我国中药信息学研究成果的分析-护理研究杂志在线投稿
护理研究杂志在线投稿 护理学杂志投稿 医学类核心期刊 护理管理杂志投稿
中药信息学研究的新技术、新成果
中药材种质资源研究现状
现代分子生物学研究发现,中药材(不含矿物药)所依赖的生物资源--“物种”的多样性是其基因多态性的结果,而基因多态性检测可在分子水平上进行,它比在形态、组织和化学水平上的检测更能代表其变异类型的遗传标记。由于DNA分子标记直接分析的是生物的基因型而非表现型,所以鉴别结果不受环境因素、样品形态(原生药、粉状或片状)和材料来源的影响,建立在PCR技术基础上的DNA指纹图谱法可为中药品种鉴别提供更加准确可靠的手段[17]。
不同产地植物样品的基因组指纹图谱结果通常应用聚类分析算法来构建进化树或种系发生谱(phylogenetic tree),它通过分支层次或拓扑图形反映出享有共同祖先的一群生物体的系统分类歧异点。这个技术有助于从基因进化的角度挖掘出生物体基因序列与其功能的关系。例如,中国中医科学院中药研究所王瑷琦等人采用RAPD方法对我国二级保护中药杜仲的16个群体、260个个体进行了遗传多样性分析,由Nei’s遗传一致度和除权成组配对法(UPGMA)得到的聚类图清晰地将来自北京、陕西、河南、湖北、四川和贵州的16个群体分为四大类。该实验结果验证了长期形态学和胚胎学研究的结论,表明杜仲种内存在显著的遗传分化,在形式上表现为不同树皮类型、不同有效成分含量等[20]。
中药生物活性的虚拟筛选
随机森林模型(random forest)是决策树(decision trees)的集成,当作为预测模型使用时它是一种计算条件概率的描述方法。对于处理和组织大量文献数据具有较强的文本分类性能[10]。自组织映射(self-organizing map)是一种类似大脑思维的人工神经网络模型,它通过“无监督学习”将高维度的数据进行处理后再以低维(通常是二维)视图表达分析结果,而且映射图上保留原输入样本空间的拓扑性质。于是,在它输出的语义映射图上性质相似的样本是彼此靠近的,反之则位置相对较远。它的突出优点在于适合任何类型的数据,并能够算出数据样本之间的配对间距,特别是那些非矢量数据。例如,符号序列和有机化学分子结构片段序列等[11]。
基于分子对接(molecular docking)的虚拟筛选是针对重要疾病的特定靶标生物大分子的三维结构或定量构效关系quantitative structure-activity relationship (QSAR)模型,从现有的小分子数据库中(包括天然药物成分、半合成以及全合成化合物)搜寻可与靶标生物大分子结合或符合QSAR模型的化合物进行计算机虚拟筛选研究。其目的是快速地从多达上百万个分子中,发现有潜在生物活性的化合物。用计算机进行的虚拟筛选大大减少了生物实验筛选的化合物数量,既缩短研究周期,又节约研究经费。
虚拟筛选方法主要分为基于配体小分子的虚拟筛选(ligand-based virtual screening, LBVS)和基于受体生物大分子结构的虚拟筛选(structure-based virtual screening,SBVS)。在这个领域应用较多的程序有DOCK、FlexX、GOLD、Glide、ICM、FRED 和AutoDock等[14]。事实证明,虚拟筛选的阳性率(5%～30%)远远高于传统高通量实验筛选的阳性率(0.01%～0.1%)[7]。上海中医药大学与上海药物研究所合作,采用基于分子对接的虚拟筛选技术在ACD(Available Chemicals Directory)化合物库中发现了天然产物金丝桃苷是潜在的感冒229E抗原型冠状病毒3CL蛋白酶的新型抑制剂[15]。
中国护理管理投稿 http://www.qikanba.com/
中药信息学研究的新技术、新成果
中药材种质资源研究现状
现代分子生物学研究发现,中药材(不含矿物药)所依赖的生物资源--“物种”的多样性是其基因多态性的结果,而基因多态性检测可在分子水平上进行,它比在形态、组织和化学水平上的检测更能代表其变异类型的遗传标记。由于DNA分子标记直接分析的是生物的基因型而非表现型,所以鉴别结果不受环境因素、样品形态(原生药、粉状或片状)和材料来源的影响,建立在PCR技术基础上的DNA指纹图谱法可为中药品种鉴别提供更加准确可靠的手段[17]。
