x)稱為核函數(shù)，xi∈SV稱為支持向量。通過(guò)判別函數(shù)②即可實(shí)現(xiàn)數(shù)據(jù)的分類。

1.2主成分分析將紅外光譜原始數(shù)據(jù)作為支持向量機(jī)的輸入，通常存在兩個(gè)問(wèn)題，優(yōu)異，紅外光譜數(shù)據(jù)一般都是高維向量，維數(shù)從幾十到上千不等，導(dǎo)致向量變量與樣本數(shù)的比值過(guò)大，直接影響支持向量機(jī)建模的可靠性;第二，紅外光譜數(shù)據(jù)往往包含有大量的重疊信息，數(shù)據(jù)矩陣存在大量線性相關(guān)的變量向量。因此利用支持向量機(jī)進(jìn)行建模前,SHOU先要對(duì)紅外光譜數(shù)據(jù)進(jìn)行壓縮或降維，在保證不丟失光譜主要信息特征的前提下，將高維的光譜數(shù)據(jù)轉(zhuǎn)化為低維數(shù)據(jù)，以作為支持向量機(jī)的輸入。主成分分析法[12](principalcomponentanalysis,PCA)是目前使用廣泛的線性降維方法之一，該方法的特點(diǎn)是對(duì)原數(shù)據(jù)進(jìn)行線性變換，保留方差大、包含信息量多的變量，丟掉方差較小、包含信息量少的變量，然后通過(guò)重新線性組合求出新的分量，達(dá)到降低光譜數(shù)據(jù)維數(shù)的目的，其基本原理[13]是將被分析的數(shù)據(jù)矩陣Xm×n分解成下面形式：

X=TPT E③

其中Tm×a稱為得分矩陣，Pn×a稱為載荷矩陣，Em×n為殘差矩陣，T、P均為正交矩陣。在所能容忍的殘差范圍內(nèi)，X近似地表示為

X=TPT④

將④式得分矩陣T移至左邊，得

T=XP⑤

從⑤式可以看出，通過(guò)載荷矩陣P可以將原數(shù)據(jù)矩陣X投影到一個(gè)a維子空間，一般情況下，a遠(yuǎn)遠(yuǎn)小于原向量的維數(shù)n，于是實(shí)現(xiàn)了數(shù)據(jù)的降維。通常，a稱為主成分?jǐn)?shù)。

2方法

2.1藥材本研究使用的76味中藥的藥材名稱、產(chǎn)地及藥性見(jiàn)表1。其中，平性藥36味，寒涼藥20味，溫?zé)崴?0味。

表176味中藥材藥名、產(chǎn)地、藥性列表

藥名產(chǎn)地藥性藥名產(chǎn)地藥性藥名產(chǎn)地藥性蒲黃山東平桑寄生廣西平細(xì)辛吉林溫?zé)崽胰屎颖逼脚Ｏズ幽掀交ń匪拇責(zé)岷蠚g皮四川平秦艽甘肅平丁香廣東溫?zé)岽ㄅＯニ拇ㄆ较生Q草浙江平高良姜廣東溫?zé)嵫邚V西平大血藤河南平丹皮安徽寒涼三棱江蘇平矮地茶廣西平赤芍湖南寒涼王不留行江蘇平大血藤江西平大黃甘肅寒涼蘇木廣西平大血藤湖南平丹參河北寒涼銀杏葉廣西平藕節(jié)湖南平益母草廣西寒涼腫節(jié)風(fēng)廣西平絲瓜絡(luò)江蘇平薄荷湖南寒涼甘草內(nèi)蒙古平川芎四川溫?zé)嵘Ｈ~安徽寒涼紅景天湖南平桂枝廣西溫?zé)岣鸶幽虾疀鼍戆貜V西平當(dāng)歸甘肅溫?zé)岵窈颖焙疀鰞擅驷槒V西平三七廣西溫?zé)嶂负颖焙疀雎仿吠◤V西平紅花河南溫?zé)釛d子江西寒涼木賊陜西平麻黃內(nèi)蒙古溫?zé)嵯目莶莺焙疀鲕蛯?shí)安徽平紫蘇湖南溫?zé)岚逅{(lán)根河北寒涼山藥廣西平荊芥江蘇溫?zé)峤疸y花湖南寒涼香附湖南平防風(fēng)東北溫?zé)崞压⒑颖焙疀鱿生Q草廣西平蒼術(shù)河北溫?zé)岽笄嗳~湖南寒涼茯苓云南平厚樸四川溫?zé)岽┬纳弿V東寒涼香附山東平砂仁云南溫?zé)猃埬懖輧?nèi)蒙古寒涼太子參江蘇平豆蔻廣西溫?zé)峥鄥⑸轿骱疀錾剿幒幽掀礁阶铀拇責(zé)嵝⒄憬疀鲨坭綄幭钠礁山拇責(zé)岚脒吷彴不掌絽擒镙呛蠝責(zé)?br />
2.2儀器與實(shí)驗(yàn)參數(shù)設(shè)置

