球面對稱設計結合遺傳神經網絡優選黃芪-紅花藥對水提工藝

陳光瑋，金偉鋒，許守超，張 玲，王 玉，何 昱

球面對稱設計結合遺傳神經網絡優選黃芪-紅花藥對水提工藝

陳光瑋，金偉鋒，許守超，張 玲，王 玉，何 昱*

浙江中醫藥大學，浙江 杭州 310053

采用球面對稱設計及遺傳神經網絡優選黃芪-紅花藥對的水提工藝。將黃芪-紅花藥對水提液中8種有效成分（羥基紅花黃色素A、紫丁香苷、毛蕊異黃酮苷、脫水紅花黃色素B、山柰酚-3--蕓香糖苷、芒柄花苷、毛蕊異黃酮、黃芪甲苷）的含量進行賦權，以計算得到的綜合得分作為水提工藝的評價指標。在單因素實驗基礎上，選擇液料比、提取時間、提取溫度3個因素，依據球面對稱設計進行實驗，并結合遺傳神經網絡模型進一步優選黃芪-紅花藥對水提工藝參數。球面對稱設計得到的最佳提取條件為液料比20∶1、提取時間30 min、提取溫度87 ℃、提取次數2次，其綜合評分為4.877；以遺傳神經網絡得到的最佳提取條件為液料比22.7∶1、提取時間30 min、提取溫度87 ℃、提取次數2次，經驗證該條件下的綜合得分為5.004。實驗結果顯示，遺傳神經網絡能夠提高水提工藝條件的綜合評分。球面對稱設計和遺傳神經網絡能夠優化黃芪-紅花藥對水提工藝參數，可為中藥及其制劑中多種有效成分提取的工藝優選提供參考。

黃芪-紅花藥對；球面對稱設計；遺傳神經網絡；工藝優化；羥基紅花黃色素A；紫丁香苷；毛蕊異黃酮苷；脫水紅花黃色素B；山柰酚-3--蕓香糖苷；芒柄花苷；毛蕊異黃酮；黃芪甲苷

黃芪為補氣健脾之要藥，具有補氣升陽、生津養血、托毒生肌的功效。陶弘景的《本草經集注》認為其兼具活血功效，可“逐五臟間惡血”，而紅花活血通經，兩者相使配伍可增強補氣活血的作用。黃芪-紅花藥對常出現于補陽還五湯、溶栓通脈湯等經典方劑中，用于心腦血管疾病如中風（卒中）、厥心痛等的治療[1]。臨床應用中黃芪-紅花藥對的劑量比例在1∶1～40∶1，其中以3∶1的劑量比例最為常見[1]。

在不同領域的工藝研究中，研究者為節約時間和成本、提高提取效率，往往會通過試驗設計或數學模型進行參數的優化。球面對稱設計（spherical symmetry design，SSD）是一種在多維空間中的球面確定試驗點的試驗設計，正逐漸被國內不同領域所接受[2-4]。球面對稱的空間維數為所考察的因素個數（），空間維數平方根為球面半徑[6]，試驗次數為2＋2＋1。其試驗次數比析因設計少，試驗精密度比均勻設計高[5]，通過球面對稱設計得到的多元回歸方程式能夠預測范圍內所有實驗點的理論值，而傳統的正交設計僅對已有因素水平進行考察。近年來，研究者已開始將集成學習方法應用于中醫藥研究中，如支持向量機[6]、人工神經網絡[7-8]、隨機森林[9-12]、決策樹[10]等。由于遺傳神經網絡擁有優良的容錯性和逼近能力[13]，近年來許多學者將其應用于中藥提取工藝參數優選領域中，使該領域的研究更加方便快捷、科學有效。由于以往在中藥提取分離領域尚無將球面對稱設計與遺傳神經網絡結合運用的報道，本實驗擬以黃芪-紅花藥對的水提工藝為例，為中藥多成分提取條件優化提供新的模式。

