利用文本挖掘探索干燥綜合征證藥特點(diǎn)*

張志華，郭洪濤，鄭 光，馮福海，李松偉

(1．鄭州市中醫(yī)院 河南 鄭州450007; 2 河南中醫(yī)學(xué)院第一附屬醫(yī)院風(fēng)濕科，河南 鄭州450000; 3．蘭州大學(xué)信息學(xué)院，甘肅 蘭州730000)

干燥綜合征(Sjogren＇s syndrome，SS)是一種侵犯外分泌腺體，尤其以唾液腺和淚腺為主的慢性自身免疫性疾病，主要病理變化為外分泌腺淋巴細(xì)胞浸潤(rùn)。本病可同時(shí)累及其他器官造成多種多樣的臨床表現(xiàn)［1］，屬中醫(yī)學(xué)“燥證”“痹證”范疇［2］。本研究通過(guò)收集1978—2012 年中國(guó)生物醫(yī)學(xué)數(shù)據(jù)庫(kù)收錄的文獻(xiàn)，利用課題組逐漸成熟的文本挖掘技術(shù)［3］進(jìn)行挖掘計(jì)算，探索干燥綜合征證、藥相應(yīng)規(guī)律。

1 數(shù)據(jù)的收集與處理

1．1 數(shù)據(jù)收集

方法概述如下:在中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)(Chinese BioMedical Literature Database，CBM，http://sinomed．cintcm．a(chǎn)c．cn/index．jsp)中以“缺省［智能］:”狀態(tài)下檢索“干燥綜合征”，共得到文獻(xiàn)3 296篇(檢索日期:2013 年3 月3 日)，依次下載所有文獻(xiàn)并保存。

1．2 文本數(shù)據(jù)處理

將收集來(lái)的數(shù)據(jù)按照下載的先后順序，整合到一個(gè)平面文件(后綴txt)里面，以ANSI 編碼格式保存;然后采用專(zhuān)有的文本提取工具(軟件著作權(quán)，軟著登字第0261882 號(hào)，登記號(hào)2010SR073409)對(duì)下載的非結(jié)構(gòu)化txt 文本數(shù)據(jù)進(jìn)行信息提取，保存成格式化的、便于大型關(guān)系型數(shù)據(jù)庫(kù)(Microsoft SQL Server，以下簡(jiǎn)稱(chēng)SQL)處理的格式，再導(dǎo)入SQL 中進(jìn)行下一步的挖掘分析。假設(shè)每一篇文獻(xiàn)的貢獻(xiàn)度是相同的，一篇文獻(xiàn)中重復(fù)出現(xiàn)的關(guān)鍵詞只需要計(jì)算1 次，據(jù)此構(gòu)建算法進(jìn)行數(shù)據(jù)清洗工作［3］。清洗完畢后的數(shù)據(jù)既可以提取挖掘?qū)ο蟮囊痪S頻數(shù)，也可以得到挖掘?qū)ο蟮亩S關(guān)系，進(jìn)行可視化呈現(xiàn)。抽出不同頻次的關(guān)鍵詞對(duì)，用Cytoscape 2．8 軟件進(jìn)行可視化處理，形成可視化的網(wǎng)絡(luò)圖，然后結(jié)合專(zhuān)業(yè)知識(shí)進(jìn)行解析。一旦發(fā)現(xiàn)不合理的結(jié)果，即回溯原文獻(xiàn)數(shù)據(jù)集。如果是噪音，仍按算法進(jìn)行噪音清洗，直至噪音降到滿(mǎn)意為止。最后的結(jié)果可視化成圖，結(jié)合專(zhuān)業(yè)知識(shí)進(jìn)行解析。

2 干燥綜合征文本挖掘結(jié)果的評(píng)析

2．1 證型文本挖掘結(jié)果

在干燥綜合征文獻(xiàn)數(shù)據(jù)集中共提取到中醫(yī)證型57 項(xiàng)，為了便于顯示，選取前20 項(xiàng)，按證型在數(shù)據(jù)集中出現(xiàn)的頻數(shù)高低列出，見(jiàn)表1。

表1 文本挖掘干燥綜合征相關(guān)中醫(yī)證型

以上結(jié)果表明:干燥綜合征文獻(xiàn)頻次最高的證型為氣陰兩虛證，綜合顯示該病多見(jiàn)虛證、熱證，少見(jiàn)實(shí)證、寒證;虛證多見(jiàn)氣陰、肝腎、津液等方面的虛損。

