CN113053455A - 一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用 - Google Patents

一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用 Download PDF

Info

Publication number
CN113053455A
CN113053455A CN202110246972.9A CN202110246972A CN113053455A CN 113053455 A CN113053455 A CN 113053455A CN 202110246972 A CN202110246972 A CN 202110246972A CN 113053455 A CN113053455 A CN 113053455A
Authority
CN
China
Prior art keywords
oral liquid
food retention
children
potential
taste
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110246972.9A
Other languages
English (en)
Inventor
吴志生
雷乐庭
马丽娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Chinese Medicine
Original Assignee
Beijing University of Chinese Medicine
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Chinese Medicine filed Critical Beijing University of Chinese Medicine
Priority to CN202110246972.9A priority Critical patent/CN113053455A/zh
Publication of CN113053455A publication Critical patent/CN113053455A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G16B15/30—Drug targeting using structural data; Docking or binding prediction
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Databases & Information Systems (AREA)
  • Medicinal Chemistry (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Medicines Containing Plant Substances (AREA)
  • Coloring Foods And Improving Nutritive Qualities (AREA)

Abstract

本发明包含一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用，其特征在于，具体步骤如下：(1)建立一种潜在味效关联关键质量属性辨识方法；(2)根据小儿消积止咳口服液味效特点，将所构建的方法应用于小儿消积止咳口服液潜在味效关联关键质量属性的辨识当中，筛选得到多个潜在的味效关联关键质量属性及其作用机制，为小儿消积止咳口服液有效性评价提供了方法指导，同时也为中药饮片、中药制剂等潜在味效关联关键质量属性辨识和有效性评价提供了重要参考。

