سرد-گرم فطرت کی شناخت کے لیے چینی ادویات کے اجزاء کی مماثلت کی پیمائش

مزید معلومات کے لیے:emily.li@wecistanche.com

Guo-Hui Wei، Xian-Jun Fu، Zhen-Guo Wang

1 کلیدی لیبارٹری آف تھیوری آف ٹی سی ایم، چین کی وزارت تعلیم، شیڈونگ یونیورسٹی آف ٹریڈیشنل چائنیز میڈیسن، جنان، چین۔

جھلکیاں

اس مطالعہ میں، ہم نے اس مفروضے کی تصدیق کی۔چینیدوائیاںمادہ کی ایک جیسی ساخت کے ساتھ اسی طرح کی دواؤں کی نوعیت ہونی چاہئے۔ ہم نے چینی ادویات میں کیمیائی اجزاء کا تجزیہ کرنے کے لیے کیمیائی فنگر پرنٹس کا استعمال کیا۔ ہم نے فاصلاتی میٹرک کے ساتھ اجزاء کی مماثلت کی پیمائش کی اور سرد-گرم نوعیت کی شناخت کرنے کے لیے بازیافت کی اسکیم تیار کی۔چینیدوائیاں.

Cistanche ایک بہت اچھی چینی دوا ہے۔

خلاصہ

مقصد: فطرت کا نظریہچینیدوائی(CM) کا بنیادی بنیادی نظریہ ہے۔روایتیچینیدوائی(TCM)، جس میں سرد گرم فطرت تحقیق کا مرکز ہے۔ مطالعات سے پتہ چلا ہے کہ سی ایم اجزاء دوائیوں کی فطرت کی تیاری کے لئے مادی بنیاد ہیں۔ لہذا، یہ قیاس کیا جاتا ہے کہ مادوں کی ایک جیسی ساخت کے ساتھ سی ایم کی دواؤں کی نوعیت ایک جیسی ہونی چاہئے۔ جدید کام کیمیکل فنگر پرنٹنگ ٹکنالوجی کے ساتھ CMs کی سرد گرم دوا کا مطالعہ کرتا ہے کیونکہ CM کا کیمیائی فنگر پرنٹ ڈیٹا CM اجزاء کی پوری ترکیب کو ظاہر کر سکتا ہے۔

طریقے: مندرجہ بالا مفروضے کی تصدیق کرنے کے لیے، اس کام میں، ہم فنگر پرنٹ کی مماثلت کے لیے CM اجزاء کی مماثلت کی مقدار کا مطالعہ کرتے ہیں اور CMs کی ساخت اور سرد گرم فطرت کے درمیان تعلق کو دریافت کرتے ہیں۔ سب سے پہلے، ہم 61 CMs کا تجزیہ کرنے کے لیے الٹرا وائلٹ (UV) اسپیکٹرم ٹیکنالوجی کا استعمال کرتے ہیں، جن کی نوعیت صاف سرد گرم ہوتی ہے (بشمول 30'Cold'CMs اور 31'hot' CMs)۔ دوم، وزیراعلیٰ کے فنگر پرنٹ ڈیٹا بیس کے ساتھ۔ یووی فنگر پرنٹس کی مماثلت کو میٹرک کرنے کے لیے فاصلاتی میٹرک سیکھنے کے الگورتھم کا مطالعہ کیا جاتا ہے۔ آخر میں، CMs کی سرد گرم نوعیت کی شناخت کے لیے پیشین گوئی کرنے والا شناختی ماڈل بنانے کے لیے ایک بازیافت اسکیم کی تجویز ہے۔

نتائج: متعدد تجرباتی تجزیوں کے ذریعے، پیٹرولیم ایتھر سالوینٹس کا الٹرا وائلٹ سپیکٹرم ڈیٹا سرد اور گرم فطرت کے درمیان فرق کرنے کے لیے CM کی بہتر نمائندگی کر سکتا ہے۔ موجودہ کلاسیکی ماڈلز کے مقابلے میں، مجوزہ شناختی اسکیم میں بہتر پیشین گوئی کی کارکردگی ہے۔

نتیجہ: تجرباتی نتائج سے ہمارا اندازہ ثابت ہوتا ہے کہ مادوں کی یکساں ساخت کے ساتھ سی ایمز کی دواؤں کی نوعیت یکساں ہونی چاہیے مجوزہ پیشین گوئی کا ماڈل موثر اور قابل عمل ثابت ہوا ہے۔

مطلوبہ الفاظ: روایتی چینی ادویات،چینیدوائیاجزاء, الٹرا وایلیٹ سپیکٹرم، مماثلت کی پیمائش، سرد-گرم فطرت

پس منظر

روایتی چائنیز میڈیسن (TCM) کے بنیادی عناصر میں سے ایک کے طور پر، TCM کے نیچر تھیوری نے کئی سالوں سے اسکالرز اور تحقیقی اداروں کی توجہ مبذول کرائی ہے۔ کی نوعیتچینیدوائی(CM) چار اقسام پر مشتمل ہے یعنی۔ ٹھنڈا، ٹھنڈا، گرم اور گرم، کون سی سرد اور گرم فطرت TCM نیچر تھیوری کا ایک اہم حصہ ہے [1,2]۔" سرد فطرت کی دوائی کے ساتھ ہاٹ سنڈروم کا علاج اور گرم فطرت کی دوائی سے کولڈ سنڈروم کا علاج" ظاہر کرتا ہے کہ سردی یا میڈیسن نیچر تھیوری کی ہاٹ پراپرٹی ٹی سی ایم کے علاج کے درمیان توازن کو منظم کرنے میں ایک اہم بنیاد ہے۔یناوریانگانسانی جسم میں، اور سرد-گرم دوا کی نوعیت کا اطلاق TCM طبی ادویات میں مؤثر علاج کی طرف جاتا ہے [3]۔

