本文格式为Word版，下载可任意编辑第PAGE\*MERGEFORMAT4页共NUMPAGES\*MERGEFORMAT4页复杂网络方法在数据挖掘的应用使用复杂网络方法进行中药配伍规律挖掘相比于传统方法扩展性更强,挖掘深度更深,目前已成为分析和研究重要配伍规律的有力工具。本文在介绍复杂网络相关概念的基础上,给出了使用重叠社团发现算法进行中药配伍规律挖掘的三种主要方法,并介绍了这些方法在中药配伍规律研究中应用的案例。最后对相关方法进行总结和展望。中药复方是指在遵循中医用药规则的前提下,使用多种药物混合组成的方剂。方剂中药物之间的配伍组合有着复杂的联系和约束,这种联系和约束是根据药物作用、禁忌关系、药性药效、病症原由等所建立的具有科学依据的相互关系。通过研究方剂中药物配伍关系,对于揭示用药配伍合理性、建立健全用药科学依据具有重要的意义。传统的中药配伍数据挖掘方法基于统计学的研究方法,如统计值法、聚类算法、关联规则方法等,这些方法只能挖掘浅层次的药物间关系,但无法揭示药物间深层次的联系[1]。而复杂网络方法的引入可以为研究重要配伍规律提供新的方法和手段。1复杂网络概述复杂网络(ComplexNetwork),是一种特殊的网络结构,它是将复杂系统中的元素抽象为节点,元素间的关系抽象成边的网络结构模型,并不是所有的网络都属于复杂网络,它需要满足如下的三个特征:(1)小世界特性(SmallWorld),即网络中点与点之间的特征路径长度值小,接近随机网络,但网络的聚合系数却很高,接近规则网络[2]。(2)无标度特性(Scalefree),即在网络中少数节点的度值会很大,而大部分节点却很小,节点的度值分布符合幂率分布规律[3]。(3)社团结构特性,复杂网络中的节点往往会呈现出集群特性,即社团区域内部节点之间的联系非常强,而社团内节点与社团外节点的联系明显减弱。由于中医用药博大精深,方剂中药物类型多且配伍关系复杂,这种关系很适合利用复杂网络模型来表达,同时诸多文章也验证了使用药物作为节点,药物间关系作为边所建立的网络模型具有复杂网络的相关特性,基于建立在中药复杂网络模型上的数据挖掘方法已经成为分析中医用药配伍规律,阐明中药配伍科学内涵的有力工具。近年来,凭借复杂网络良好的扩展性和内在发掘机制,使得复杂网络与中药理论得到了有机地结合,孙正等[4]提取药物药性中的“性味”“归经”“功效”,在向量空间模型上建立药物属性模型,提出了一种基于药物属性相似度的度量方法,并使用复杂网络方法进行分析;周伟等[5]从药物与病症关系角度,基于药物在方剂中出现的次数,提出药物效用度的概念,并进行组网和核心药物配伍规律挖掘;刘思鸿等[6]通过网络药理学方法构建“中药成分靶点疾病”网络,可从靶点的作用通路和功能角度,阐明中药复方的多通路、多层次协同整合作用,为中药治疗疾病的分子机制提供了一种分析思路。这些尝试使利用复杂网络方法进行中药配伍规律挖掘的应用更加广泛。2复杂网络进行中医药数据挖掘的方法中药复杂网络中药物配伍发现的过程可以归结为复杂网络社团检测算法的应用。社团检测(CommunityDetection)又称为社团发现,该方法基于聚类的思想来实现具有相同特性节点的聚集。2022年,Newman提出了一种模块度(Modularity)的概念,从而使得网络社团划分的优劣可以有一个明确的评价指标来衡量[7],使得社团发现算法更加的系统化。按照聚集的结果可以将社团发现算法归为非重叠社团发现和重叠社团发现两种,这里的主要差别是同一节点是否会划分到多个聚类社团当中,很明显在中药配伍规律研究中一种药可以出现在多个配伍之中。因此,针对中药配伍规律的研究主要采用的是重叠社团发现算法,目前常用的方法主要有如下三种[8]:2.1派系过滤算法派系过滤算法[9](CliquePercolationMethodCPM)是第一个被提出的重叠社团发现算法,该方法将社团定义为一类由全连通子图构成的集合,从网络中找出所有大小为k的全连通子图作为一个社团,由于一个点可以在多个连通子图中,因此可实现重叠社团的发现。使用CPM算法进行中药配伍规律研究在早期应用的比较多。黄源等[10]针对慢性阻塞性肺疾病的4种证型(肺肾两虚、痰湿蕴肺、痰瘀阻肺、痰热壅肺)分别建立复杂网络子网络,使用派系过滤算法发现含药在10以上的基本方;李茹等[11]通过引入属性扩展图建立治疗肺痿中药用药的复杂网络模型,使用CPM派系算法,设定k值为4,共获得19个有价值的药物社团。2.2局部扩展算法该方法主要采用局部扩张的方法,根据扩展特性而快速确定社团范围的一种贪心算法。2022年,Lancichinetti等[12]首次提出了局域扩展的重叠社团挖掘算法(LocalFitnessMeasureLFM)。该方法首先随