药物信息学技术提升医院制剂质量的关键技术及其应用

本项目属于中药学与药物信息学交叉研究和应用基础研究。 中药自制制剂是中医医院的特色及优势，是中药新药研发的摇篮，但医院制剂的普遍现状是科技含量低，工艺落后，质量控制水平比较低。通过运用交叉学科的新理论和新方法，研究创建中药复杂组效关系模型及计算机辅助中药新药优化设计技术，将有助于解决中药制剂相关研究的关键问题。本项目将药物信息学技术应用于优化现有组方，完善制剂工艺、控制中药质量及寻找新候选协定处方等医院中药制剂开发的全过程，为医院制剂的开发研究提供新的思路和方法。 在现有医院制剂研究方面，以"提出假设→实验设计→信息整合→计算建模→辨识预测优化→实验验证"新型研究策略对医院制剂进行组方优化、工艺优化及质量控制，为有效解决下述中药制剂在现阶段所面临的一些关键问题提供有益的思路： 在组方优化方面，本项目提出均匀设计-药效试验-多指标综合评价-LASSO算法建模-进化搜索（遗传算法）寻优-试验验证的新策略对本院的降脂颗粒进行了组方优化研究。 在优化制剂工艺方面，本项目提出了BP神经网络结合遗传算法的多指标优化试验解决方案，这种方案克服了单目标优化时需提前设立权重的缺点，并成功应用于秦冰滴眼液的工艺优化；提出了AHP-CRITIC的多指标权重解决方案，并成功应用于复方自身清颗粒的工艺优化。 在控制中药质量方面，在对原料药材的质量评价上，本项目提出了将综合主成分分析法和AHP-CRITIC应用于原料药材黄芪、秦皮等的质量综合评价，发现这两种方法能较全面地表征了原始样本的信息，质量排序结果具有一定的客观性；提出了新的针对制剂提取物的质量优化策略，即以指纹信息相似度与指标性成分含量相结合的优化模式对秦皮提取物的质量进行了优化；本项目开发了一些利用紫外光谱结合智能计算模型的方法，如人工神经网络（ANN）、遗传算法结合最小二乘支持向量机（GA-LSSVM）等实现了对苯麻滴鼻液、秦冰滴眼液等制剂产品质量的快速分析。 在新的医院制剂候选处方发现方面，由于医院制剂主要来源于医院的协定处方或名老中医经验方，是本院中医师在临床上根据辨证论治的原则，在漫长的岁月里积累、总结而成。为使医院制剂能够可持续的发展，新的医院制剂必定来源于新的有效协定方。本项目在药物信息学技术引导下，提出了可用于评估处方核心性及有效性的指标，及如何在中医药的医疗实践中挖掘发现核心有效方的方法，即基于复杂网络的从核心药物（结合中心度分析）→核心药对（结合信息熵）→核心处方（结合BK算法）→核心有效处方（结合GA算法）的发现方法，成功总结了本院著名中医风湿病专家陈湘君教授、皮肤病专家马绍尧教授、肿瘤专家刘嘉湘教授以及肺病专家邵长荣教授的用药经验方，并在肿瘤科的医疗实践中，发现了多个潜在有效的核心处方，可以成为我们开发新的院内制剂的候选处方。 本项目发表学术论文27篇，SCI收录4篇，被引用144次，其中他引130次，其中SCI论文被引5次；培养研究生6名。形成了医院中药制剂进行交叉学科研究的特色，培养了一支勇于创新的科研团队。