متعدد ماہرین TCM سرد گرم نوعیت کے بارے میں مختلف خیالات رکھتے ہیں۔ جن وغیرہ۔ سرد گرم دوا کی نوعیت کی بنیاد پر TCM کے حیاتیاتی کردار کی تحقیق کے لیے ایک 'تین عنصری ریاضیاتی تجزیہ ماڈل' تجویز کیا۔ زاؤ وغیرہ۔ [5] مہوانگ اور میکسنگشیگن کاڑھیوں کی سرد-گرم نوعیت میں فرق کرنے کے لیے ٹھنڈے/گرم پلیٹ کا طریقہ دریافت کیا۔ وان وغیرہ۔ خمیر سے متاثرہ بخار والے چوہوں کے تھرمورگولیشن اور درجہ حرارت سے حساس عارضی ریسیپٹر پوٹینشن چینل پروٹین پر مختلف خصوصیات کے ساتھ TCM کے اثر کا مطالعہ کیا۔ لیانگ وغیرہ۔ مالیکیولر نیٹ ورک اور کیمیائی ٹکڑوں کے طریقوں سے چینی دواؤں کی جڑی بوٹیوں کی سرد اور گرم خصوصیات کا تجزیہ کیا۔ وانگ وغیرہ۔ [8]خود منظم نقشہ کے ذریعہ عام سرد/گرم خصوصیات کے ساتھ 59 CHM کی شناخت کی۔ فو وغیرہ۔ [9,10] کی موجودگی کی تحقیقات کی۔کینسر مخالفسرگرمیروایتی چینی میرین میڈیسن کی سرد-گرم فطرت سے فائیلوجنیٹک ٹری تجزیہ کے ساتھ ظاہر کیا گیا اور سی ایم کی سرد، گرم، اور غیر جانبدار نوعیت کی وضاحت کے لیے سلیکو موڈ آف ایکشن طریقہ سے دریافت کیا گیا۔

عام طور پر، سی ایم کی سرد گرم نوعیت کی تفریق دو حصوں پر مشتمل ہوتی ہے: خصوصیت کی نمائندگی اور قدرتی درجہ بندی۔ خصوصیت کی نمائندگی CM کی خصوصیات کو نکالنے کے لیے CM، فنگر پرنٹ ٹیکنالوجی، یا میٹابولومکس طریقہ کے اصل اثرات کا استعمال کرتی ہے۔ فطرت کی درجہ بندی کے لیے کلاسیکی مشین لرننگ کلاسیفائرز یا تعمیر شدہ درجہ بندی استعمال کرنے کی ضرورت ہے تاکہ CM کی سرد گرم نوعیت کا امتیاز کیا جا سکے۔ چینی طب کے اصل اثرات ایک موثر خصوصیت کا اظہار ہیں۔ Xue ریسرچ گروپ [11-13] نے "میں CMs کی اصل افادیت کی خصوصیات کی کھوج کی۔چینیہربلدوائی(CHM)" اور CMs کی نامعلوم نوعیت کی درجہ بندی کرنے کے لیے کلاسیکی درجہ بندی کرنے والے (جیسے مصنوعی اعصابی نیٹ ورک) کا استعمال کیا۔ میٹابولومکس کا طریقہ بھی CMs کی نمائندگی کرنے کے لیے استعمال کیا جاتا ہے۔ Nie et al. CMs کی نامعلوم نوعیت کی تفریق کے لیے بے ترتیب جنگل کا ماڈل۔ کیمیکل ٹیکنالوجی سرد اور گرم نوعیت کا تجزیہ کرنے کے لیے ایک اہم طریقہ ہے۔ Long et al. [15] نے واضح طبی نوعیت کے ساتھ 284 CMs کے کیمیائی اجزا کا تجزیہ کیا اور پیشین گوئی کے لیے ایک مرکب نظام کی تلاش کی۔ دوسرے CMs کی سرد گرم نوعیت، دوسرے طریقے جیسے کہ نیوکلیئر میگنیٹک ریزوننس سپیکٹروسکوپی آف پروٹون (1H-NMR) کا استعمال CMs کی خصوصیت کی چھان بین کے لیے کیا جاتا ہے۔ اور CMs کی نامعلوم نوعیت کا تجزیہ کرنے کے لیے پیٹرن کی شناخت کی تکنیک کا اطلاق کیا۔

کلاسیکی درجہ بندی کے علاوہ، بازیافت اسکیم مقبول اور موثر درجہ بندی اسکیموں میں سے ایک ہے، جس کا اطلاق سومی اور مہلک میموگرافی اور پلمونری نوڈولس [17-20] کی شناخت میں وسیع پیمانے پر کیا گیا ہے۔ روایتی درجہ بندی کرنے والوں کے مقابلے میں، بازیافت اسکیم تجزیہ اور حوالہ کے لیے سب سے زیادہ ملتے جلتے معاملات فراہم کر سکتی ہے۔ لہذا، مماثلت کی پیمائش درجہ بندی کے لیے بازیافت اسکیم میں اہم کردار ادا کرتی ہے۔ ہمارے گروپ نے پلمونری نوڈولس امیجز [20,21] کی مماثلت کی پیمائش پر کافی تحقیقی کام کیا ہے۔ ہم پلمونری نوڈولس امیجز کی فاصلاتی میٹرکس سے مماثلت کا اندازہ لگاتے ہیں۔ اگرچہ طبی امیجز میں مماثلت کی پیمائش کا بڑے پیمانے پر مطالعہ کیا گیا ہے، لیکن یہ سی ایم کی نوعیت کی شناخت میں شاذ و نادر ہی استعمال ہوتا ہے۔

طب کی نوعیت کی موجودہ تحقیق سی ایم کی فطرت اور سی ایم کے اندر مادی ساخت کے تعلق کو ظاہر کرنے پر مرکوز ہے۔ مثال کے طور پر، کیمیکل فنگر پرنٹنگ تکنیک اور CM فطرت کے امتیازی ماڈلز کا اطلاق CM مواد کی ساخت کا تجزیہ کرنے کے لیے کیا جاتا ہے۔ CM کا کیمیائی فنگر پرنٹ ڈیٹا CM اجزاء کی پوری ترکیب کو ظاہر کر سکتا ہے۔ حیاتیاتی سرگرمی کا تعین مادی ساخت سے ہوتا ہے۔ اور CMs کی حیاتیاتی سرگرمیاں دوائی کی نوعیت کی شناخت کا مرکز ہیں [2]۔ اس طرح، مادی ساخت بالواسطہ طور پر سی ایم کی نوعیت کا تعین کرتی ہے۔ مطالعات سے پتہ چلا ہے کہ سی ایم کے اجزاء دوائی کی فطرت کی پیداوار کے لیے مادی بنیاد ہیں [10]۔ لہذا، یہ قیاس کیا جاتا ہے کہ مادوں کی ایک جیسی ساخت کے ساتھ سی ایم کی دواؤں کی نوعیت ایک جیسی ہونی چاہئے۔

