本发明涉及中药物质基础解析与优化，尤其涉及一种整合性药效预测模型评价方法。
背景技术：
1、灵芝是一种具有多种药效的药用真菌，其化学成分与其药效之间存在一定的关联性。然而，目前尚缺乏一种有效的方法来预测灵芝产品的多种药效，以指导新批次灵芝产品的开发和应用。
2、目前大量研究表明灵芝及相关产品具有抗炎症、抗肿瘤、抗心血管及抗衰老等功效，其功效物质主要是灵芝三萜、水解单糖和其他水溶性小分子等活性成分，其次发现灵芝组分不同浓度有着不同的药效价值，进而为了挖掘灵芝及其产品活性成分含量背后的药效价值，因此开发一种基于灵芝活性成分预测多药效模型的方法，可有根据化学成分信息快速预测相关的药效模型。最终为灵芝及其产品的药效评价提供了新思路。
3、有资料显示，目前由于灵芝及其产品活性成分的多样性、复杂性，person分析、灰色关联度分析及距离相关系数分析等传统分析方法难以预测其是否有抗炎症、抗肿瘤、抗心血管及抗衰老等药效。
4、中国专利文献cn114522251a公开了一种“利用综合评价模型的中药组分结构解析与优化方法及应用”。采用了包括：分离或制备中药潜在活性组分；建立目标药效活性评价模型，获得潜在活性组分的多个药效评价指标结果；利用综合评价模型计算不同潜在活性组分对目标药效活性的贡献度；选择目标药效活性贡献度最高的组分，实现中药组分结构解析与优化。上述技术方案缺少对于药效的直接判断，缺少对中药的直观评价。
技术实现思路
1、本发明主要解决原有的技术方案缺少对于药效的直接判断，缺少对中药的直观评价的技术问题，提供一种整合性药效预测模型评价方法，首先通过质谱技术定量分析灵芝及其产品的化学成分，其次结合机器学习先进算法，利用已有灵芝产品化学成分信息以及对应的抗炎症、抗结肠癌、抗心血管及抗衰老等药效模型，从而建立化学成分-多药效判定模型，以达到输入新批次的化学成分信息预测其最相关的药效模型的目的。
2、本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：
3、s1收集灵芝产品的化学成分信息；
4、s2进行药效指标测定；
5、s3建立化学成分-多药效判定模型。
6、首先通过质谱技术定量分析灵芝及其产品的化学成分，其次结合机器学习先进算法，利用已有灵芝产品化学成分信息以及对应的抗炎症、抗结肠癌、抗心血管及抗衰老等药效模型，从而建立化学成分-多药效判定模型，以实现对中药的直观评价，优化中药评价效率。
7、作为优选，所述的步骤s3具体包括：
8、s3.1输入灵芝产品化学成分信息和对应的药效指标数据；
9、s3.2针对药效指标确定svm分类器模型；
10、s3.3初始化超平面方位和位移，采用rbf核函数进行训练；
11、s3.4对c参数和gama调优确定超平面位置，获取最优核函数；
12、s3.5循环计算核函数误差，最终输出药效预测结果。
13、作为优选，所述的步骤s3.2具体包括，svm分类器用超平面和核函数的方式进行线性或者非线性分类，通过对样本的训练得到一个能将样本二元分类的分类器，针对不同药效，分别对细胞实验设置测试组和模型组以计算变化率变化率＝(测试组+模型组)/模型组
14、变化率≥30％判定为有药效，将有药效标注为标签“1”，无药效标注为标签“0”，完成不同药效分类。
15、作为优选，所述的步骤s3.3具体包括，划分不同药效的超平面并计算药效类型间隔，计算不同故障类型最优超平面的模型：
16、
17、其中，λi为拉格朗日算子，f(x)为不同故障类型最优超平面的方位，为内积运算，即不同药效类型核函数，b为位移，决定了不同药效类别超平面原点之间的距离，yi表示不同药效参数样本的分类。
18、作为优选，所述的步骤s3.4对gama调优具体包括，对初始化后的超平面方位和位移作为初始值进行优化，获取根据细胞实验测定的相应药效指标；使用带有预测功能的支持向量机对相关参数进行分析和调整，形成超平面的方位和位移；将药效预测超平面方位参数作为初始参数，导入至遗传算法中作为初始种群。
19、作为优选，所述的初始种群进行循环计算，药效预测初始参数选择、交叉和变异的遗传操作，形成新的药效预测初始参数种群，并计算药效预测监测间隔参数；不断迭代直到达到药效预测结束条件，将迭代后的药效预测监测超平面方位参数作为最优参数，导入带有药效预测功能的支持向量机；进行药效预测核函数的更新，最终得到药物评价过程中实时药效预测的结果。
20、作为优选，所述的通过采用特定样品制备及喷雾溶剂的方法收集不同批次灵芝产品的化学成分信息并统计时空信息。采用特定样品制备及喷雾溶剂的方法检测不同生长时期灵芝的化合物空间分布，具有较高的灵敏度与分辨率，结合整合性药效预测模型进行评估，以便更好的利用灵芝的价值。
21、还可以采用质谱分析和色谱分析，各取灵芝批次样品约10mg，置于15ml离心管中，精密加入甲醇溶解为1mg/ml样品溶液，超声处理30min，取上清至离心管中，13000rpm离心15min，再次取上清即为供试品溶液，采用uplc-ms检测不同灵芝样品批次的化学成分。
22、色谱条件：色谱柱为waters acquity uplc hss t3(2.1mm×100mm，1.8μm)。流动相a为0.1％甲酸水溶液；流动相b为乙腈。梯度洗脱条件为0min，20％b；0-2min，20-26.5％b；2-9min，26.5％b；9-19min，26.5-35％b；19-28min，35-60％b；28-32min，60-70％b；32-37min，70-90％b；37-40min，90-100％b；40-45min，100％b。流速0.45ml/min，柱温25℃，进样量1ul。
23、质谱条件：离子源为esi源。
24、作为优选，所述的步骤s1采集化学成分信息具体包括：
25、s1.1样品预处理：取灵芝样品，冷冻处理；
26、s1.2样品制备：将步骤s1处理后的样品切片，避光干燥处理后，表面使用喷涂溶液进行喷涂，再避光静置；
27、s1.3使用搭载desi离子源的高分辨质谱检测器采用全扫描模式，分别在正、负离子检测模式下进行数据采集；
28、s1.4进行高分辨率成像，并使用线性平滑法对图像进行重建.