Description

一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口 服液中的应用
技术领域
本发明属于药物、食品领域，具体涉及一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用。
背景技术
小儿“食积咳嗽”是小儿咳嗽的重要原因之一，“食滞中焦，不能运化，成痰成饮，痰火上升，则咳嗽之症作矣”。《黄帝内经》曰：“聚于胃，关于肺”。《脾胃论》也认为“脾胃虚，则肺最受病”。小儿因其“稚阴稚阳”的体质特征，形气未充，如若饮食不节，则更易导致脾胃失和，酿成痰浊。小儿食积咳嗽成为小儿主要病症之一。小儿消积止咳口服液消积止咳、降气化痰，对于小儿痰热咳嗽兼食积证的疗效显著。在2019年全国城市零售药店终端儿科中成药TOP产品中，小儿消积止咳口服液位居12，安全性更高，具有较大的临床价值。
对于其质量控制，各版本药典对其质量控制的要求为控制辛弗林(枳实中的有效成分)含量。早年的研究大都集中在辛弗林单个成分的含量测定方法的构建。接着研究较多的是多个指标成分含量同时测定的方法学研究。更进一步，学者构建了小儿消积止咳口服液的质量控制指纹图谱，为其质量控制提供了重要方法指导。然而这些研究大都停留在单个成分到多个成分的含量测定。其味效关联的关键质量属性研究几乎为空白。
本发明通过自主集成的潜在味效关联关键质量属性辨识方法，通过中医药理论指导，将中药、中药制剂所含药味等进行味效模块拆分，对不同味效模块的潜在关键靶点进行解析，并回馈至味效模块的药味及其对应的关键质量属性，解析其潜在的味效关联关键质量属性，为其质量控制提供重要参考。
发明内容
本发明的目的在于提供一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用。
为实现上述目的，本发明的具体步骤包括：
步骤1：以中医药理论为指导，将小儿消积止咳口服液所含药味按味效划分成酸、苦、甘、辛、咸多个味效模块；
步骤2：采用数据库及文献调研收集并整理小儿消积止咳口服液各味效模块的中药药味化学成分及其对应作用靶点；
步骤3：采用数据库及文献调研收集并整理小儿消积止咳口服液主治的疾病靶点；
步骤4：整理(2)和(3)中的交集作用靶点，分别作为小儿消积止咳口服液辛、苦、甘各味效模块所治病症的作用靶点；
步骤5：分别构建(4)中各味效模块交集作用靶点的蛋白互作网络，筛选小儿消积止咳口服液药味所含成分对应辛、苦、甘各味效模块的潜在关键作用靶点；
步骤6：依据(5)中各味效模块的潜在关键作用靶点，反向预测其对应的小儿消积止咳口服液药味所含化学成分，构建“味效模块-化学成分-潜在关键作用靶点”网络，辨识小儿消积止咳口服液潜在的味效关联关键质量属性。
根据本发明的一些具体实施方案，步骤1中小儿消积止咳口服液的味效按照《中华人名共和国药典》(2020版)分为辛、苦、甘三类。
根据本发明的一些具体实施方案，步骤2中小儿消积止咳口服液所含成分为其所含10种中药于在线数据库及文献调研中整理所得成分，在线数据库和文献检索平台包括TCMSP数据库、BATMAN-TCM数据库、TCMID数据库、TCM Database数据库、ETCM数据库、中药与化学成分数据库、化源网、YaTCM数据库、Symmap数据库、ChEMBL数据库、STITCH数据库、Pubchem数据库、 PharmMapper数据库、SwissTargetPrediction数据库、中医传承辅助平台等相关数据库及中国知网、万方数据库、PubMed文献检索平台。
根据本发明的一些具体实施方案，步骤3中小儿消积止咳口服液主治病症包括“消积”、“止咳”和“食积咳嗽”。
根据本发明的一些具体实施方案，步骤5中的潜在关键作用靶点的筛选原则为由Bisogenet、STRING数据库等分别构建辛、苦、甘味效模块作用靶点的蛋白相互作用网络，采用MCODE方法筛选三个味效模块中分值最高的模块，其包含的作用靶点作为辛、苦、甘三个味效模块的潜在关键作用靶点。
根据本发明的一些具体实施方案，步骤6中的“味效模块-化学成分-潜在关键作用靶点”网络，通过辛、苦、甘三个味效模块的中包含的潜在关键作用靶点反向预测小儿消积止咳口服液对应味效中药的化学成分，作为小儿消积止咳口服液治疗食积咳嗽的潜在味效关联关键质量属性。
本发明在网络药理学基础上，依据中医药理论，将小儿消积止咳口服液样品药味划分成辛、苦、甘三个药组，并对应其消积、止咳和食积咳嗽三大功效，提供了小儿消积止咳口服液辛味药组、苦味药组和甘味药组的潜在味效关联关键质量属性辨识方法。
进一步提供了小儿消积止咳口服液辛味药组的33个潜在关键质量属性，主要包括但不限于枳实中的Synephrine(辛弗林)、Obacunone(黄柏酮)、 N-Methyltyramine(N-甲基酪胺)、Tangeretin(橘红素)、Nobiletin(川陈皮素)、 Hesperetin(橙皮素)等，葶苈子中的Hederagenin(常春藤皂苷元)、Isorhamnetin (异鼠李素)等，莱菔子中的8,11,14-Eicosatrienoic acid,methyl ester(8,11,14- 二十碳三烯酸甲酯)等成分。