為了找到干燥綜合征數(shù)據(jù)集中主治證型之間的相互關(guān)系，運(yùn)用基于敏感關(guān)鍵詞頻數(shù)統(tǒng)計(jì)的數(shù)據(jù)分層算法計(jì)算每篇文獻(xiàn)中兩兩出現(xiàn)的相關(guān)證型得到的結(jié)果，使用cytoscape 軟件構(gòu)建證型兩兩之間網(wǎng)絡(luò)圖:圖中圓圈內(nèi)為證型名稱(chēng)，連線(xiàn)代表證型兩兩之間的聯(lián)系。證型的連線(xiàn)愈多，圓圈就越大，代表該證型與干燥綜合征的關(guān)聯(lián)程度越高，越處于核心的位置。見(jiàn)圖1。

圖1 干燥綜合征相關(guān)證型網(wǎng)絡(luò)圖

文本挖掘共提取到130 項(xiàng)證型組合，圖1 為證候挖掘結(jié)果參與構(gòu)建的網(wǎng)絡(luò)圖。由圖可知:氣陰兩虛與其他證型的連線(xiàn)最多，為核心證型;而肝腎陰虛、陰虛津虧、陰虛血瘀等為干燥綜合征常見(jiàn)證型。綜上所述，干燥綜合征的證型中氣陰兩虛證最常見(jiàn)，陰虛、氣虛、津虧、血瘀、燥毒等是本病的基本致病因素。

2．2 中藥文本挖掘結(jié)果

在干燥綜合征文獻(xiàn)數(shù)據(jù)集中共提取到相關(guān)中藥名稱(chēng)123 個(gè)，為了方便展示，選取前20 個(gè)，按中藥在數(shù)據(jù)集中出現(xiàn)的頻數(shù)高低列出見(jiàn)表2。

表2 文本挖掘干燥綜合征相關(guān)中藥

由表1 可知，治療干燥綜合征的中藥中，生地黃出現(xiàn)的頻數(shù)最多，而生地黃性味甘寒，能清熱、生津、潤(rùn)燥，也與干燥綜合征多“虛、熱”發(fā)病相應(yīng)，應(yīng)為其治療的主藥。麥冬、白芍頻次也較高，均能滋陰潤(rùn)燥，應(yīng)為核心藥物?；厮菰墨I(xiàn)，發(fā)現(xiàn)雷公藤均與雷公藤多苷有關(guān)，因此應(yīng)列為噪音剔除。其他均為治療干燥綜合征的常用中藥。

文本挖掘共提取到中藥組合289 項(xiàng)，為方便成圖，選擇頻次大于等于2 的70 項(xiàng)中藥組合構(gòu)建中藥網(wǎng)絡(luò)圖(圖2)如下:

圖2 干燥綜合征相關(guān)中藥網(wǎng)絡(luò)圖(PS≥2)

圖2 可知，麥冬頻次最高，應(yīng)作為主藥。麥冬性甘、微苦、涼，能滋陰生津、潤(rùn)肺止咳、清心除煩。沙參、天花粉、生地黃等次之，這些中藥應(yīng)為治療干燥綜合征的核心藥物。其他玄參、知母、石斛等為常用中藥。綜上所述，干燥綜合征的中藥治療以滋陰潤(rùn)燥為主，活瘀解毒為輔。藥物以生地黃、麥冬、沙參、白芍、甘草、當(dāng)歸等為核心藥物。

3 討 論

文本挖掘技術(shù)是以統(tǒng)計(jì)數(shù)理分析、計(jì)算語(yǔ)言學(xué)為理論基礎(chǔ)，服務(wù)于醫(yī)藥、生物、文獻(xiàn)研究等學(xué)科的新興的交叉學(xué)科［4］。運(yùn)用于中醫(yī)藥領(lǐng)域，文本挖掘能從海量的中醫(yī)藥文獻(xiàn)中發(fā)現(xiàn)知識(shí)以促進(jìn)中醫(yī)臨床研究和中藥復(fù)方研發(fā)等。根據(jù)中醫(yī)理論或?qū)I(yè)知識(shí)，計(jì)算機(jī)挖掘中醫(yī)藥文獻(xiàn)庫(kù)與生物醫(yī)學(xué)信息庫(kù)的非關(guān)聯(lián)知識(shí)，為中西醫(yī)結(jié)合研究提供新的思路和途徑，并且結(jié)果更加客觀(guān)，可重復(fù)性強(qiáng)［5］。