2.2.1儀器NicoletNEXUS470FT-IR光譜儀(美國(guó)ThermoNicolet公司)，F(xiàn)W-4型壓片機(jī)(上海浦東榮豐科學(xué)儀器有限公司)。

2.2.2參數(shù)設(shè)置光譜掃描范圍450～4000cm-1;分辨率4cm-1，等間隔采集數(shù)據(jù)，每味中藥共采集1842個(gè)數(shù)據(jù)。掃描次數(shù)為16次。

2.3樣品制備與測(cè)試在本研究的前期工作中，曾對(duì)20種不同藥性中藥的石油醚、醋酸乙酯、乙醇、水不同溶劑提取部位的提取物紅外光譜與藥性的相關(guān)性進(jìn)行過(guò)初步分析，結(jié)果顯示醋酸乙酯部位的提取物紅外光譜與藥性相關(guān)性優(yōu)異，因此本實(shí)驗(yàn)主要對(duì)醋酸乙酯提取物的紅外圖譜進(jìn)行分析，具體制樣方法如下：取表1所示76種中藥樣品粉末各2g,分置于50ml錐形瓶中，分別加入醋酸乙酯20ml,，超聲提取30min，濾過(guò)，取濾液水浴蒸干。將提取物以1∶50～1∶100的比例加入溴化鉀研磨均勻，于壓片機(jī)上壓成透明的薄片，然后置于NicoletNEXUS470FT-IR光譜儀上掃描，測(cè)得各中藥醋酸乙酯提取物的紅外光譜及數(shù)據(jù)。

3數(shù)據(jù)處理與模型構(gòu)建

3.1數(shù)據(jù)預(yù)處理為提高構(gòu)建模型的健壯性，減少因?qū)嶒?yàn)誤差、環(huán)境干擾等因素對(duì)分析對(duì)象的影響，本文每味中藥均測(cè)定3次。構(gòu)建模型前，SHOU先對(duì)每味中藥各次測(cè)得的光譜數(shù)據(jù)加和平均，得到加和平均數(shù)據(jù)曲線后，選擇正交小波函數(shù)系Symlets對(duì)數(shù)據(jù)進(jìn)行小波消噪處理，并在此基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行如下變換。

3.1.1極差尺度化針對(duì)每一個(gè)樣品紅外光譜數(shù)據(jù)極差尺度化，其變換公式如下：

χij=χij-χmin(i)χmax(i)-χmin(i)⑦

其中，Xij表示第i個(gè)樣品的第j個(gè)屬性。

在紅外光譜測(cè)定中，通常較厚的材料樣品比較薄的材料樣品吸收更多的紅外能量，結(jié)果表現(xiàn)為更高的譜峰，但峰值的比值卻相對(duì)不變，因此，此操作可以補(bǔ)償光程長(zhǎng)造成的影響，消除由于樣品厚度不同帶來(lái)的測(cè)量誤差，保持光譜的特征。