进一步提供了苦味药组的39个潜在关键质量属性，主要包括但不限于槟榔中的Guvacoline(去甲槟榔碱)、Guvacine(去甲槟榔次碱)Arecaidine(槟榔次碱)，连翘中的Arctiin(牛蒡子苷)、Sylvatesmin(连翘脂素)、Phillyrin(连翘苷)，桔梗中的Acacetin(刺槐素)等成分。
进一步提供了甘味药组的50个潜在关键质量属性，其特征在于，主要包括但不限于瓜蒌中的Luteolin(木犀草素)、5-Dehydrokarounidiol(5-脱氢栝楼仁二醇)，山楂中的Ursolic acid(熊果酸)、Diosmetin(香叶木素)，枇杷叶中的Ellagic acid(鞣花酸)、Isorhamnetin(异鼠李素)，蝉蜕中的Guanosine(鸟苷)等成分。
小儿消积止咳口服液辛味药组筛选得到33个潜在关键质量属性，苦味药组 39个潜在关键质量属性，甘味药组50个潜在关键质量属性。
附图说明
图1小儿消积止咳口服液三个味效模块潜在作用靶点韦恩图
图2三个功效模块潜在关键作用靶点(A：消积，B：止咳，C：食积咳嗽)
图3小儿消积止咳口服液三个功效模块潜在关键作用靶点生物过程富集结果(A：消积，B：止咳，C：食积咳嗽)
图4小儿消积止咳口服液三个功效模块潜在关键作用靶点KEGG通路富集结果(A：消积，B：止咳，C：食积咳嗽)
图5小儿消积止咳口服液辛味药组“味效模块-关键质量属性-关键作用靶点”网络图
图6小儿消积止咳口服液苦味药组“味效模块-关键质量属性-关键作用靶点”网络图
图7小儿消积止咳口服液甘味药组“味效模块-关键质量属性-关键作用靶点”网络图
具体实施方式
实施例1一种中药制剂潜在的味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用
(1)对小儿消积止咳口服液全方及其10味中药进行了调研，考察了包括《证类本草》、《本草纲目》等古籍和CNKI相关文献。基于中医基础理论和组方规律，将小儿消积止咳口服液10味中药按主要味效差异划分成“苦、甘、辛”三个味效模块，其中辛味药组包括枳实、莱菔子、葶苈子；苦味药组包括槟榔、桔梗、连翘；甘味药组包括山楂、枸杞、枇杷叶、蝉蜕。
(2)通过TCMSP(http://tcmspw.com/tcmsp.php)、BATMAN-TCM (http://bionet.ncpsb.org/batman-tcm/)数据库，查询小儿消积止咳口服液“辛、苦、甘”三个味效模块中所含10味中药的化学成分。TCMSP数据库中以口服生物利用度(oralbioavailability，OB)≥30％、类药性(drug likeness，DL)≥0.18 为筛选条件，检索活性化学成分。其他化学成分通过Swiss ADME在线平台 (http://swissadme.ch/)进行筛选，设定条件：肠胃吸收(GI absorption)为“High”， 5种类药性(Lipinski、Ghose、Veber、Egan、Muegge)预测结果有2个及2个以上为“Yes”，通过TCMSP、BATMAN-TCM、TCMID数据库及文献收集小儿消积止咳口服液三个味效模块包含化学成分信息；
采用Swiss Target Prediction(http://www.swisstargetprediction.ch/)在线平台，限定物种为“Homo sapiens”，进行靶点预测。删除可能性为“0”的靶点，得到小儿消积止咳口服液三个味效模块各中药所含化学成分对应的作用靶点。采用 UniProt数据库(http://www.uniprot.org/)中UniProt KB功能，限定物种为人，将所有作用靶点转换为官方名称(Official Symbol)；
结果筛选得到小儿消积止咳口服液209个活性化学成分，并预测获取1132 个作用靶点。
(3)通过Genecards(http://www.genecards.org/)、CTD(http://ctdbase.org/)、OMIM(http://www.omin.org/)、TTD(http://db.idrblab.net/ttd/)四个疾病数据库，以“消积”、“止咳”、“食积咳嗽”为疾病关键词，筛选得到2312个食积咳嗽疾病靶点。
(4)将不同味效模块活性成分的1132个作用靶点与2312个食积咳嗽疾病靶点进行映射，得到辛味药组395个、苦味药组393个、甘味药组380个潜在作用靶点，三个味效模块潜在作用靶点分布情况如图1所示。结果表明小儿消积口服液不同味效模块潜在作用靶点之间存在交集，不同味效中药在发挥各自功效的基础上存在协同作用。
(5)以小儿消积口服液辛、苦、甘三个味效模块为研究对象，构建其潜在作用靶点蛋白相互作用网络。采用Mcode插件对网络进行分析，筛选潜在作用靶点中连接最紧密、作用更显著的聚类模块，即打分值最高的Cluster1包含的作用靶点作为三个味效模块发挥各自功效的潜在关键作用靶点，结果见图2。