據文獻報道，羥基紅花黃色素A[14]、紫丁香 苷[15]、毛蕊異黃酮苷[16]、脫水紅花黃色素B[17]、山柰酚-3--蕓香糖苷[18-19]、芒柄花苷[20]、毛蕊異黃 酮[21]、黃芪甲苷[22]對于心腦血管疾病均有不同的治療效果。本課題組在前期研究過程中發現黃芪-紅花藥對水提液中的這8種主要成分均能夠被檢出且峰形良好；不同的提取條件對黃芪-紅花藥對水提液中這些有效成分的提取效果存在較大影響。為最大程度地提取黃芪-紅花藥對中多種的有效成分，發揮其最佳藥效，本實驗將這8種成分的含量作為評價提取工藝優劣的指標，首先利用熵權法對8種成分含量進行賦權，得到的綜合得分作為評價指標，通過單因素試驗篩選影響較大的提取因素，并確定相應水平；然后以CRITIC（criteria importance through inter-criteria correlation）賦權法進行賦權，利用球面對稱設計結合遺傳神經網絡對水提工藝條件進行優選，以有效提取黃芪-紅花藥對的化學組分，為后續藥理學研究的開展奠定基礎。

1 儀器與試藥

1.1 儀器

Agilent 1260 infinity型高效液相色譜儀，配備G1315D型DAD檢測器，美國安捷倫科技有限公司；RE-2000A旋轉蒸發儀，上海亞榮生化儀器廠；TG16-WS臺式離心機，湖南湘儀實驗室儀器開發有限公司；FA1104N十萬分之一電子分析天平，上海精密科學儀器有限公司；超純水儀，美國Millipore公司。

1.2 試藥

黃芪（批號190702）、紅花（批號200313），浙江中醫藥大學中藥飲片有限公司，經浙江中醫藥大學藥學院黃繩武教授鑒定，黃芪為豆科黃芪屬植物膜莢黃芪(Fisch.) Bge.的干燥根，紅花為菊科紅花屬植物紅花L.的干燥花。飲片經粉碎后得黃芪、紅花粉末。對照品毛蕊異黃酮苷、芒柄花苷、毛蕊異黃酮、黃芪甲苷，批號分別為SZ20180608MRYHTG、SZ20180324MBHG、SZ20180425MRYHT、SZ20180506HQJG，南京世洲生物科技有限公司；對照品羥基紅花黃色素A、紫丁香苷、山柰酚-3--蕓香糖苷，批號分別為19100931、19111241、19110643，上海同田生物技術股份有限公司；對照品脫水紅花黃色素B，實驗室自制；以上對照品質量分數均大于98%。甲醇、乙腈，色譜級，美國天地公司；三氟乙酸，上海麥克林生化科技有限公司，批號C11196166。

2 方法與結果

2.1 含量測定方法

黃芪-紅花藥對水提液的成分含量通過HPLC- DAD法進行測定，色譜條件為Alltech Alltima C18色譜柱（250 mm×4.6 mm，5 μm）及Alltech Alltima C18保護柱（12.5 mm×4.6 mm）；流動相為0.01%三氟乙酸-乙腈，梯度洗脫：0～7 min，12%乙腈；7～8 min，12%～18%乙腈；8～22 min，18%～20%乙腈；22～27 min，20%～21%乙腈；27～29 min，21%～26%乙腈；29～35 min，26%～32%乙腈；35～58 min，32%乙腈；柱溫30 ℃；體積流量1.0 mL/min；檢測波長：210 nm（毛蕊異黃酮苷、黃芪甲苷）、260 nm（紫丁香苷、山柰酚-3--蕓香糖苷、芒柄花苷、毛蕊異黃酮）、403 nm（羥基紅花黃色素A、脫水紅花黃色素B）；進樣量20 μL。

按出峰時間先后順序各成分的含量分別表示為羥基紅花黃色素A（R＝6.90 min）、紫丁香苷（R＝9.47 min）、毛蕊異黃酮苷（R＝19.66 min）、脫水紅花黃色素B（R＝22.16 min）、山柰酚-3--蕓香糖苷（R＝26.90 min）、芒柄花苷（R＝35.29 min）、毛蕊異黃酮（R＝40.48 min）、黃芪甲苷（R＝57.52 min），經前期方法學考察，8種待測成分的質量濃度與峰面積均呈現良好的線性關系（≥0.999 7），精密度、穩定性和重復性均良好，RSD值均小于3%，平均加樣回收率在96.26%～101.31%，RSD為0.74%～2.79%。

