首页> 中文学位 >姜黄中姜黄素类抗癌活性成分识别与成分配伍研究
【6h】

姜黄中姜黄素类抗癌活性成分识别与成分配伍研究

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

前言

第一章 文献综述

1.1中草药活性成分筛选研究进展

1.1.1活性追踪分离法(Bio-assays guided Fraction)

1.1.2药物高通量筛选(High Throughput Screening, HTS)

1.1.3化学计量学筛选

1.2组分中药研究进展

1.2.1活性组分配伍研究

1.2.2组分相互作用

1.3本文主要研究内容

第二章姜黄中姜黄素类抗癌活性成分识别

2.1组效关系建模

2.1.1数据来源

2.1.2支持向量回归

2.1.3粒子群优化算法

2.1.4最优模型构建

2.2 MIV法辨识活性成分

2.3活性验证试验

2.3.1试验仪器

2.3.2试验材料

2.3.3试验方法

2.4结果与讨论

2.4.1 PSO-SVR模型建立

2.4.2抗癌活性成分识别

2.4.3被识别成分活性分析

2.3.3基于MIV的SVR模型识别活性成分方法的优越性

2.5本章小结

第三章 姜黄素类活性成分配伍研究

3.1三种活性成分配伍优化研究

3.1.1三种活性成分配伍设计

3.1.2试验验证最佳配比

3.1.3 QbD理念的配方设计

3.2三种活性成分关系研究

第四章 结论与展望

4.1结论

4.2展望

参考文献

发表论文情况

致谢

展开▼

摘要

本文突破中药新药发现需经过活性追踪分离得到活性化合物的传统方法,构建基于中药组效关系的一种新药发现方法,即将生物活性预测前置于中药分离之前,通过建立基于平均影响值分析法的中药组效关系模型,识别活性成分及进行配伍优化研究,以提高新药发现效率。主要研究工作如下:
  1.姜黄素类提取物组效关系建模:选取基于“留一法”交叉验证(Cross validation,CV)意义下的均方误差(Mean Square Error,MSE)作为粒子群算法(Particle Swarm Optimization,PSO)中的适应度函数值,选取使MSE最小的参数ε、C和g:bestε=0.0100,bestC=1.0309,bestg=0.1000。利用得到的最佳参数对支持向量机(Support Vector Regression,SVR)进行训练,建立26个特征峰的化学指纹图谱和MTT法检测对宫颈癌HeLa细胞抑制率的非线性关系模型,该训练模型的均方误差MSE为0.0013,相关系数R为0.9812。
  2.辨识姜黄素类活性成分:以26个特征峰的相对峰面积为自变量,以HeLa细胞抑制率为因变量,计算各自变量对其因变量的平均影响值(Mean Impact Value,MIV),并依据MIV绝对值的大小对各自变量排序,选取MIV绝对值大于0.001的8个特征峰所代表的化学成分作为潜在抗癌活性成分。通过MTT法验证可获得的化合物姜黄素、去甲氧基姜黄素和双去甲氧基姜黄素的抗癌活性,半抑制浓度IC50值分别为9.93±0.41,7.32±0.45和13.07±2.68μg/ml,这个结果与MIV法得出的活性顺序稍有差别,即单成分的去甲氧基姜黄素的活性高于姜黄素的活性,我们推测可能是姜黄提取物的某种成分或某些成分与去甲氧基姜黄素产生了拮抗作用而导致的偏差。
  3.活性成分配伍与成分关系的研究:利用Design Expert软件创建3种姜黄素类有效成分的3因素5水平响应曲面设计试验,用MTT法检测20组配方的抑制率,建立三元二次方程得到5组潜在最佳配比。试验验证发现姜黄素:去甲氧基姜黄素:双去甲氧基姜黄素的最佳比例为18.91:9.97:5.34,IC50值为5.00±1.26μg/ml,药效活性比各单成分IC50值有所增强。此外,我们发现姜黄素和去甲氧基姜黄素对药物发挥抗癌活性有显著的促进作用,而双去甲氧基姜黄素有较小作用确是不可或缺的。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号