(6)通过Metascape数据库，设置P Value Cutoff为0.01，对辛、苦、甘三个味效模块潜在关键作用靶点进行GO生物过程和KEGG通路分析(图3和图4)。结果表明，辛味药组和苦味药组可调控细胞对氧化应激的反应(cellular response to oxidative stress)、损伤应答(response to wounding)、cAMP信号通路(cAMP signaling pathway)等，苦味药组和甘味药组可调控激酶活性的正调控(positive regulation of kinase activity)、节律过程(rhythmic process)、糖尿病并发症中的 AGE-RAGE信号通路(AGE-RAGE signalingpathway in diabetic complications) 等，辛味药组和甘味药组可调控P53信号通路(p53signaling pathway)NF-κB 信号通路(NF-kappa B signaling pathway)。
除调节相同的生物过程和通路外，辛味药组可调控G蛋白偶联受体信号通路(Gprotein-coupled receptor signaling pathway,coupled to cyclic nucleotidesecond messenger)、丝裂原活化蛋白激酶级联反应的正向调节(positive regulation ofMAPK cascade)等生物过程，FoxO信号通路(foxo signaling pathway)、cGMP-PKG 信号通路(cGMP-PKG signaling pathway)、流体剪切应力与动脉粥样硬化通路 (Fluid shearstress and atherosclerosis)、TRP通道的炎性介质调节(inflammatory mediatorregulation of trp channels)等通路发挥疗效。
苦味药组可调控应答辐射(response to radiation)、氧水平反应(response tooxygen levels)等生物过程，内分泌抵抗(Endocrine resistance)HIF-1信号通路 (HIF-1signaling pathway)、程序性坏死(necroptosis)等通路发挥疗效。
甘味药组可调控细胞迁移的正调控(positive regulation of cellmigration)、白细胞迁移(leukocyte migration)、细胞死亡的正调控(positiveregulation of cell death)、神经胶质细胞分化(glial cell differentiation)等生物过程，趋化因子信号通路(Chemokine signaling pathway)、JAK-STAT信号通路(JAK-STATsignaling pathway)、细胞因子-细胞因子受体相互作用(Cytokine-cytokine receptorinteraction)等通路发挥疗效。
(6)以每个模块中靶点MCODE Score为筛选指标，选取分值排名前20的作用靶点，其中辛、苦味药组筛选出30个作用靶点(存在作用靶点打分值相同)，甘味药组筛选出20个作用靶点。进一步以筛选出的潜在关键作用靶点反向预测三个性味模块潜在作用的化学成分。
实验结果表明：辛味药组包含50个化学成分，其中1个化学成分来源于两个以上中药。苦味药组包含60个化学成分，其中3个化学成分来源于两个以上中药。甘味药组包含69个化学成分，其中6个化学成分来源于两个以上中药。以度值(Degree)不小于中位数，进一步筛选活性化学成分作为小儿消积止咳口服液的潜在关键质量属性，采用Cytoscape3.7.1软件，构建小儿消积止咳口服液辛、苦、甘三个味效模块的“味效模块-关键质量属性-关键作用靶点”网络图，见图5-图7。
辛味药组筛选得到33个潜在关键质量属性，主要来源于枳实。包括枳实中的Synephrine(辛弗林)、Obacunone(黄柏酮)、N-Methyltyramine(N-甲基酪胺)、 Tangeretin(橘红素)、Nobiletin(川陈皮素)、Hesperetin(橙皮素)等，葶苈子中的Hederagenin(常春藤皂苷元)、Isorhamnetin(异鼠李素)等，莱菔子中的 8,11,14-Eicosatrienoic acid,methyl ester(8,11,14-二十碳三烯酸甲酯)等成分。
苦味药组筛选得到39个潜在关键质量属性，主要来源于连翘、槟榔。包括槟榔中的Guvacoline(去甲槟榔碱)、Guvacine(去甲槟榔次碱)Arecaidine(槟榔次碱)，连翘中的Arctiin(牛蒡子苷)、Sylvatesmin(连翘脂素)、Phillyrin(连翘苷)，桔梗中的Acacetin(刺槐素)等成分。
甘味药组筛选得到50个潜在关键质量属性，主要来源于瓜蒌、山楂。包括瓜蒌中的Luteolin(木犀草素)、5-Dehydrokarounidiol(5-脱氢栝楼仁二醇)，山楂中的Ursolicacid(熊果酸)、Diosmetin(香叶木素)，枇杷叶中的Ellagic acid(鞣花酸)、Isorhamnetin(异鼠李素)，蝉蜕中的Guanosine(鸟苷)等成分。