2.2 單因素考察

2.2.1 指標權重及綜合得分的計算 在單因素考察過程中發現，黃芪-紅花藥對水提液中8種有效成分的含量隨著因素水平變化趨勢并不一致，給后續試驗選取合適的因素水平造成一定困難。因此本實驗通過熵權法確定黃芪-紅花藥對水提液中的8種成分在5個提取影響因素下含量的權重系數（w），計算最終的綜合評分（S），以此直觀衡量黃芪-紅花藥對水提液中不同成分受各因素變化的影響[8]。具體計算過程如下。

（1）指標的標準化處理：由于黃芪-紅花藥對水提液中的8種成分均對治療心腦血管疾病有一定療效，但各成分含量差異較大，不宜直接計算指標權重，故均進行標準化處理。其中x為第個樣品中第個指標成分的含量（＝1，2，…，；＝1，2，…，8）；而x′為正向化處理后數據，為方便表達，仍將其記為x。

x′＝{x－min{1j，…，x}}/{max{1j，…，x}－min{1j，…，x}}

（2）計算各樣品下的第個指標在該指標下的比重（p）。

（3）計算各項指標的熵值（e）。

e＝?plnp，其中＝1/ln

（4）計算第項指標的信息熵冗余度（d）。

d＝1－e

（5）計算第項指標的權重（w）。

（6）計算各單因素實驗中的S。

2.2.2 提取次數考察 精密稱取黃芪粉末15 g和紅花粉末5 g，按30∶1的液料比加水，提取前不浸泡，分別提取1、2、3、4、5次，每次提取30 min，提取溫度為100 ℃，提取液抽濾后合并，減壓濃縮近干后以10%甲醇復溶，定容至25 mL量瓶中，以10%甲醇定容，搖勻，得供試品溶液A。精密吸取2 mL供試品溶液A至50 mL量瓶中，以10%甲醇定容，搖勻，得供試品溶液B，按“2.1”項下色譜條件測定樣品中各成分含量，其中供試品溶液A用于測定毛蕊異黃酮和黃芪甲苷，供試品溶液B用于測定其余6種成分。每組單因素試驗重復3次，由“2.2.1”項下公式計算各樣品S，結果見表1。當提取次數為3次時，S值最大，但由于提取2次和3次的S值相近，為節省提取時間，故在球面對稱設計中提取次數選擇綜合評分相對較低的2次。

2.2.3 浸泡時間考察 精密稱取黃芪粉末15 g和紅花粉末5 g，按30∶1的液料比加水，提取前分別浸泡0、10、20、30、40、50 min，提取2次，每次提取30 min，提取溫度為100 ℃，每組單因素試驗重復3次。測定各成分含量并計算各樣品S，結果見表2。由結果可知浸泡時間對S值影響較小，綜合考慮時間成本，將該因素剔除。

2.2.4 提取溫度考察 精密稱取黃芪粉末15 g和紅花粉末5 g，按30∶1的液料比加水，提取前不浸泡，提取2次，每次提取30 min，提取溫度分別為50、60、70、80、90、100 ℃，每組單因素試驗重復3次，試驗過程中以溫度計嚴格控溫。測定各成分含量并計算各樣品S，結果見表3。當提取溫度為70 ℃時，S值最大，故選擇提取溫度70 ℃作為球面對稱設計的因素水平中心點。

2.2.5 提取時間考察 精密稱取黃芪粉末15 g和紅花粉末5 g，按30∶1的液料比加水，提取前不浸泡，提取2次，每次分別提取10、20、30、40、50、60 min，提取溫度為70 ℃，每組單因素試驗重復3次，試驗過程中以溫度計嚴格控溫。測定各成分含量并計算各樣品S，結果見表4。當提取時間為30 min時S值最大，故選擇提取時間30 min作為球面對稱設計的因素水平中心點。