29、作为优选，所述的步骤s2药效指标测定包括设定药效检测模型，针对不同的药效，根据细胞实验测定相应的药效指标。药效指标测定包括抗炎症、抗心血管、抗衰老及抗肿瘤，针对不同的药效，根据细胞实验测定相应的药效指标。炎症模型为脂多糖诱导的raw264.7模型，肿瘤模型为hct116结肠癌模型，心血管模型为缺氧复氧诱导的心肌损伤模型，衰老模型为d-半乳糖诱导的细胞衰老模型。
30、作为优选，所述的循环计算过程中，交叉过程即为染色体的交叉位置的互换，从而产生新的染色体的参数，交叉是随机产生的，包括染色体交叉是否随机和染色体交叉位置是否随机两类随机问题。
31、本发明的有益效果是：首先通过质谱技术定量分析灵芝及其产品的化学成分，其次结合机器学习先进算法，利用已有灵芝产品化学成分信息以及对应的抗炎症、抗结肠癌、抗心血管及抗衰老等药效模型，从而建立化学成分-多药效判定模型，以达到输入新批次的化学成分信息预测其最相关的药效模型的目的。
1.一种整合性药效预测模型评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种整合性药效预测模型评价方法，其特征在于，所述步骤s3具体包括：
3.根据权利要求2所述的一种整合性药效预测模型评价方法，其特征在于，所述步骤s3.2具体包括，svm分类器用超平面和核函数的方式进行线性或者非线性分类，通过对样本的训练得到一个能将样本二元分类的分类器，针对不同药效，分别对细胞实验设置测试组和模型组以计算变化率
4.根据权利要求2所述的一种整合性药效预测模型评价方法，其特征在于，所述步骤s3.3具体包括，划分不同药效的超平面并计算药效类型间隔，计算不同故障类型最优超平面的模型：
5.根据权利要求2所述的一种整合性药效预测模型评价方法，其特征在于，所述步骤s3.4对gama调优具体包括，对初始化后的超平面方位和位移作为初始值进行优化，获取根据细胞实验测定的相应药效指标；使用带有预测功能的支持向量机对相关参数进行分析和调整，形成超平面的方位和位移；将药效预测超平面方位参数作为初始参数，导入至遗传算法中作为初始种群。
6.根据权利要求5所述的一种整合性药效预测模型评价方法，其特征在于，所述初始种群进行循环计算，药效预测初始参数选择、交叉和变异的遗传操作，形成新的药效预测初始参数种群，并计算药效预测监测间隔参数；不断迭代直到达到药效预测结束条件，将迭代后的药效预测监测超平面方位参数作为最优参数，导入带有药效预测功能的支持向量机；进行药效预测核函数的更新，最终得到药物评价过程中实时药效预测的结果。
7.根据权利要求1或2所述的一种整合性药效预测模型评价方法，其特征在于，所述步骤s1通过采用特定样品制备及喷雾溶剂的方法收集不同批次灵芝产品的化学成分信息并统计时空信息。
8.根据权利要求7所述的一种整合性药效预测模型评价方法，其特征在于，所述步骤s1采集化学成分信息具体包括：
9.根据权利要求1所述的一种整合性药效预测模型评价方法，其特征在于，所述步骤s2药效指标测定包括设定药效检测模型，针对不同的药效，根据细胞实验测定相应的药效指标。
10.根据权利要求6所述的一种整合性药效预测模型评价方法，其特征在于，所述循环计算过程中，交叉过程即为染色体的交叉位置的互换，从而产生新的染色体的参数，交叉是随机产生的，包括染色体交叉是否随机和染色体交叉位置是否随机两类随机问题。