Claims (9)

1.一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用，其特征在于，具体步骤如下：
步骤1：以中医药理论为指导，将小儿消积止咳口服液所含药味按味效划分成酸、苦、甘、辛、咸多个味效模块；
步骤2：采用数据库及文献调研收集并整理小儿消积止咳口服液各味效模块的中药药味化学成分及其对应作用靶点；
步骤3：采用数据库及文献调研收集并整理小儿消积止咳口服液主治的疾病靶点；
步骤4：整理(2)和(3)中的交集靶点，分别作为小儿消积止咳口服液辛、苦、甘各味效模块所治病症的潜在作用靶点；
步骤5：分别构建(4)中各味效模块交集作用靶点的蛋白互作网络，筛选小儿消积止咳口服液药味所含成分对应辛、苦、甘各味效模块的潜在关键作用靶点；
步骤6：依据(5)中各味效模块的潜在关键作用靶点，反向预测其对应的小儿消积止咳口服液药味所含化学成分，构建“味效模块-化学成分-潜在关键作用靶点”网络，辨识小儿消积止咳口服液潜在的味效关联关键质量属性。
2.根据权利要求1所述的一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用，其特征在于，步骤1中小儿消积止咳口服液的味效按照《中华人名共和国药典》(2020版)分为辛、苦、甘三类。
3.根据权利要求1所述的一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用，其特征在于，步骤2中小儿消积止咳口服液所含成分为其所含10种中药于在线数据库及文献调研中整理所得成分，在线数据库和文献检索平台包括TCMSP数据库、BATMAN-TCM数据库、TCMID数据库、TCM Database数据库、ETCM数据库、中药与化学成分数据库、化源网、YaTCM数据库、Symmap数据库、ChEMBL数据库、STITCH数据库、Pubchem数据库、PharmMapper数据库、SwissTargetPrediction数据库、中医传承辅助平台等相关数据库及中国知网、万方数据库、PubMed文献检索平台。
4.根据权利要求1所述的一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用，其特征在于，步骤(3)中小儿消积止咳口服液主治病症包括“消积”、“止咳”和“食积咳嗽”。
5.根据权利要求1所述的一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用，其特征在于，步骤(5)中的潜在关键作用靶点的筛选原则为由Bisogenet、STRING数据库等分别构建辛、苦、甘味效模块的潜在作用靶点蛋白相互作用网络，采用MCODE方法筛选三个味效模块中分值最高的模块，其包含的靶点作为辛、苦、甘三个味效模块的潜在关键作用靶点。
6.根据权利要求1-5任一所述的一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用，其特征在于，步骤(6)中的“味效模块-化学成分-潜在关键作用靶点”网络，通过辛、苦、甘三个味效模块的中包含的潜在关键作用靶点反向预测小儿消积止咳口服液对应味效中药的化学成分，作为小儿消积止咳口服液治疗食积咳嗽的潜在味效关联关键质量属性。
7.小儿消积止咳口服液辛味药组的33个潜在关键质量属性，其特征在于，主要包括但不限于枳实中的Synephrine、Obacunone、N-Methyltyramine、Tangeretin、Nobiletin、Hesperetin，葶苈子中的Hederagenin、Isorhamnetin，莱菔子中的8,11,14-Eicosatrienoic acid,methyl ester。
8.小儿消积止咳口服液苦味药组的39个潜在关键质量属性，其特征在于，主要包括但不限于槟榔中的Guvacoline、Guvacine、Arecaidine，连翘中的Arctiin、Sylvatesmin、Phillyrin，桔梗中的Acacetin。
9.小儿消积止咳口服液甘味药组的50个潜在关键质量属性，其特征在于，主要包括但不限于瓜蒌中的Luteolin、5-Dehydrokarounidiol，山楂中的Ursolic acid、Diosmetin，枇杷叶中的Ellagic acid、Isorhamnetin，蝉蜕中的Guanosine。
CN202110246972.9A 2021-03-05 2021-03-05 一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用 Pending CN113053455A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110246972.9A CN113053455A (zh) 2021-03-05 2021-03-05 一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110246972.9A CN113053455A (zh) 2021-03-05 2021-03-05 一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用