表1 提取次數對各成分含量的影響 (,n = 3)

表2 浸泡時間對各成分含量的影響(,n = 3)

2.2.6 液料比考察 精密稱取黃芪粉末15 g和紅花粉末5 g，分別按10∶1、15∶1、20∶1、25∶1、30∶1的液料比加入水，提取前不浸泡，提取2次，每次提取30 min，提取溫度為100 ℃，每組單因素試驗重復3次。測定各成分含量并計算各樣品S，結果見表5。可見當液料比為25∶1時S值最大，但由于黃芪-紅花藥對水提液中部分成分在濃縮過程中可能易受熱分解，溶劑體積越大，濃縮時間越長，故選擇液料比20∶1作為球面對稱設計的因素水平中心點。

表3 提取溫度對各成分含量的影響(,n = 3)

表4 提取時間對各成分含量的影響(,n = 3)

2.3 球面對稱設計及結果

表5 液料比對各成分含量的影響(,n = 3)

在諸多賦權法中，CRITIC賦權法是集熵權法和標準離差法優勢于一體的客觀賦權法，CRITIC賦權法不僅吸取熵權法中考察因素對指標影響的思想，還兼顧了指標間的影響。在多因素試驗設計法中，其可兼顧評價指標的對比強度及指標間沖突性來衡量各指標客觀權重，能夠提高其在球面對稱設計中權重分配的合理性，因此，本實驗采用CRITIC賦權法對球面對稱設計的各實驗組進行評分，將所得分數作為評價指標，進行統計學分析。球面對稱設計試驗分組及結果見表6。CRITIC賦權法具體計算步驟如下。

（1）數據標準化處理：參照“2.2.1”項下方法處理。

（2）考察指標變異性：CRITIC法以標準差表示各指標內差異波動情況，其中S為第個指標的標準差。S越大表示該指標變異性越大，評價強度越強。

（3）考察指標沖突性：CRITIC法以相關系數表示指標間沖突性（R），其中r為第個指標與第個指標間的相關系數。

（4）計算各指標信息量（C）、客觀權重（W）及綜合得分（Q）。

C＝SR

將上述實驗結果經多項式回歸處理，所得的回歸方程為＝4.331＋3.001 A＋1.751 B－4.944 C－2.223 A2－0.123 B2＋2.738 C2－1.815 AB＋1.635 AC＋0.390 BC，該方程回歸系數2＝0.660 4，且 各項系數的顯著性均大于0.05，說明本研究以多項式回歸不適合預測黃芪-紅花藥對水提工藝的最佳參數。

2.4 遺傳神經網絡模型的建立與預測

2.4.1 遺傳神經網絡模型的建立 以球面對稱設計中的液料比、提取時間、提取溫度作為遺傳神經網絡的輸入變量，黃芪-紅花藥對水提液中的8種成分含量經CRITIC賦權法計算得到的綜合得分Q值作為輸出變量。根據留一法，將其中球面對稱設計中的13組數據作為神經網絡模型的訓練集，2組數據作為測試集。根據不同隱含神經元數目下訓練集最大決定誤差（the maximum absolute error of training data，MAEtrian）、驗證集最大決定誤差（the maximum absolute error of testing data，MAEtest）、訓練集決定系數（the determination coefficient of training data，2train）、訓練集相關系數（the correlation coefficient of training data，train）作為確定隱含神經元合適數量的指標。其中2train和train趨近于1，MAEtrain和MAEtest較小時的隱含神經元數目為較合適的，具體結果見表7。為保證神經網絡模型預測的準確性，盡可能減少模型學習時間和避免過擬合現象發生，本實驗選擇輸入層×隱藏層×輸出層為3×4×1的遺傳神經網絡模型，如圖1所示；該遺傳神經網絡模型的相應權重如表8所示。圖2為模型預測值與試驗實測值之間的關系，表明含有4個隱藏層神經元的遺傳神經網絡模型與實驗數據是基本一致的。

表6 球面對稱設計實驗結果(,n = 3)