اوپر تجویز کردہ مفروضے کی تصدیق کرنے کے لیے، اس کام میں، ہم CM اجزاء اور سرد گرم دواؤں کی نوعیت کے درمیان تعلق کو تلاش کرتے ہیں۔ سب سے پہلے، ہم 61 CMs کی نمائندگی کرنے کے لیے الٹرا وائلٹ (UV) سپیکٹرم ٹیکنالوجی کا استعمال کرتے ہوئے ایک CM اجزاء کا ڈیٹا بیس بناتے ہیں، جس میں واضح سرد-گرم نوعیت ہوتی ہے (بشمول 30 'کولڈ' CMs اور 31 'hot'CMs)۔ دوم، ہم فاصلاتی میٹرک سے CM اجزاء کی مماثلت کا مطالعہ کرتے ہیں۔ مہلانوبس کا فاصلہ سی ایم کے UV فنگر پرنٹس کی مماثلت کی پیمائش کرنا سیکھا جاتا ہے۔ آخر میں، CMs کی سرد گرم نوعیت کی پیشین گوئی کرنے کے لیے پیشین گوئی کرنے والا شناختی ماڈل بنانے کے لیے ایک بازیافت اسکیم کی تجویز ہے۔

مواد اور طریقے

TCM ڈیٹاسیٹ

اس تحقیق میں 61 نمائندہ سی ایمز کا تجزیہ کیا گیا ہے، جس میں 30 سی ایمز 'ٹھنڈی ادویات' ہیں اور دیگر 'گرم ادویات' ہیں۔ تمام 61 سی ایم کو کلاسیکی 'چائنیز میٹیریا میڈیکا' اور 'شین نونگ کے ہربل کلاسک' میں نشان زد کیا گیا ہے۔ جدول l 61 نمائندہ سی ایم اور ان کی نوعیت (بریکٹ میں خصوصیات) دکھاتا ہے۔

UV فنگر پرنٹ ٹیکنالوجی کا استعمال 61 CM کی جانچ کے لیے کیا جاتا ہے۔ مرکزی آلہ UV-3010 UV سپیکٹرو فوٹومیٹر (Hitachi, Japan) ہے۔ ہمارے گروپ نے چار مختلف سالوینٹس (کلوروفارم، ڈسٹل واٹر، مطلق ایتھنول، پیٹرولیم ایتھر) کے ساتھ 190-400nm کی الٹرا وائلٹ طول موج میں کل 61 CMs کی جاذبیت کو ریکارڈ کیا۔ UV فنگر پرنٹ حاصل کرنے کے لیے ایک تفصیلی طریقہ مخطوطہ میں حوالہ دیا جا سکتا ہے [25]۔ 'گرم' دوا کے طور پر، سرسوں کے بیجوں کو کلاسیکی 'چائنیز میٹیریا میڈیکا' اور 'شین نونگز ہربل کلاسک' میں نشان زد کیا گیا ہے۔ تصویر 1 پیٹرولیم ایتھر سالوینٹس کے ساتھ جیزی (سرسوں کے بیج) اور جیجین (پیریریا لوباٹی ریڈکس) کے UV جذب کرنے کا وکر دکھاتی ہے۔

UV فنگر پرنٹ کی مماثلت

اس مطالعہ میں، ہم سرد-گرم فطرت اور CM کی مادی ساخت کے درمیان تعلق کی چھان بین کرتے ہیں۔ مفروضے کی توثیق کرنے کے لیے، مادوں کی ایک جیسی ساخت کے ساتھ CM کی دواؤں کی نوعیت ایک جیسی ہونی چاہیے، ہم CM اجزاء کی مماثلت کا اندازہ لگانا چاہتے ہیں اور CM فطرت کی شناخت کا طریقہ تلاش کرنا چاہتے ہیں۔ UV فنگر پرنٹ CM کی مادی ساخت کی عکاسی کرتا ہے۔ لہذا، ہم UV فنگر پرنٹس کی بنیاد پر سرد گرم نوعیت کو ظاہر کرنا چاہتے ہیں۔ اگر سی ایم کے اجزاء ایک جیسے ہیں تو ہم سوچ سکتے ہیں کہ ان کی دواؤں کی خصوصیات ایک جیسی ہیں۔ لہذا، اسی طرح کے UV فنگر پرنٹس والے CM کی دواؤں کی نوعیت ایک جیسی ہونی چاہیے۔

مماثلت کی پیمائش کو معنوی مطابقت کے طور پر بیان کیا گیا ہے ، جو ہمارے مطالعے میں پھیپھڑوں کے نوڈول امیجز کی مماثلت کی پیمائش کے لئے استعمال کیا گیا ہے [21]۔ اگر دو سی ایم دونوں سردی کی دوا ہیں، تو وہ معنوی طور پر ایک جیسے ہیں۔ مہلانوبس فاصلہ CMs کے UV فنگر پرنٹس کی مماثلت کی پیمائش کے لیے استعمال کیا جاتا ہے۔ مہلانوبس کا فاصلہ جتنا کم ہوگا، UV فنگر پرنٹس کی مماثلت اتنی ہی زیادہ ہوگی۔

