目的:开发一种更优的评估中药肝毒性的方法,为中药保健食品原料安全性评价提供参考.方法:基于国际公开构建肝毒性定量构效关系(QSAR)模型训练集数据,形成训练集.使用Discovery Studio 4.5对训练集进行主成分分析和聚类分析,针对每一类使用朴素贝叶斯(NB)、逻辑回归(LR)、邻近算法(KNN)等9种机器学习的方法构建QSAR模型,并利用交叉验证方法对模型构建方法进行评估.最后使用最优类模型对113种中药保健食品原料包含的783个成分进行了预测,根据多模型加权平均概率筛选出肝毒性成分占比较大的中药.结果:根据对训练集化合物的分析,可以看出第3类模型的准确率为85％～91％,高于现有报道的中药成分肝毒性预测模型.对中药保健食品原料成分的分析发现肝毒性化合物48个、不具有肝毒性的化合物735个,肝毒性预测概率为0.15～0.30,说明中药保健食品原料肝毒性普遍较低.预测肝毒性成分所占比例较高的中药有茜草、番泻叶、当归、大黄、丹参、厚朴、川芎、桑枝、桑白皮、五味子等.结论:对训练集预先聚类,提高QSAR模型准确率,为中药安全性评价的方法学研究提供了新思路,为中药保健食品原料成分进一步研究提供重要参考.
Prediction of Hepatotoxicity of Raw Materials of Functional Food Containing Chinese Medicinal Herbs
国家科技期刊平台
NSTL
万方数据
维普