3.1.2數(shù)據(jù)中心化對(duì)光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)中心化處理。此操作目的是使光譜數(shù)據(jù)分布在零點(diǎn)兩側(cè)，不僅充分反映光譜的變化信息，而且使計(jì)算簡(jiǎn)便，從而提高區(qū)分中藥藥性的能力。

數(shù)據(jù)中心化就是從每個(gè)光譜數(shù)據(jù)中減去該樣品的平均值，即：

χij=χij-—χi⑧

其中，χij表示第i個(gè)樣品的第j個(gè)屬性，—χi為第i個(gè)樣品的平均值。

3.1.3數(shù)據(jù)標(biāo)準(zhǔn)化處理光譜數(shù)據(jù)標(biāo)準(zhǔn)化目的就是消除各味中藥光譜數(shù)據(jù)間的量綱差異，使各中藥圖譜間的變化信息具有同等的表現(xiàn)力，既保持每味中藥光譜的各自特征，又可以使各圖譜之間具有比較的能力。本文使用的數(shù)據(jù)標(biāo)準(zhǔn)化公式如下：

χij=χij-—χi—χi⑨

其中—χi為第j個(gè)屬性的平均值，—Sj為第j個(gè)屬性的標(biāo)準(zhǔn)偏差。

3.2模型構(gòu)建光譜數(shù)據(jù)預(yù)處理后，SHOU先使用主成分分析法對(duì)原光譜數(shù)據(jù)進(jìn)行線性變換求出主成分，實(shí)現(xiàn)光譜數(shù)據(jù)的降維，降維后的維數(shù)由方差百分?jǐn)?shù)判定，判定公式如下：

S2e=∑di=1λi∑pi=1λi

其中，S2e表示d個(gè)特征值與p個(gè)特征值加和的比值計(jì)算出的可被解釋的累計(jì)方差。當(dāng)取S2e=0.97時(shí)，可計(jì)算出主成分?jǐn)?shù)為15，即使用15個(gè)主成分就可以解釋97%以上的數(shù)據(jù)方差。

確定各中藥紅外光譜的主成分后，使用支持向量機(jī)構(gòu)建模型。本文模型構(gòu)建選擇libsvm支持向量機(jī)[14]，采用徑向基函數(shù)為核函數(shù)。由于只選用76味中藥紅外光譜數(shù)據(jù)作為分類指標(biāo)，故在對(duì)主成分?jǐn)?shù)據(jù)進(jìn)行分類訓(xùn)練時(shí)采用交叉驗(yàn)證法，即每次留出一個(gè)樣本作為預(yù)測(cè)數(shù)據(jù)，其余樣本參與模型訓(xùn)練，為了尋找優(yōu)異參數(shù)，對(duì)求解空間進(jìn)行網(wǎng)格搜索，以確定優(yōu)異的懲罰參數(shù)C和徑向基函數(shù)的參數(shù)γ。經(jīng)反復(fù)實(shí)驗(yàn)，并對(duì)結(jié)果進(jìn)行統(tǒng)計(jì)、比較，發(fā)現(xiàn)當(dāng)懲罰參數(shù)C值為8，徑向基函數(shù)的參數(shù)γ值為0.03125，平性藥與非平性藥的懲罰比例為1∶1時(shí)，分類效果優(yōu)異。

3.3藥性預(yù)測(cè)按照所求出的懲罰參數(shù)C和徑向基函數(shù)的平滑參數(shù)γ建立模型，采用交叉驗(yàn)證法對(duì)藥性進(jìn)行預(yù)測(cè)。結(jié)果見(jiàn)表2。表2平性藥與非平性藥分類計(jì)算結(jié)果

4結(jié)果與討論

從表2可以看出，采用主成分分析方法對(duì)中藥光譜數(shù)據(jù)降維之后，用主成分作為支持向量機(jī)輸入，構(gòu)建得到的中藥平性藥和非平性藥的識(shí)別模型，可以比較好的區(qū)分中藥平性藥與非平性藥的藥性，本方法對(duì)平性藥識(shí)別率為83.33%，非平性藥識(shí)別率為82.50%，總體識(shí)別率為82.89%。