کارکردگی کی تشخیص

اس ذیلی حصے میں، سرد گرم نوعیت کی نشاندہی کے لیے مجوزہ بازیافت اسکیم کی فزیبلٹی کی تصدیق کرنے کے لیے، بازیافت اسکیم کی کارکردگی کا اندازہ لگانے کے لیے وسیع تجربات کیے گئے ہیں۔ ہم اپنی اسکیم کی کارکردگی کا موازنہ جدید ترین درجہ بندی کے ماڈلز سے کرتے ہیں، بشمول ایکسٹریم لیمنگ مشین (ELM)[24]، مصنوعی نیورل نیٹ ورک (ANN)، اور سپورٹ ویکٹر مشین (SVM)۔ تمام تجربات کی تشخیص موجودہ TCM ڈیٹاسیٹ کی بنیاد پر ہوتی ہے۔ ایپلی کیشن واضح سرد گرم فطرت والے سی ایم کے اسی طرح کے یووی سپیکٹرا کو بازیافت کرکے سی ایم کی نامعلوم نوعیت کی جانچ کرنے میں مدد کرتی ہے۔ اس مطالعہ میں، ہم نے سب سے پہلے UV سپیکٹرا کی نوعیت کی شناخت کی کارکردگی کا مختلف سالوینٹس سے موازنہ کیا اور بہترین شناختی کارکردگی کے مطابق سالوینٹس کا انتخاب کیا۔ دوم، ہم نے مجوزہ اسکیم کی کارکردگی کا جائزہ لینے کے لیے تجربات ڈیزائن کیے، جسے استحکام کی تشخیص کہتے ہیں۔ تیسرا، ہم نے بازیافت اسکیم کو مثالوں کے ساتھ واضح کیا۔ آخر میں، مجوزہ الگورتھم کی مضبوطی کو جانچنے کے لیے ایک آزاد ڈیٹاسیٹ کا استعمال کیا جاتا ہے۔

ہمارے تجربات میں، مجوزہ پیشن گوئی ماڈل کی کارکردگی کا تجزیہ کرنے کے لیے استحکام کی تشخیص کا استعمال کیا جاتا ہے۔ استحکام کی تشخیص کا حساب پورے ڈیٹا سیٹ میں لیو-ون-سی ایم آؤٹ طریقہ [20] کے ساتھ کیا جاتا ہے۔ ہر بار، ایک CM کو سوال CM کے طور پر اور باقی 60 CM کو ریفرنس ڈیٹا بیس کے طور پر منتخب کیا گیا۔ چونکہ ہر TCM کو استفسار CM کے طور پر منتخب کیا گیا تھا، اس لیے یہ عمل 6l بار انجام دیا گیا تھا۔ اس بازیافت اسکیم میں، ہم نے K'most ملتے جلتے کو بازیافت کیا اور پھر سرد نوعیت کا امکان حاصل کیا۔ آخر کار، 61 امکانات کا حساب لگایا گیا۔ 'سرد نوعیت کے امکان کی حد کو تبدیل کرنے کے ساتھ، ایک وصول کنندہ آپریٹنگ کریکٹرسٹک (ROC) وکر پیدا ہوتا ہے۔ ROC منحنی خطوط (AUC) اور پیشین گوئی کی درستگی (ACC) کے تحت کا علاقہ ہماری اسکیم کی کارکردگی کا جائزہ لینے کے لیے استعمال کیا جاتا ہے۔ رقبہ جتنا بڑا ہوگا، ماڈل اتنا ہی مستحکم ہوگا، ACC ویلیو CMs کی سرد گرم نوعیت کی درست درجہ بندی کا امکان ہے۔ ACC کا فارمولا درج ذیل ہے:

استحکام کی تشخیص کے لیے AUC اور ACC قدر کا اطلاق کیا گیا تھا۔

نتائج

مختلف سالوینٹس کے ساتھ کارکردگی کا اندازہ۔

CMs کے کیمیائی فنگر پرنٹس CMs کی مادی ساخت کی عکاسی کرتے ہیں۔ UV سپیکٹرا CMs کا ایک فنگر پرنٹ ہے، جس کا اطلاق CMs کی سرد-گرم نوعیت کے امتیاز کے لیے کیا جا سکتا ہے۔ اس مطالعہ میں، ہم الٹرا وائلٹ سپیکٹروسکوپی کے ذریعے مادی ساخت اور CM کی نوعیت کے درمیان تعلق کا مقداری تجزیہ کرنے کے لیے تجربات کرتے ہیں۔

اس کام میں، مختلف سالوینٹس کے ساتھ UV سپیکٹرا کی درجہ بندی کی کارکردگی (آست پانی، کلوروفارم، پیٹرولیم ایتھر، مطلق ایتھنول) کا تجزیہ کیا گیا تاکہ بہترین شناختی کارکردگی کے لیے سالوینٹ کے تحت UV ڈیٹا کو منتخب کیا جا سکے۔ ہماری اسکیم کے پیرامیٹرز کا جائزہ لینے کے لیے Leave-one-CM-out طریقہ استعمال کیا جاتا ہے۔ شکل 2 مختلف سالوینٹس کے ساتھ UV سپیکٹرا کی طب کی نوعیت کی درجہ بندی کے لیے ACC قدر کے منحنی خطوط دکھاتا ہے۔ ماڈل کی کارکردگی کی پیشین گوئی کرنے کے لیے مزید جامع وکر حاصل کرنے کے لیے ACC ویلیو کا شمار حوالہ شدہ CMs (K) کی تعداد کے فنکشن کے طور پر کیا جاتا ہے۔ شکل 2 میں، پیٹرولیم ایتھر سالوینٹ کے تحت ACC ویلیو کا منحنی خطوط دوسرے سالوینٹس کے مقابلے میں بہتر ہے، جس کا مطلب ہے کہ پیٹرولیم ایتھر سالوینٹ کے UV سپیکٹرا میں سرد-گرم نوعیت کی بہترین امتیازی کارکردگی ہے۔ جب K کو 7 کے طور پر سیٹ کیا جاتا ہے، تو پیٹرولیم ایتھر سالوینٹس کے تحت ACC قدر کا منحنی خطوط عروج پر ہوتا ہے۔ شناخت کی کارکردگی 0.803 کی زیادہ سے زیادہ قیمت تک پہنچ جاتی ہے۔ مطلق ایتھنول کے تحت ACC قدر کے منحنی خطوط سے، مطلق ایتھنول کے ساتھ UV فنگر پرنٹ کی پیش گوئی کرنے والی کارکردگی سب سے کم ہے۔ آست پانی اور کلوروفارم کے ساتھ سی ایم کی نوعیت کی شناخت پیٹرولیم ایتھر سے کمتر ہے لیکن مطلق ایتھنول سالوینٹ کے ساتھ اس سے بہتر ہے۔ اعداد و شمار کے مطابق، آست پانی اور کلوروفارم کی زیادہ سے زیادہ ACC قدریں 0.656 ہیں۔ لہذا، یہ دو سالوینٹس ادویات کی نوعیت کی پیشن گوئی کے لیے ناقص ہیں۔