表7 隱含神經元數目對訓練數據和測試數據的MAEtrian、MAEtest、R2train、rtrain的影響

當j＝1時，vij和bj為輸入層與隱藏層間權重和截距，yj為隱藏層神經元輸出函數；當j＝2時，vij和bj為隱藏層與輸出層間權重和截距，yj為輸出層神經元輸出函數

2.4.2 基于遺傳神經網絡模型的目標尋優 利用MATLAB 2015a軟件，設定種群大小為1000，最大迭代次數為200，最終預測得到最佳提取工藝參數為液料比22.7∶1，提取時間30 min，提取溫度87 ℃，綜合得分為4.960。

表8 用于預測黃芪-紅花藥對水提液水提工藝綜合評分的4個隱藏層神經元的權重和截距

1和1分別為輸入層與隱藏層間權重和截距；2和2分別為隱藏層與輸出層間權重和截距

1and1are the weights and intercepts between the input and hidden layers;2and2are the weights and intercepts between the hidden and output layers

圖2 實驗數據與模型預測數據誤差分析結果

2.5 最優工藝條件的驗證性實驗

以遺傳神經網絡模型預測得到的最優提取工藝條件，精密稱取黃芪粉末15 g和紅花粉末5 g，共3份，按上述得到的最優工藝條件進行操作，測定各成分含量，計算得到綜合評分，結果見表9。通過遺傳神經網絡模型預測的最佳提取工藝條件得到的平均綜合評分為5.004，RSD為0.46%，高于球面對稱設計試驗中的最高綜合評分。

表9 遺傳神經網絡模型預測最優工藝參數的驗證性實驗

3 討論

本實驗依據傳統湯劑制備方法用水提取黃芪-紅花藥對組分，通過HPLC-DAD法測定其中羥基紅花黃色素A、紫丁香苷、毛蕊異黃酮苷、脫水紅花黃色素B、山柰酚-3--蕓香糖苷、芒柄花苷、毛蕊異黃酮、黃芪甲苷8種有效成分的含量，并將多指標通過客觀賦權法整合為單一的綜合得分以評價不同條件提取工藝的優劣。

熵權法是一種僅以指標離散程度確定權重的賦權法。指標的離散程度越大，其權重也越大。與之相對應的，單因素試驗是假設各因素之間不存在相互作用且僅存在因素對指標影響為前提而設計的。因此，單因素試驗與熵權法結合應用具有一定合理性。以熵權法計算各單因素實驗中的綜合評分，通過比較綜合評分及聯系實際確定球面對稱設計各因素水平中心點。

與單因素試驗不同，球面設計等多因素試驗設計承認不同因素之間的相互作用，在數據分析方面也應考慮指標間的影響，而CRITIC賦權法兼顧評價指標的對比強度及指標間沖突性，可提高多因素試驗設計中權重分配合理性，因此本研究選用CRITIC賦權法計算球面對稱設計中的各指標權重及綜合評分，考察“工藝參數-指標”和“指標-指標”的影響，能夠提高其在球面對稱設計中權重分配的合理性。

球面對稱設計由于其相比于正交設計、析因設計、均勻設計等具有提取次數少、試驗精度高等優勢，正逐漸應用于中藥提取分離領域當中。因為提取次數只能為整數，故在球面對稱設計試驗中不能將其作為考察因素。為完善黃芪-紅花藥對水提工藝條件，本研究在單因素試驗過程中篩選合適的提取次數，結合其他單因素試驗結果確定球面對稱設計的因素與水平。

遺傳神經網絡是一種模擬生物進化過程、適合處理非線性數據的優選算法[23]，現已被成功應用于中藥質量評價[24]、中藥制劑建模研究[25]等領域當中。大量研究證明遺傳神經網絡具有較好的全局尋優能力和抗過擬合能力，可大大減少研究時間和精力，適用于中藥提取多因素試驗設計。

因此，本實驗最后利用建立的遺傳神經網絡數學模型，以紅花黃芪水提液中的8種成分的CRITIC賦權法綜合評分為指標進行工藝模擬優化。通過驗證確定黃芪-紅花藥對水提工藝的最佳條件為液料比22.7∶1，提取溫度87 ℃，提取次數2次，每次30 min，其綜合評分為5.004，RSD為0.46%，高于任何一組球面對稱設計實驗的綜合評分，表明在球面對稱設計實驗的基礎上，通過遺傳神經網絡模型的預測能夠有效優化黃芪-紅花藥對水提工藝參數。

利益沖突 所有作者均聲明不存在利益沖突

[1] 周國贏, 楊鋒. 腦血管病妙方特技精粹 [M]. 北京: 人民軍醫出版社, 2001: 152-234.

