论文摘要
骨性关节炎是一种主要发病在中老年人群的慢性关节疾病,中药治疗具有整体局部并治、标本兼顾、花费少、副作用少等优势,是治疗骨性关节炎的主要手段之一。利用计算机模拟技术和系统生物学等技术,科学地分析传统中医验方中具有药物活性的分子,可促进利用中药研发骨性关节炎新药的进展。模式识别支持向量机（Support Vector Machines即SVM）技术具有坚实的统计学习理论基础,是定量构效关系（QSAR）中主要采用的数理统计方法之一,已被广泛应用到药物的设计与分析等相关医学领域中。本论文采用基于SVM的二分类法与单分类法对骨性关节炎复方中的中药做一系列的研究,重点是在QSAR理论指导下构建相关的SVM模型,对治疗骨性关节炎的中药分子做药性分析。论文着眼于对SVM模型性能优化的研究,并将研究成果应用到治疗骨性关节炎疾病的相关中药的分析上,论文主要工作有：（1）系统综述统计学习理论、SVM算法中的单分类方法与二分类法的原理以及核函数的性质,学习并分析所采用的SVM训练算法。（2）学习粗糙集理论的属性约简算法后,将其作为分类模型前期的属性选择,得出属性集合中具有代表性的最小约简,缩小训练样本的空间维数,构建SVM模型,并与无属性选择的SVM模型比较,发现前者的结构更简单且分类效果更佳。（3）核函数的选择与核参数的设定是构建模型需考虑的问题。为兼顾SVM模型的学习性能与泛化性能,提出构建混合核函数并将其应用到SVM中,通过UCI上的数据验证混合核函数优异于单核函数。对于核参数的优化,结合交叉验证法与网格搜索法,实现对多个核参数的全局搜索,并克服了人工搜索的经验片面性与时间效率低等缺陷。最后将这些方法集成到SVM模型中,并对骨性关节炎中药以及中药中的分子做药物分析。（4）从宏观的角度分析骨性关节炎复方中的中药。以中药的药性理论与药效理论为指导,中药的性、味、归经特征为样本的输入变量,中药功效为识别目标,基于改进的SVM算法构建功效分类器,对复方中的中药做功效识别。在明确骨性关节炎复方中的中药的功效后,从微观的角度通过两个实验分析中药所包含的分子的药理性质。首先用单分类方法即数据描述法揭示复方中的中药分子可能具有多药物活性特性,然后用改进的SVM算法构建靶点分类器,对中药分子做活性分类,分析其具体的药物活性并揭示其对治疗骨性关节炎疾病所起到的药理作用。课题的开发平台是Windows环境下的VC++6.0,以LIBSVM的C版为基础开发出一套可视化的SVM分析软件,该软件可用于单类、二分类、多分类以及回归等,为利用计算机技术辨识中药功效以及揭示中药分子的多靶点特性做了有效的尝试。