اس مطالعہ میں، مثال کے طور پر پیرامیٹر پی کا اثر. (4) پیٹرولیم ایتھر سالوینٹس کے تحت سرد-گرم نوعیت کی پیشن گوئی کی کارکردگی کا جائزہ لینے کے لیے چھان بین کی جاتی ہے۔ er p کی قدر رینج میں رکھی گئی ہے۔

پیرامیٹر【10-3,10*²,10',1,5,10,102,103】1. شکل 3A مختلف p کے ساتھ ACC قدر وکر دکھاتا ہے۔ یہ نتیجہ اخذ کیا جا سکتا ہے کہ کارکردگی کے منحنی خطوط میں چھوٹے اتار چڑھاؤ ہوتے ہیں اور جب پیرامیٹر p کو 5 کے طور پر سیٹ کیا جاتا ہے تو ACC قدر زیادہ سے زیادہ تک پہنچ جاتی ہے۔

مجوزہ بازیافت الگورتھم میں eigenvectors k کی تعداد کا تجزیہ رینج [50 100 150 200 210] کے اندر کیا جاتا ہے۔ شکل 3B سے، بڑھتی ہوئی تعداد کے ساتھ ایک اعلی ACC قدر حاصل کی جا سکتی ہے۔ زیادہ سے زیادہ درجہ بندی کی کارکردگی (ACC قدر) eigenvectors k=210 کی زیادہ سے زیادہ تعداد کے مساوی ہے۔

ماڈل کی کارکردگی کا اندازہ

سی ایم کی سرد گرم نوعیت کی نشاندہی کرنے کے لیے ہماری مجوزہ بازیافت اسکیم کی فزیبلٹی اور استحکام کو ظاہر کرنے کے لیے، یہ مطالعہ ہماری اسکیم کی درجہ بندی کی کارکردگی کا موازنہ کرتا ہے ( بازیافت اسکیم، جسے "RS" کہا جاتا ہے) کچھ کلاسیکی درجہ بندی کرنے والوں (یعنی، اے این این، ایس وی ایم، ای ایل ایم) یا درجہ بندی کرنے والے جو CM فطرت کی شناخت میں استعمال ہوتے ہیں۔ تمام تقابلی الگورتھم ڈیٹاسیٹ سے بہترین پیرامیٹرز استعمال کرتے ہیں۔ پچھلے حصے کے نتائج کے مطابق، پیٹرولیم ایتھر سالوینٹ کے تحت یووی سپیکٹرا ڈیٹا کو کولڈ ہولڈ فطرت کی پیشن گوئی کا مطالعہ کرنے کے لیے استعمال کیا جاتا ہے۔ جدول 2 RS اور دیگر الگورتھم کے درمیان استحکام کی تشخیص کی کارکردگی کا موازنہ دکھاتا ہے۔ Pearson correlation coefficient (PCC) کو یووی سپیکٹرا کی مماثلت کی پیمائش کے لیے تقابلی حوالہ کے طور پر استعمال کیا جاتا ہے۔ سرد-گرم نوعیت کے پیشین گوئی کے نتائج کے مطابق، ہم مندرجہ ذیل نتیجہ اخذ کر سکتے ہیں۔ سب سے پہلے، ہماری اسکیم RS سرد-گرم نوعیت کی شناخت میں بہترین کارکردگی کا مظاہرہ کرتی ہے۔ خاص طور پر، RS اور PCC میں دیگر موازنہ کلاسیکی الگورتھم سے بہتر شناخت کی درستگی ہے۔ اس سے واضح ہوتا ہے کہ ایک جیسے الٹرا وائلٹ سپیکٹرم والی چینی ادویات کی دوائیوں کی نوعیت ایک جیسی ہے۔ دوم، UV سپیکٹرل ڈیٹا کے ساتھ ANN اور ELM دوائی کی نوعیت کی نشاندہی کرنے میں ناقص ہیں۔

تیسرا، SVM کی شناخت کی درستگی ANN اور ELM سے بہتر ہے۔ تاہم یہ ہماری اسکیم سے ناقص ہے۔ آخر میں، ہماری اسکیم کا استحکام کا اندازہ بہترین ہے۔

پیشن گوئی کی مثالیں۔

پیشین گوئی کی مثالیں حاصل کرنے کے لیے چھوڑنے کا طریقہ استعمال کیا جاتا ہے۔ RS کے ذریعے واپس کیے گئے دو بازیافت کے سی ایم کیسز ٹیبل 3 میں درج ہیں۔ چینی ادویات (پہلی قطار) اور اس کے اوپر کے=7 بازیافت شدہ حوالہ سی ایم ٹیبل میں دکھائے گئے ہیں۔ بازیافت شدہ حوالہ سی ایمز کا حساب RS کے ذریعہ کیا جاتا ہے اور یکجہتی سے بڑھنے والے مہالانوبس فاصلے کے ساتھ درجہ بندی کی جاتی ہے۔ ٹھنڈی دوائی (DiFuZhi (Kochiae Fructus)) اور گرم دوا (BiBa (Piperis Longi Fructus)) کو مثال کے طور پر پیش کیا جاتا ہے تاکہ سرد گرم دوا کی شناخت کے اصول کو واضح کیا جا سکے۔ پہلے کالم میں، استفسار کی دوا Piperis Longi Fructus ہے۔ اس کی بازیافت شدہ حوالہ دوائیں تمام گرم نوعیت کی ہیں۔ شمار شدہ سرد نوعیت کا امکان 0 ہے، جو اس بات کی نشاندہی کرتا ہے کہ استفسار کی دوا گرم نوعیت کی ہو سکتی ہے۔ دوسرے کالم میں، استفسار کی دوا Kochiae Fructus ہے۔ بازیافت شدہ نتائج میں چھ سرد نوعیت کی دوائیں اور ایک گرم نوعیت کی دوائیاں ہیں۔ اس کی سرد نوعیت کا امکان 0.9464 ہے، جس سے یہ ظاہر ہوتا ہے کہ استفسار کی دوا فطرت میں سرد ہونے کا زیادہ امکان رکھتی ہے۔ پیشن گوئی کی مثالیں یہ ظاہر کرتی ہیں کہ اسی طرح کے UV فنگر پرنٹس ایک ہی طبی نوعیت کی خصوصیت کر سکتے ہیں۔