[2] 彭霞, 饒秋華, 李卓, 等. 基于球面對稱設計的離散元細觀參數定量確定方法 [J]. 中南大學學報: 自然科學版, 2019, 50(11): 2801-2812.

[3] 劉喜舞, 鄭禮勝, 謝霞, 等. 細柱五加葉多糖提取分離純化及保濕性能研究 [J]. 中草藥, 2015, 46(8): 1167-1173.

[4] 劉巖雪. 熒光原位雜交技術檢測乳腺癌Her-2/neu基因擴增的方法學研究 [D]. 天津: 天津醫科大學, 2005.

[5] 劉娟, 譚紅玲. 球面對稱設計優化毛蕊老鸛草總黃酮的提取工藝 [J]. 安徽農業科學, 2014, 42(17): 5398-5399.

[6] 楊巖, 肖佳妹, 周晉, 等. 支持向量機法及其在中藥研究中的應用 [J]. 中草藥, 2020, 51(8): 2258-2266.

[7] 黃鵬程, 金偉鋒, 萬海同, 等. 遺傳神經網絡與遺傳算法優選黃芪皂苷微波提取工藝條件 [J]. 中草藥, 2019, 50(16): 3815-3823.

[8] 楊巖, 肖佳妹, 王韌, 等. 人工神經網絡在中藥相關研究領域的應用 [J]. 中草藥, 2019, 50(13): 3230-3236.

[9] 萬浩宇, 張洋洋, 虞立, 等. 基于隨機森林模型的超聲提取優化紅花中兩種有效成分工藝研究 [J]. 中藥材, 2020, 43(3): 673-677.

[10] 張佳穎. 以含三七皂苷成分中藥注射液為例建立ADR前置預測系統 [D]. 成都: 電子科技大學, 2020.

[11] 夏伯候, 胡玉珍, 熊蘇慧, 等. 隨機森林算法在中藥指紋圖譜中的應用: 以不同品牌夏桑菊顆粒指紋圖譜分析為例 [J]. 中國中藥雜志, 2017, 42(7): 1324-1330.

[12] 苑婕, 李曉杰, 陳超, 等. 基于隨機森林算法的川芎成分-靶點-疾病網絡的預測研究 [J]. 中國中藥雜志, 2014, 39(12): 2336-2340.

[13] 劉紅梅, 李可意. 基于BP神經網絡和遺傳算法優化莪術超臨界萃取工藝 [J]. 中國藥學雜志, 2006, 41(5): 371-374.

[14] Bai X, Wang W X, Fu R J,. Therapeutic potential of hydroxysafflor yellow A on cardio-cerebrovascular diseases [J]., 2020, 11: 01265.

[15] Tan J Y, Luo J, Meng C C,. Syringin exerts neuroprotective effects in a rat model of cerebral ischemia through the FOXO3a/NF-κB pathway [J]., 2021, 90: 107268.

[16] 王圣鑫, 閆向麗, 鄭昊圳, 等. 毛蕊異黃酮苷和芍藥苷聯用對氧糖剝奪再灌注HT22細胞PI3K/AKT信號通路的影響 [J]. 中藥新藥與臨床藥理, 2020, 31(2): 138-142.

[17] Yue S, Wu L, Qu C,. Development and validation of a UFLC-MS/MS method for the determination of anhydrosafflor yellow B in rat plasma and its application to pharmacokinetic study [J]., 2015, 1003: 54-59.

[18] Yu L, Chen C, Wang L F,. Neuroprotective effect of kaempferol glycosides against brain injury and neuroinflammation by inhibiting the activation of NF-κB and STAT3 in transient focal stroke [J]., 2013, 8(2): e55839.

