《表1 中药抗氧化谱效关系研究概况》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《数据分析技术在中药抗氧化谱效关系研究中的应用进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

数据分析技术是谱效关系研究的重要组成部分，合理选择数据分析技术将指纹图谱数据和药理学数据进行关联、分析，才能建立有意义的中药谱效关系。随着数理统计方法和计算机技术的发展，多种数据处理技术已被应用于中药谱效学的研究。吕邵娃等[12]将近年来应用于中药谱效关系研究的数据分析技术分成3类:（1）预测各成分与药效间关联度的分析方法，如灰关联度分析（grey relational analysis，GRA）、人工神经网络（artificial neural network，ANN）、双变量相关分析（bivariate correlation analysis，BCA）；（2）阐明各成分对药效贡献率的分析方法，如多元线性回归（multiple linear regression，MLR）、偏最小二乘回归分析（partial least squares regression，PLSR）；（3）简化数据结构寻找主要活性成分的分析方法，如主成分分析（principal components analysis，PCA）、典型相关分析（canonical correlation analysis，CCA）。上述数据分析技术越来越多地应用于中药抗氧化谱效关系的研究，并且已实现了预测各成分与药效间的关联度、阐明各成分对药效的贡献率以及简化数据结构寻找主要抗氧化活性成分。本文对各种数据分析技术在中药抗氧化谱效关系研究中的应用进展进行介绍。中药抗氧化谱效关系研究概况见表1。