مجموعی طور پر پیشن گوئی کی کارکردگی۔

اس مطالعے میں، ہم مجوزہ RS طریقہ کار کا ایک جامع جائزہ لیتے ہیں۔ جدول 4 61 CMs کا پیشن گوئی کنفیوژن میٹرکس دکھاتا ہے۔ کل پیشین گوئی کی درستگی 80.3 فیصد (49/61) ہے۔ سرد نوعیت کی دوائی کی شناخت کی درستگی 86.7 فیصد (26/30) ہے، جبکہ گرم فطرت کی دوائی کی پیشن گوئی کی درستگی 74.2 (23/31) ہے۔ یہ دیکھا جا سکتا ہے کہ اس سکیم میں سرد نوعیت کی ادویات کے لیے پیشن گوئی کی اچھی شرح ہے۔ 61 CM شناخت کی یادداشت، درستگی، اور F-اسکور جدول 5 میں درج ہیں۔ عام طور پر، ہماری اسکیم کی شناخت کی شرح اچھی ہے۔

مجوزہ کی مضبوطی

طریقہ ایک آزاد ڈیٹاسیٹ مجوزہ الگورتھم کی مضبوطی کو جانچنے کے لیے استعمال کیا جاتا ہے۔ اس ڈیٹاسیٹ میں، مالیکیولر ڈسکرپٹرز کو CM کی نمائندگی کرنے کے لیے شمار کیا جاتا ہے، بشمول Molweight، H.Acceptors، H.Donors، Polar.Surface.Area، Rotatable.Bonds، Sp3.Atoms، Symmetric۔ ایٹم اور امین. تفصیلی عمل کو مخطوطہ [10] میں بیان کیا گیا ہے۔ ڈیٹاسیٹ میں 534 گرم ادویات اور 724 ٹھنڈی ادویات ہیں۔ جدول 6 1258 CMs (534 جمع 724 ادویات) کی شناخت کنفیوژن میٹرکس کو دکھاتا ہے۔ شناخت کی کل درستگی 81.1 فیصد (1020/1258) ہے۔ سرد نوعیت کی دوائیوں کی پیشن گوئی کی درستگی 83.0 فیصد (443/534) ہے، جبکہ گرم نوعیت کی ادویات کی شناخت کی درستگی 79.7 فیصد (577/724) ہے۔ تجرباتی نتائج ظاہر کرتے ہیں کہ مجوزہ طریقہ بہتر مضبوطی کا حامل ہے۔ عام طور پر، ہماری اسکیم کی پیشن گوئی کی شرح اچھی ہے۔

بحث

اس مطالعے میں، ہم نے UV اسپیکٹرل ڈیٹا کی مماثلت کی بنیاد پر بازیافت اسکیم کے ساتھ CM فطرت کی درجہ بندی کرنے کی فزیبلٹی کو تلاش کیا ہے۔ تجرباتی نتائج نے ثابت کیا ہے کہ یہ UV سپیکٹرم کی مماثلت کا حساب لگا کر نامعلوم CM نوعیت کی شناخت کرنے کا ایک مؤثر طریقہ ہے۔ دریں اثنا، تجرباتی نتائج اس مجوزہ مفروضے کی تصدیق کرتے ہیں کہ مادوں کی ایک جیسی ساخت کے ساتھ سی ایم کی دواؤں کی نوعیت ایک جیسی ہونی چاہیے۔

خلاصہ. ہماری تحقیق کے فوائد درج ذیل ہیں۔ سب سے پہلے، CM فطرت کی شناخت کا احساس کرنے کے لیے، 61 حوالہ جات CM UV سپیکٹرم کا ڈیٹا سیٹ جمع کیا جاتا ہے جس میں ہر CM کی نوعیت واضح طور پر سرد یا گرم ہوتی ہے۔ اس طرح، یہ CM فطرت کے تعین کے لیے موثر اور قابل عمل ہے۔

دوسرا، سرد-گرم فطرت TCM نیچر تھیوری میں اہم کردار ادا کرتی ہے۔ اس مطالعہ میں، ہم CM کے اندر مادی ساخت اور سرد گرم فطرت کے درمیان باہمی تعلق کی تحقیقات کرتے ہیں۔ مواد کی ساخت UV سپیکٹرا کی طرف سے نمائندگی کی جاتی ہے. تجرباتی جائزوں نے واضح کیا ہے کہ مادی ساخت اور سرد-گرم دوا کی نوعیت کے درمیان ایک تعلق ہے، جس کا اطلاق سرد-گرم نوعیت کی درجہ بندی کے لیے کیا جا سکتا ہے۔ مزید برآں، ہم یہ ظاہر کرتے ہیں کہ مادی ساخت سی ایم سرد گرم نوعیت کا تعین کرتی ہے۔

تیسرا، CM کی UV سپیکٹرل خصوصیات کی روشنی میں، ہم CM کی نوعیت کی شناخت کے لیے بازیافت اسکیم کی چھان بین کرتے ہیں۔ فاصلاتی میٹرک کا مطالعہ UV سپیکٹرا کی مماثلت کی پیمائش کے لیے کیا جاتا ہے۔ تجرباتی نتائج ظاہر کرتے ہیں کہ ہماری اسکیم بہترین کارکردگی کا مظاہرہ کرتی ہے۔ ممکنہ وضاحت یہ ہے کہ ہماری اسکیم مواد کی ساخت اور سی ایم سرد گرم فطرت کے درمیان تعلق کو کافی حد تک دریافت کرتی ہے۔

چوتھا، ایک اور کارکردگی جس کا اس مطالعہ میں بخوبی مظاہرہ کیا گیا ہے وہ ہے مستقبل کی کلینیکل ایپلی کیشنز کے لیے مجوزہ بازیافت اسکیم کی مضبوطی۔ ایک ذہین امتیازی ماڈل کے لیے، ہمارا مقصد الٹرا وایلیٹ سپیکٹرا کو پڑھنے اور سرد گرم نوعیت کی شناخت کرنے میں محققین کی مدد کرنا ہے۔ ماڈل قابل عمل نہیں ہے اگر مضبوطی ایک آزاد TCM ڈیٹاسیٹ کے لیے بہت کم ہے۔ ہم نے ثابت کیا ہے کہ ہمارے ماڈل میں تجربات میں زیادہ مضبوطی ہے۔ مستقبل میں ہمارے ماڈل کی مضبوطی کی تصدیق کے لیے مزید CM فنگر پرنٹ ڈیٹا نکالا جائے گا۔