Publications (1)

Publication Number Publication Date
CN113053455A true CN113053455A (zh) 2021-06-29

Family

ID=76510219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110246972.9A Pending CN113053455A (zh) 2021-03-05 2021-03-05 一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用

Country Status (1)

Country Link
CN (1) CN113053455A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105181916A (zh) * 2015-08-11 2015-12-23 盛良 一种利用电子鼻、电子舌传感器技术检测量化中药气味及其对应证的方法
CN105320847A (zh) * 2015-10-26 2016-02-10 广东药学院 一种基于模式分析研究中药物质基础和作用机制的方法
CN107292126A (zh) * 2017-05-04 2017-10-24 浙江大学 一种中药对复杂性疾病所致“失和”网络整合调节作用的定量评价方法
CN107315060A (zh) * 2017-07-19 2017-11-03 山东省分析测试中心 一种小儿消积止咳口服液多指标定量指纹图谱的建立方法
CN107563515A (zh) * 2017-08-31 2018-01-09 江苏康缘药业股份有限公司 潜在过程参数挖掘方法及装置
CN110867256A (zh) * 2019-10-17 2020-03-06 湖南中医药大学 一种优化肝复乐抗肝癌组方药理学分析方法和系统
CN111128294A (zh) * 2019-12-06 2020-05-08 中国药科大学 一种利用双疾病模式动物模型筛选异病同治活性成分的方法
CN111681717A (zh) * 2020-05-28 2020-09-18 北京银谷芳香科技有限公司 基于人工智能的中药质量控制与天然物功效预测模型及其构建和使用方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105181916A (zh) * 2015-08-11 2015-12-23 盛良 一种利用电子鼻、电子舌传感器技术检测量化中药气味及其对应证的方法
CN105320847A (zh) * 2015-10-26 2016-02-10 广东药学院 一种基于模式分析研究中药物质基础和作用机制的方法
CN107292126A (zh) * 2017-05-04 2017-10-24 浙江大学 一种中药对复杂性疾病所致“失和”网络整合调节作用的定量评价方法
CN107315060A (zh) * 2017-07-19 2017-11-03 山东省分析测试中心 一种小儿消积止咳口服液多指标定量指纹图谱的建立方法
CN107563515A (zh) * 2017-08-31 2018-01-09 江苏康缘药业股份有限公司 潜在过程参数挖掘方法及装置
CN110867256A (zh) * 2019-10-17 2020-03-06 湖南中医药大学 一种优化肝复乐抗肝癌组方药理学分析方法和系统
CN111128294A (zh) * 2019-12-06 2020-05-08 中国药科大学 一种利用双疾病模式动物模型筛选异病同治活性成分的方法
CN111681717A (zh) * 2020-05-28 2020-09-18 北京银谷芳香科技有限公司 基于人工智能的中药质量控制与天然物功效预测模型及其构建和使用方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
廖源，等: "基于网络药理学的中期诊疗方干预新型冠状病毒肺炎（COVID-19）作用 机制研究", 《中草药》, vol. 51, no. 7, pages 1776 - 1784 *
廖源，等: "基于网络药理学的乌梅-防风药对治疗过敏性哮喘作用机制研究", 《中南药学》, vol. 18, no. 1, pages 138 - 143 *
马文凤，等: "仿生技术在中药五味辨识研究中的进展与实践", 《中草药》, vol. 49, no. 5, pages 993 - 1001 *