[19] Gaowa S, Bao N, Da M,. Traditional Mongolian medicine Eerdun Wurile improves stroke recovery through regulation of gene expression in rat brain [J]., 2018, 222: 249-260.

[20] Zhang W W, Xu F, Wang D,. Buyang Huanwu Decoction ameliorates ischemic stroke by modulating multiple targets with multiple components:evidences [J]., 2018, 16(3): 194-202.

[21] 張彐寧, 高維娟, 周曉紅, 等. 毛蕊異黃酮對腦缺血/再灌注大鼠神經細胞凋亡的影響 [J]. 中國藥理學通報, 2020, 36(12): 1775-1776.

[22] Sun L, Han R L, Guo F,. Antagonistic effects of IL-17 and Astragaloside IV on cortical neurogenesis and cognitive behavior after stroke in adult mice through Akt/GSK-3β pathway [J]., 2020, 6: 74.

[23] 吳思佳, 金偉鋒, 王航, 等. 基于遺傳神經網絡的雙目標甘草提取工藝優化 [J]. 中華中醫藥雜志, 2019, 34(4): 1719-1721.

[24] 王澤, 顧勤蘭, 王志祥. 基于遺傳神經網絡的中藥葛根及同屬植物的質量評價研究 [J]. 中草藥, 2005, 36(10): 1580-1582.

[25] 劉瑞新, 劉南岑, 史新元, 等. 基于遺傳算法和BP網絡的清開靈注射液增溶工藝優化研究 [J]. 中國中藥雜志, 2009, 34(19): 2469-2472.

Decocting process optimization ofdrug pair based on spherical symmetry design and genetic neural network

CHEN Guang-wei, JIN Wei-feng, XU Shou-chao, ZHANG Ling, WANG Yu, HE Yu

Zhejiang Chinese Medical University, Hangzhou 310053, China

To determine the appropriate aqueous extract craft forvia spherical symmetry design and genetic neural network.In this study, the contents of eight active components, including hydroxysafflor yellow A, syringin, calycosin-7-glycoside, anhydrosafflor yellow B, kaempferol-3--rutinoside, ononin, calycosin, and astragaloside IV, in the aqueous extract ofwere weighted, and the calculated comprehensive score was applied as the evaluation index. According to the single factor experiment, the ratio of material to liquid, extraction duration and extraction temperature were taken as three factors of spherical symmetric design for the experiment. The genetic neural network model was established to further optimize the aqueous extraction process parameters of.The optimal extraction conditions obtained by spherical symmetry design were liquid to solid ratio of 20:1, extracting at 87 ℃, decocting twice and 30 min every time, and the comprehensive score was 4.877; The optimum extraction conditions obtained by the genetic neural network were liquid to solid ratio of 22.7:1, extracting at 87 ℃, decocting twice and 30 min every time, and the comprehensive score was 5.004. The experimental results showed that the genetic neural network can improve the comprehensive score of water extraction process conditions.Spherical symmetric design combined with genetic neural network mathematical model has ability to optimize the water extraction process parameters of, which provides a reference for optimizing the extraction process of various effective components from traditional Chinese medicine and its preparations.

-drug pair; spherical symmetry design; genetic neural network; process optimization; hydroxysafflor yellow A; syringin; calycosin-7-glycoside; anhydrosafflor yellow B; kaempferol-3--rutinoside; ononin; calycosin; astragaloside IV

R284.2

A

0253 - 2670(2021)08 - 2257 - 10

10.7501/j.issn.0253-2670.2021.08.008

2020-12-15

國家自然科學基金項目（81873226）；國家科技重大專項重大新藥創制（2019ZX09301101）；浙江省自然科學基金項目（LZ18H270001）；浙江省“萬人計劃”科技創新領軍人才項目（2019）

陳光瑋，碩士研究生，主要從事中藥有效成分提取分離方向研究。E-mail: 657275426@qq.com

何 昱，教授，博士生導師。Tel: (0571)61768145 E-mail: heyu0923@sina.com

[責任編輯 鄭禮勝]