تاہم، ہماری تحقیق میں اب بھی کچھ حدود ہیں۔ سب سے پہلے، اس مطالعہ نے صرف UV سپیکٹرا کو CMs کی نمائندگی کرنے کے لئے استعمال کیا. اس مطالعے میں فنگر پرنٹ کی دیگر تکنیکوں کا تجزیہ نہیں کیا گیا ہے، سی ایم مرکبات کے پیچیدہ مرکب ہیں۔ صرف ایک فنگر پرنٹ تکنیک کے ذریعہ CM مرکبات کی پوری ترکیب کی عکاسی کرنا ناممکن ہے۔ مستقبل میں، ہم وزیراعلیٰ کی سرد گرم طبیعت کا تجزیہ کرنے کے لیے متعدد فنگر پرنٹس استعمال کرنا چاہتے ہیں۔ دوسرا، ہم فاصلاتی میٹرک کے ساتھ UV سپیکٹرا کی مماثلت کی تحقیقات کرتے ہیں۔ فنگر پرنٹ ڈیٹا میں اعلی جہت اور چھوٹے نمونے کی خصوصیات ہیں۔ اس طرح کی خصوصیات کی بنیاد پر، پیشن گوئی کے ماڈل کا ڈیزائن مستقبل کی توجہ کا مرکز ہے۔ تیسرا، ہمارا مطالعہ سرد گرم نوعیت کی درجہ بندی کے لیے بازیافت کی اسکیموں کی کھوج پر مرکوز ہے۔ UV سپیکٹرم کی خصوصیات کا اچھی طرح سے تجزیہ نہیں کیا گیا ہے۔ اس کے بعد، ہم دوائی کی نوعیت کی درجہ بندی کی کارکردگی کو بہتر بنانے کے لیے زیادہ موثر فنگر پرنٹ ڈیٹا کو مربوط کریں گے۔

ہمارا مطالعہ نہ صرف فطرت کی شناخت کا ایک طریقہ فراہم کرتا ہے بلکہ فطرت کے نشان کے لیے ایک نئی اسکیم فراہم کرتا ہے۔چینیدوائیاں. نیچر مارکر ایک نیا تصور ہے، جس میں اجزاء کی نشاندہی ہوتی ہے۔چینیدوائیاںدوا کی فطرت سے گہرا تعلق ہے۔ اپنی فطرت کی شناخت کی اسکیم کے ساتھ، ہم چینی ادویات کو تلاش کرنا چاہتے ہیں جن میں ایک جیسے اجزاء شامل ہوں جو ایک جیسی نوعیت کی پابندی کی شرائط کے تحت ہوں۔ اس طرح کی متعدد چینی ادویات میں ایک جیسے اجزاء ہوتے ہیں، جنہیں ان کئی کی نوعیت کے نشانات کے طور پر سمجھا جا سکتا ہے۔چینیدوائیاں.

نتیجہ

اس مطالعہ میں، سرد-گرم دوا کی نوعیت کی پیشن گوئی کرنے کے لیے ایک بازیافت اسکیم تجویز کی گئی ہے۔ CM کی خصوصیات کی بنیاد پر اس اسکیم میں کلاسیکی درجہ بندی کرنے والوں سے بہتر درجہ بندی کی کارکردگی ہے۔ مؤثر تجربات یہ ظاہر کرتے ہیں کہ سرد گرم دوا کی نوعیت اور UV سپیکٹرل فنگر پرنٹ ڈیٹا متعلقہ ہے۔

حوالہ جات

1 گاو جے، چن سی۔ چینی میٹیریا میڈیکا کی چار نوعیتوں کے سائنسی مفہوم پر بحث۔ ایکٹا یونیورسٹی روایت۔ میڈ. گناہ فارماکول شنگھائی 2007، 21:16-18۔

2. Ouyang B, Wang ZG, Wang P. چینی میٹیریا میڈیکا کے چار خصوصیات کے نظریہ پر تحقیقی سوچ اور جدید مطالعہ کا طریقہ۔ # بیجنگ یونیورسٹی ٹریڈیٹ چن میڈ 2006، 29: 592-594۔

3. وو ایل جے، وانگ وائی، لی وائی ڈی، وغیرہ۔ روایتی چینی طب میں ZHENG کو Neuro-Endocrine-Immune نیٹ ورک کے تناظر میں سمجھنا۔ IET Syst Biol 2007,1: 51-60۔

4. جن آر، ژانگ بی، لیو ایکس کیو، وغیرہ۔ تین عنصری ریاضیاتی تجزیہ ماڈل پر مبنی سرد یا گرم خاصیت کے ساتھ چینی مٹیریا میڈیکا کی حیاتیاتی کارکردگی کا مطالعہ۔ جے چن انٹیگر میڈ 2011، 9:715-724۔

5. Zhao Y، Jia L، Wang J، et al. مہوانگ اور میکسنگ شیگن کاڑھیوں کے پراپرٹی کے فرق کا ٹھنڈا/گرم پیڈ فرق کرنے والا پرکھ۔ فارم بائیول 2016، 54(7):1298-302۔

6. وان ایچ وائی، کانگ ایکس وائی، لی ایکس ایم، وغیرہ۔ تھرمورگولیشن پر مختلف خصوصیات کے ساتھ روایتی چینی ادویات کا اثر اور خمیر سے متاثرہ بخار کے ساتھ چوہوں کے درجہ حرارت سے حساس عارضی ریسیپٹر ممکنہ چینل پروٹین۔ چائنا جے چن میٹر میڈ 2014، 39:3813-3818۔

7. لیانگ ایف، لی ایل، وانگ ایم، وغیرہ۔ چینی ادویات سے سرد اور گرم خصوصیات کے ساتھ دواؤں کی جڑی بوٹیوں کے مالیکیولر نیٹ ورک اور کیمیائی ٹکڑے پر مبنی خصوصیات۔ J Ethnopharmacol 2013, 148(3):770-779۔

