论文部分内容阅读
花椒是一种传统的药食两用植物，其主要成分为挥发油，现代研究表明花椒挥发油具有抗肿瘤活性。本论文以花椒挥发油为研究对象，建立了主要成分与其抗肿瘤活性之间的组效关系模型，用于药效的预测，并以组效关系为基础辨识其活性组分，为新药研发奠定基础。具体工作内容如下：1.采用水蒸气提取法对花椒挥发油进行提取，通过响应面设计对提取工艺条件进行优化，确定了最佳工艺条件，即料液比1∶12（g/ml）、冷浸时间2.5h、提取时间4.7h。在此工艺条件下，对39批不同产地不同批次的花椒药材进行了挥发油提取，得油率在0.54~4.52%（g/g，挥发油/花椒药材）之间，不同批次的花椒挥发油得油率有所差异。2.建立了花椒挥发油的GC-MS分析方法，采用此方法对39批花椒挥发油进行分析，定性出23个特征峰，并以正十三烷为内标物，采用内标法对此23个特征峰进行相对定量分析；采用MTT法测定了39批花椒挥发油对人宫颈癌Hela细胞的抑制活性，以抑制率为评价指标，抑制率的范围为0.457~0.839。结果表明不同批次的花椒挥发油成分含量及抗肿瘤活性均存在明显差异。3.以39批花椒挥发油23个特征峰相对峰面积为自变量，其对Hela细胞的抑制率为因变量，采用BP神经网络、支持向量回归机（SVR）和广义回归神经网络（GRNN）分别建立组效关系模型，采用k-交叉验证、网格搜索（GS）、遗传算法（GA）和粒子群优化算法（PSO）四种优化算法对网络模型参数进行优化，以均方根误差（RMSE）、相对标准偏差（RSE）和相关系数（R）作为评价指标，对模型的训练及预测精度进行评价，GRNN构建的组效关系模型（RMSE、RSE、R分别为0.013、0.022、0.974）最优，其次为PSO-SVR（RMSE、RSE、R分别为0.029、0.049、0.967）。4.采用两个最优模型GRNN和PSO-SVR分别结合平均影响值（MIV）对花椒活性组分进行辨识研究，从中识别出9种潜在具有显著抗肿瘤活性的化学成分，依次为柠檬烯、α-松油醇、γ-松油烯、(-)-4-松油醇、β-芳樟醇、β-月桂烯、胺精油、桧烯、β-反式罗勒烯，其中5种成分已被报道具有抗肿瘤活性，其他4种成分在多个抗肿瘤药材中均为主要成分。结果表明，采用此方法能有效识别中药活性成分，为新药研发奠定基础。