文本挖掘能夠從具有大量信息的文本材料中抽取知識(shí)［4］。近年來(lái)，隨著各種信息傳媒和通量的不斷加大，中醫(yī)藥規(guī)律研究呈現(xiàn)多元化的趨勢(shì)［6］。應(yīng)用于中醫(yī)藥領(lǐng)域，計(jì)算機(jī)能夠文本挖掘中醫(yī)藥文獻(xiàn)庫(kù)與生物醫(yī)學(xué)信息庫(kù)的非關(guān)聯(lián)知識(shí)，為中醫(yī)藥的現(xiàn)代研究提供新的思路和途徑［7］。文本挖掘計(jì)算的結(jié)果，結(jié)合原文獻(xiàn)回溯，人工閱讀分析降噪等方法，使得結(jié)果更加客觀(guān);最終的結(jié)果，借助cytoscape 軟件作圖，使得結(jié)果更加直觀(guān)，可視性強(qiáng)［8］。

本研究針對(duì)從CBM 收集到相關(guān)干燥綜合征的3 296 篇文獻(xiàn)，采用課題組逐漸成熟的文本挖掘技術(shù)［3］，結(jié)合回溯原文獻(xiàn)，人工閱讀降噪，對(duì)干燥綜合征從證型、中藥規(guī)律方面進(jìn)行挖掘，挖掘的結(jié)果既看到它們?cè)谖墨I(xiàn)中的頻數(shù)，又可以發(fā)現(xiàn)它們各自在關(guān)聯(lián)網(wǎng)絡(luò)中的分布規(guī)律。從挖掘的結(jié)果來(lái)看，干燥綜合征的證型中氣陰兩虛證最常見(jiàn)，陰虛、氣虛、津虧、血瘀、燥毒等是本病的基本致病因素。干燥綜合征的中藥治療以滋陰潤(rùn)燥為主，活瘀解毒為輔。藥物以生地黃、麥冬、沙參、白芍、甘草等為核心藥物。

中醫(yī)處方是在辨證論治基礎(chǔ)上，根據(jù)治法，以不同藥物配伍形成的具有復(fù)雜功能的載體，是中醫(yī)治療疾病的重要手段?，F(xiàn)有文獻(xiàn)報(bào)告總結(jié)了臨床工作者治療干燥綜合征的主要經(jīng)驗(yàn)用藥。通過(guò)文本挖掘干燥綜合征現(xiàn)有文獻(xiàn)數(shù)據(jù)，能夠便捷總結(jié)干燥綜合征證、藥特點(diǎn)，為中醫(yī)臨床提供有益的探索與參考;同時(shí)，通過(guò)挖掘分析，也為疾病的中藥配伍提供了一種新的探索方法。

［1］蔣明，朱立平，林孝義．風(fēng)濕病學(xué)［M］．北京:科學(xué)出版社，1995:1115．

［2］路志正，焦樹(shù)德．實(shí)用中醫(yī)風(fēng)濕病學(xué)［M］．北京:人民衛(wèi)生出版社，1996:490．

［3］Guang Zheng，Hongtao Guo，Aiping Lu，et al．Discrete derivative:a data slicing algorithm for exploration of sharing biological networks between rheumatoid arthritis and coronary heart disease［J］．BioData Min，2011，23(4):18．

［4］薛為民，陸玉昌．文本挖掘技術(shù)研究［J］．北京聯(lián)合大學(xué)學(xué)報(bào):自然科學(xué)版，2005，19(4):59－63．

［5］Li S，Zhang ZQ，Wang YY，et al．Understanding ZHENG in traditional Chinese medicine in the context of neuro-endocrine-immune network［J］．IET Syst Biol，2007，1(1):51－60．

［6］譚勇，郭洪濤，鄭光，等．利用文本挖掘技術(shù)探索中醫(yī)藥治療疾病的用藥規(guī)律［J］．世界科學(xué)技術(shù)——中醫(yī)藥現(xiàn)代化，2010，12(5):823－827．

［7］何小娟，李健，陳杲，等．基于病證結(jié)合的中藥網(wǎng)絡(luò)藥理學(xué)研究與新藥研發(fā)策略［J］．中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2011，17(11):1271－1273．

［8］蔡峰，郭洪濤，張志華，等．基于文本挖掘技術(shù)的中成藥及西藥治療年齡相關(guān)性黃斑變性用藥規(guī)律研究［J］．北京中醫(yī)藥，2011，30(9):643－645．