8. وانگ ایم، لی ایل، یو سی، وغیرہ۔ خود ساختہ نقشہ (SOM) کی بنیاد پر چینی جڑی بوٹیوں کی ادویات کے مرکب کی درجہ بندی۔ Mol Inform 2016, 35(3-4):109-115۔

9. فو ایکس، سونگ ایکس، لی ایکس، وغیرہ۔ ممکنہ انسداد کینسر سرگرمی کے لیے روایتی چینی سمندری ادویات کی سرد گرم نوعیت کا فائیلوجینیٹک ٹری تجزیہ۔ ایویڈ بیسڈ کمپلیمنٹ الٹرنیٹ میڈ 2017، 2017:1-10۔

10. فو ایکس، مرون ایل ایچ، لی ایکس، وغیرہ۔ سلیکو موڈ آف ایکشن تجزیہ میں استعمال ہونے والی چینی ادویات کی سرد، گرم اور غیر جانبدار نوعیت کو سمجھنے کی طرف۔ J Chem Inf ماڈل 2017، 57(3):468-483۔

11. Li Y، Li X، Xue FZ، et al. مصنوعی اعصابی نیٹ ورک کی بنیاد پر چینی روایتی ادویات کی خصوصیات کا امتیاز۔ J Shandong Univ (Health Sciences) 2011, 49:57-61۔

12. لیو ڈبلیو ایچ، لی وائی، جی وائی جے، وغیرہ۔ روایتی چینی جڑی بوٹیوں کی ادویات کی جائیداد کے امتیاز میں جزوی کم از کم مربع. J. Shandong Univ (Health Sciences) 2012, 50:151-154.

13. Zhang XX، Li Y، Ji YJ، et al. پرنسپل جزو تجزیہ- لکیری امتیازی تجزیہ کے ساتھ چینی روایتی ادویات کی خصوصیات کا امتیاز۔ J Shandong Univ (Health Sciences) 2012, 50:143-146۔

14. Nie B، Hao ZL، Gui B، et al. بے ترتیب جنگل پر مبنی روایتی چینی ادویات کی سرد اور گرم خصوصیات کے لئے میٹابولومکس امتیازی طریقہ کی تحقیق۔ J Jiangxi Univ Traditi Chin Med 2015, 27:82-86۔

15. لانگ ڈبلیو، لیو پی، ژیانگ جے، وغیرہ۔ چینی میٹیریا میڈیکا کی خصوصیات کی پیشین گوئی کے لیے ایک مجموعہ نظام۔ کمپیوٹنگ طریقہ پروگرام بایومیڈ. 2011، 101(3):253-264۔

16. لی ایچ، سو کیو، ژانگ جے، وغیرہ۔ 1H-NMR اسپیکٹرل ڈیٹا کے امتیازی تجزیہ کے ذریعہ سرد گرم فطرت روایتی چینی دواؤں کی جڑی بوٹیوں میں فرق کرتی ہے۔ میڈیکل سائنس اور انسانی صحت پر 2017 بین الاقوامی کانفرنس (MSHH 2017)، 2017، 174-179۔

17. جیانگ ایم، ژانگ ایس، لی ایچ، وغیرہ۔ سکیل ایبل امیج بازیافت کا استعمال کرتے ہوئے میموگرافک عوام کی کمپیوٹر کی مدد سے تشخیص۔ IEEE Trans Biomed Eng 2015, 62(2):783-92۔

18. Tsochatzidis L، Zagoris K، Arikidis N، et al. نگرانی شدہ مواد پر مبنی تصویری بازیافت کے نقطہ نظر کی بنیاد پر میموگرافک عوام کی کمپیوٹر کی مدد سے تشخیص۔ پیٹرن ریکوگ 2017، 71:106-117۔

19. وی جی، ما ایچ، کیان ڈبلیو، وغیرہ۔ دانا پر مبنی نیم زیر نگرانی فاصلاتی میٹرک کا استعمال کرتے ہوئے طبی تصویر کی بازیافت کے لئے پھیپھڑوں کے عوام کی مماثلت کی پیمائش۔ میڈ فز 2016، 43(12):6259-6269۔

20. وی جی، ما ایچ، کیان ڈبلیو، وغیرہ۔ پھیپھڑوں کے نوڈول کی درجہ بندی کے لیے مواد پر مبنی تصویری بازیافت کی اسکیم۔ Curr Med Imaging Rev 2017, 13(2):210-216۔

21. لیو وائی، رونگ جے، للی ایم، وغیرہ۔ بصارت کے تحفظ کے لیے فاصلاتی میٹرک سیکھنے اور طبی تصویر کی بازیافت کے لیے اس کے اطلاق کے لیے ایک فروغ دینے والا فریم ورک۔ IEEE ٹرانس پیٹرن اینل مچ انٹیل 2010، 32(1):30-44۔

22. وینبرجر کے کیو، بلٹزر جے، ساؤل ایل کے۔ قریبی پڑوسی کی درجہ بندی کے بڑے مارجن کے لیے فاصلاتی میٹرک سیکھنا۔ J Mach Learn Res 2009, 10(1):207-244۔

23. تاؤ ڈی، لی ایکس، وو ایکس، وغیرہ۔ عمومی ٹینسر امتیازی تجزیہ اور گیٹ کی شناخت کے لیے گیبر کی خصوصیات۔ آئی ای ای ای ٹرانس۔ پیٹرن اینل مچ انٹیل 2007، 29(10):1700–1715۔

24. مالار ای، کنڈاسوامی اے، چکرورتی ڈی، وغیرہ۔ ویولیٹ تجزیہ اور انتہائی سیکھنے والی مشین کا استعمال کرتے ہوئے میموگرافک مائیکرو کیلکیفیکیشنز کا پتہ لگانے اور درجہ بندی کے لئے ایک نیا نقطہ نظر۔ Comput Biol Med 2012, 42:898–905۔

25. ایچ لی روایتی چینی طب (TCM) کی ٹھنڈے گرمی کی نوعیت کے ساتھ الٹراوائلٹ اسپیکٹرم فنگر پرنٹس کی بنیاد پر ڈیجیٹل نمائندگی کے نظام کی تعمیر۔ جنان: شیڈونگ یونیورسٹی آف ٹریڈیشنل چائنیز میڈیسن 2011۔