不同产地植物样品的基因组指纹图谱结果通常应用聚类分析算法来构建进化树或种系发生谱(phylogenetic tree),它通过分支层次或拓扑图形反映出享有共同祖先的一群生物体的系统分类歧异点。这个技术有助于从基因进化的角度挖掘出生物体基因序列与其功能的关系。例如,中国中医科学院中药研究所王瑷琦等人采用RAPD方法对我国二级保护中药杜仲的16个群体、260个个体进行了遗传多样性分析,由Nei’s遗传一致度和除权成组配对法(UPGMA)得到的聚类图清晰地将来自北京、陕西、河南、湖北、四川和贵州的16个群体分为四大类。该实验结果验证了长期形态学和胚胎学研究的结论,表明杜仲种内存在显著的遗传分化,在形式上表现为不同树皮类型、不同有效成分含量等[20]。
中药生物活性的虚拟筛选
随机森林模型(random forest)是决策树(decision trees)的集成,当作为预测模型使用时它是一种计算条件概率的描述方法。对于处理和组织大量文献数据具有较强的文本分类性能[10]。自组织映射(self-organizing map)是一种类似大脑思维的人工神经网络模型,它通过“无监督学习”将高维度的数据进行处理后再以低维(通常是二维)视图表达分析结果,而且映射图上保留原输入样本空间的拓扑性质。于是,在它输出的语义映射图上性质相似的样本是彼此靠近的,反之则位置相对较远。它的突出优点在于适合任何类型的数据,并能够算出数据样本之间的配对间距,特别是那些非矢量数据。例如,符号序列和有机化学分子结构片段序列等[11]。
基于分子对接(molecular docking)的虚拟筛选是针对重要疾病的特定靶标生物大分子的三维结构或定量构效关系quantitative structure-activity relationship (QSAR)模型,从现有的小分子数据库中(包括天然药物成分、半合成以及全合成化合物)搜寻可与靶标生物大分子结合或符合QSAR模型的化合物进行计算机虚拟筛选研究。其目的是快速地从多达上百万个分子中,发现有潜在生物活性的化合物。用计算机进行的虚拟筛选大大减少了生物实验筛选的化合物数量,既缩短研究周期,又节约研究经费。
虚拟筛选方法主要分为基于配体小分子的虚拟筛选(ligand-based virtual screening, LBVS)和基于受体生物大分子结构的虚拟筛选(structure-based virtual screening,SBVS)。在这个领域应用较多的程序有DOCK、FlexX、GOLD、Glide、ICM、FRED 和AutoDock等[14]。事实证明,虚拟筛选的阳性率(5%～30%)远远高于传统高通量实验筛选的阳性率(0.01%～0.1%)[7]。上海中医药大学与上海药物研究所合作,采用基于分子对接的虚拟筛选技术在ACD(Available Chemicals Directory)化合物库中发现了天然产物金丝桃苷是潜在的感冒229E抗原型冠状病毒3CL蛋白酶的新型抑制剂[15]。
中国护理管理投稿 http://www.qikanba.com/
我要分享到：
最新文章NEWS
- • 高职生道德信仰调查 本文版权由期刊吧所有
- • 医学论文中的统计问题
- • 医学论文投稿秘籍
- • 医学论文写作的程序介绍
- • 医学论文摘要的书写过程中存在的问题
- • 叙述医学研究论文标引用词的选择
- • 医学论文写作五大妙招
- • 如何进行儿科临床科学研究选题
- • 医学论文写作的流程
- • 医学论文统计设计方面存在问题总结
推荐期刊Tui Jian
Chinese Journal of Integrative Medicine
Journal of Genetics and Genomics
Journal of Bionic Engineering
Pedosphere
Chinese Journal of Structural Chemistry