Similar Documents

Publication Publication Date Title
Sandhu et al. Effects of Withania somnifera (Ashwagandha) and Terminalia arjuna (Arjuna) on physical performance and cardiorespiratory endurance in healthy young adults
Malik et al. Nootropic, anxiolytic and CNS-depressant studies on different plant sources of shankhpushpi
Mahady et al. Ginsengs: a review of safety and efficacy
Cheng et al. The peroxisome proliferators activated receptor-gamma agonists as therapeutics for the treatment of Alzheimer's disease and mild-to-moderate Alzheimer's disease: a meta-analysis
Helmstädter et al. Traditional use of medicinal agents: a valid source of evidence
TWI275792B (en) Matrix methods for quantitatively analyzing and assessing the properties of botanical samples
CN108508055B (zh) 一种基于代谢组学的广西瑶山甜茶抗糖尿病潜在标志物代谢通路及研究方法
CN101441682A (zh) 中药药效物质机理的生物信息分析平台及其分析方法
CN111681717B (zh) 基于人工智能的中药质量控制与天然物功效预测模型及其构建和使用方法
Dragos et al. Taste of phytocompounds: A better predictor for ethnopharmacological activities of medicinal plants than the phytochemical class?
Bletter A quantitative synthesis of the medicinal ethnobotany of the Malinké of Mali and the Asháninka of Peru, with a new theoretical framework
Mafruchati The Use of Dates against COVID-19, based on Effectiveness or Religion's Believe? Trends and Relevance Analysis in Big Data.
Dantas How can we get more reliable information from homoeopathic pathogenetic trials?: A critique of provings
Zhou et al. Assessment of pulmonary infectious disease treatment with Mongolian medicine formulae based on data mining, network pharmacology and molecular docking
Hooshmand Moghadam et al. The combined effects of 6 weeks of jump rope interval exercise and dark chocolate consumption on antioxidant markers in obese adolescent boys
Yun et al. Topical herbal application in the management of atopic dermatitis: a review of animal studies
CN108073780A (zh) 一种比较中药复方的临床疗效的方法
Souglis et al. Time Course of Performance Indexes, Oxidative Stress, Inflammation, and Muscle Damage Markers after a Female Futsal Match
Wang et al. Origin of chinmedomics
CN113053455A (zh) 一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用
Schlappack et al. New sensitive ambient mass spectrometric method combined with chemometric modelling for the analysis of Equisetum palustre L. contaminations in the traditional herb Equiseti herba
Tsai et al. Chinese Medicinal Formula (MHGWT) for Relieving Diabetic Neuropathic Pain: A Randomized, Double‐Blind, Placebo‐Controlled Trial
CN113012820A (zh) 一种中药制剂潜在的味效关键质量属性辨识方法
Kushwaha et al. CRITICAL ANALYSIS OF BHAVAPRAKASH NIGHANTU–A REVIEW
Kong et al. A Review of a Traditional Chinese Medicine Formula for Treating Insomnia with Depression: Wendan Decoction

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination