一种天然药物活性成分的筛选方法与流程

本发明属于医药学技术领域，尤其涉及一种天然药物活性成分的筛选方法。

背景技术：

中药或天然药物复方是中医临床用药的主要形式，具备长期民间应用基础，是新药研发主要来源。现代医学研究表明由于中药或天然药物复方成分复杂、多样，它们是以多途径、多靶点、多受体形式发挥治疗作用。目前，从中药或天然药物复方筛选活性成分的方法主要是提取分离法，它与药理学相结合，为活性成分的发现与分离作出积极贡献；近年，分离技术的发展与应用，大大加快药物活性成分的筛选速度，发现了一大批活性成分。但值得关注的是，天然药物分离技术忽略了中药或天然药物中多组分共存，在药物提取过程中相互作用的特点。所以，在未考虑整个复杂体系中多种化学成分相互作用关系的前提下，传统的溶剂提取法易于将多数的活性成分在分离过程中丢失。另外，由于不能够及时地进行活性跟踪，花费大量时间分离得到的化学成分往往没有活性，造成了大量人力、物力及资源的浪费。

中药复方是在中医药理论指导下，根据经典的“君臣佐使”配伍规律而组成。中药复方活性成分研究有助于阐明中药复方配伍的组成原理及作用机制，为临床用药提供科学依据，也为创新中药奠定理论基础。中药复方作为一个复杂的科学系统，通过多成分、多靶点协同发挥作用，其主要药效物质是中药活性成分的组合。任何中药(单味或复方)的任何一种生物效应，均来自该中药的一种特定中药分子组合(包括种类与数量)，但其活性成分组合的总体效应不能用每一成分单独作用结果的线性叠加来表示。拆方研究是中药复方配伍规律的重要手段之一，采取整体药理试验，并以药效学指标为依据对中药复方进行拆分研究。但上述研究均是以动物生理机能改变、生化指标变化或组织形态学 变化等作为观测其药理作用和探讨其作用机理的指标。这些指标无法体现复方成分的加减或剂量改变对药效的影响，难以阐明复方组成药材或单一成分在复方中的贡献。

代谢组学作为一门新兴的系统生物学技术，主要用于研究生物体受到外界环境、疾病、药物等干预后其代谢产物种类和数量的变化及变化规律。代谢组学能够描述病症的整个代谢过程所产生内源性代谢产物的动态变化，能忠实反映外界干预对机体代谢网络调控过程的微观变化，其研究思路与中医学整体观及辩证论治等思维方式基本吻合。近年来代谢组学在中医药领域的研究方兴未艾，主要包括中医症候诊断、中药质量标准化、中药作用机制和中药安全性评价等方面。研究结果表明，中药尤其是复方药物起效是通过多种成分作用于多个靶点、涉及多基因和多生化通路来实现的，对机体代谢网络进行整体调节，因此代谢组学这一技术适用于中医药研究。基于液质联用技术的中药或天然药物复方化学成分定性、定量分析方法，被广泛应用于物质基础研究并作为评价中药质量标准的有效工具，但无法提供中药或天然药物复方的药效学信息，无法使复方化学成分研究与药效学研究进行有机结合。

综上所述，如何将各化学成分与药效学有机结合且不破坏整体用药的特点，是从中药或天然药物中活性成分筛选方法亟待解决的问题。

己糖激酶(hexokinase，HK)是催化己糖使之磷酸化的酶，在正常组织中表达量很少。它是糖酵解途径的第一个酶，也是糖酵解途径的限速酶。己糖激酶在肿瘤组织中表达的量及活性的增加，使得肿瘤组织在缺乏氧的情况下，仍能保证足够的能源，并且糖酵解的许多中间产物可以被瘤细胞所利用，以合成蛋白质、核酸及脂类等，从而为瘤细胞本身的生长和增生提供了必需的物质基础。研究发现肿瘤具有高糖代谢的特点：肿瘤细胞中大约60％的ATP来源于糖酵解途径。鉴于己糖激酶对于各种肿瘤细胞活动的重要意义，研究人员合理推测，若能寻找到有效的己糖激酶抑制剂，抑制该酶的活性，则抑制了肿瘤细胞的糖酵解，使肿瘤细胞不能获得足够的6-磷酸葡萄糖，ATP无法转换为ADP为细胞 各种活动提供能量，继而导致肿瘤细胞发生调亡。

现有制备工艺会消耗大量能源和有机溶剂，提取过程时间较长，提取的活性成分会含有大分子杂物，影响提取物的稳定性。

目前，在医药、化工以及食品等行业中，涉及有效成份提取及浓缩方面的技术改进大部分只是针对与各单独的步骤，如针对提取阶段应用微波、超声等手段加快提取效率，针对浓缩阶段提出的微波浓缩及真空浓缩等；而且国内的大部分制造厂商对于这两种工序都是单独设计单独制造的，操作时也是分步操作，造成了提取剂及物料的极大浪费，且易挥发的提取剂容易对环境造成污染。

在扫描成像过程中目前的扫描和成像方法，耗时较长，因此对物品存在一定程度的缺陷。

技术实现要素：

本发明的目的在于提供一种天然药物活性成分的筛选方法，旨在解决现有天然药物活性成分提取方法浪费提取剂及物料，提取剂容易对环境造成污染，在扫描成像过程中存在一定程度的缺陷的问题。

本发明是这样实现的，一种天然药物活性成分的筛选方法，通过提取天然药物的显微图像的特征，以ATP为底物的己糖激酶催化反应，通过对ATP以及产物ADP的定量分析，筛选出中药材中具己糖激酶抑制作用的活性组分，该天然药物活性成分的筛选方法包括以下步骤：

步骤一、采集天然药物原始图像，对原始图像进行预处理，分割出目标区域的轮廓，进行图像去噪；

步骤二、将神经网络PCNN与图像对应，将中心神经元与图像的像素点对应，中心神经元的邻域与邻域像素点对应，神经元的输入为像素点的灰度值；

步骤三、基于Gabor函数计算所述像素点的K×K邻域内各个像素点的M的方向相似性；其中，K为所确定的W的矩阵的行数或列数；如果所述方向相似性在指定范围内，对所述K×K邻域内的像素点进行一次点火，得到所述K×K邻域内的像素点的图像分析数据，根据分析数据优选出用于活性提取的天然药物；

步骤四、建立高效液相-质谱联用方法，在流动相中添加5mM的醋酸铵，对ATP以及产物ADP检测及定量分析；

步骤五、利用PCNN模型处理天然药物显微图像，提取各显微图像的一维时间序列信号特征并存储特征信息，作为PCNN处理的另一图像特征，并结合天然药物显微图像体视学要求的图像目标特征，提取天然药物显微图像空域特征；

步骤六、基于高效液相-质谱联用方法对ATP进行定量分析，测定以ATP作为底物的己糖激酶活性；

步骤七、对筛选得到的具己糖激酶抑制剂活性的中药提取物进行测定及计算。

进一步，利用下列公式运行PCNN模型：

F_ij[n]＝S_ij

L_ij[n]＝VLΣ_wijklY_kl[n-1]

U_ij[n]＝F_ij[n](1+βL_ij[n])

I_ij[n]＝N-n

式中：U_ij[n]为内部活动项，Y_ij[n]为PCNN脉冲输出，I_ij[n]为索引值；

当n＝1时，L_ij[1]＝0，则U_ij[1]＝F_ij[1]＝Sij，θ_ij[1]＝LT(N-1)＝S_{ij_max}，对应的反馈输入中值为S_{ij_max}的神经元将自然点火；神经元点火后，输出Y_ij[1]＝1，θ_ij[2]变为V_θ，点火神经元的索引值标记为I_ij＝N-1。

原始图像采集方法包括：

固定好图像采集设备；

获取天然药物图像扫描的投影数据；

根据所述投影数据进行迭代处理，以获取目标图像；

对所述目标图像进行非负处理，获取所述目标图像的非负图像；

对所述非负图像进行非线性分解，获取第一非负图像和第二非负图像；

对所述第一非负图像和所述第二非负图像进行稀疏化处理，获取满足目标函数的最优化稀疏解；

根据所述最优化稀疏解获取重建图像。

所述根据所述投影数据进行迭代处理以获取目标图像的步骤包括：

基于天然药物图像的成像模型，获得依据所述投影数据计算目标图像的迭代模型，所述迭代模型的公式表示为：

其中，X为所述目标图像，M为系统矩阵，G为所述投影数据，i表示迭代次数，Xi表示第i次迭代后得到的迭代结果；λ表示收敛系数，且λ∈(0,1)，MT表示对矩阵M的转置；

设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取所述目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近；

对所述目标图像进行非负处理的步骤包括：将所述目标图像中灰度值小于0的像素点置零；

获取扫描的投影数据的步骤之前，原始图像采集方法还包括：获取扫描的投影图像序列集，对所述投影图像序列集进行预处理获取所述投影数据；

对所述第一非负图像和所述第二非负图像进行稀疏化处理的步骤包括：

从所述第一非负图像和所述第二非负图像中提取可以部分重叠的多个图像块；获取所述多个图像块对应的稀疏系数；对所述第一非负图像和所述第二非负图像进行最优化求解，得到满足所述目标函数的最优化稀疏解。

进一步，原始图像采集系统包括：

图像采集设备、数据采集模块、处理器模块；处理器模块包括目标图像获 取模块、非负图像获取模块、分解模块、稀疏化处理模块和重建模块；所述图像采集设备用于扫描投影天然药物，并将获取的天然药物的投影数据传输到数据采集模块，数据采集模块将接受的投影数据传输到目标图像获取模块，所述目标图像获取模块、非负图像获取模块、分解模块、稀疏化处理模块、重建模块依次连接；

所述目标图像获取模块，用于接收数据采集模块传输的投影数据并进行迭代处理，以获取目标图像；

所述非负图像获取模块，用于对所述目标图像进行非负处理，获取所述目标图像的非负图像；

所述分解模块，用于对所述非负图像进行非线性分解，获取第一非负图像和第二非负图像；

所述稀疏化处理模块，用于对第一非负图像和第二非负图像进行稀疏化处理，获取满足预定条件的最优化稀疏解；

所述重建模块，用于对获取的满足预定条件的最优化稀疏解进行重建；

所述目标图像获取模块还用于基于天然药物图像的成像模型，获得依据所

述投影数据计算目标图像的迭代模型，所述迭代模型的公式表示为：

其中，X为所述目标图像，M为系统矩阵，G为所述投影数据，i表示迭代次数，Xi表示第i次迭代后得的迭代结果；λ表示收敛系数，且λ∈(0,1)，MT表示对矩阵M的转置；设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取最终的目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近；

所述稀疏化处理模块包括：图像块提取模块、稀疏系数获取模块、最优化求解模块；

图像块提取模块，用于从所述第一非负图像和所述第二非负图像中提取部分重叠的多个图像块；

稀疏系数获取模块，用于获取所述多个图像块对应的稀疏系数；

最优化求解模块，用于对对所述第一非负图像和所述第二非负图像进行最优化求解，得到满足所述目标函数的最优化稀疏解，

所述目标函数为：

其中，R_i∈R^M×N，Δ表示所述第一非负图像或所述第二非负图像，R_iΔ表示从Δ中提取的图像块，||||₂表示2-范数，||||₁表示1-范数，γ为正则化参数，D表示过完备字典，α_i为第i个图像块R_iΔ对应的稀疏系数，Γ为所有图像块的稀疏系数集合；

所述非负图像获取模块还用于将所述目标图像中灰度值小于0的像素点置零；

所述原始图像采集系统还包括预处理模块，所述预处理模块用于对图像采集设备扫描获取的投影图像序列集进行预处理以获取所述投影数据。

进一步，该天然药物活性成分的智能筛选方式包括以下步骤：

步骤一、将天然药物于45-60℃干燥12-17小时后，粉碎成40-300目的粉末，冷藏保存，备用；

步骤二、超临界CO₂萃取：

将步骤一中所得粉末装入萃取釜中，萃取温度25～35℃，萃取压力20～60MPa，CO₂流速10mL/min；

萃取物在分离釜中进行两级减压分离，一级分离釜的压力为10～18MPa，温度为25～35℃；二级分离釜压力为5～8MPa，温度为25～50℃，收集产物，备用；

步骤三、超声波强化浸提：将步骤二所得产物按重量比加入3～10倍的 提取溶剂，超声波强化浸提温度为20～50℃，超声功率为120～250w，超声时间为30～60min；浸提液在-5～0℃、以5000r/min速度离心10～20min；然后沉淀部分加入3～5倍重量比的同种溶剂，重复上述步骤；合并所得上清液，备用；

步骤四、浓缩上清液：将步骤三所得上清液在50～60℃，0.01MPa下减压蒸发并真空干燥得膏状物，备用；

步骤五、制得活性成分：将步骤四所得膏状物用蒸馏水进行溶解，再用酸调节pH值1～7后，上大孔吸附树脂，依次以0.3-1.0ml/min的流速用水、乙酸铵和甲醇混合的水溶液洗脱，收集洗脱液，减压回收洗脱液，再用有机溶剂进行萃取，减压回收有机溶剂，最后得到活性成分。

本发明将ATP与中药提取物在一定条件下混合，以LC-MS方法为手段，分别测定反应前后，ATP的变化量及生成ADP的量，用以评价中药提取物的己糖激酶抑制活性。在LC-MS法的实施过程中，在流动相中加入5mM醋酸铵，极大地提高了ATP的质谱信号及对ATP定量的稳定性。筛选结果显示，本发明的LC-MS法辅助的具己糖激酶抑制作用的活性提取物的筛选方法操作简单、自动化程度高、灵敏度高且筛选快速。

本方法无需进行大批量的动物实验，相比细胞试验，本发明提取物用量少，生化试剂节省且筛选周期短，对于中药材中活性组分的筛选和研究有重要意义。快速简便，经济有效，适合中药材中具己糖激酶活性抑制作用的活性组分的筛选。本发明方法可用于各种复杂基质中ATP的检测；

本发明提供的图像采集系统和图像采集方法，通过对目标图像进行非负处理，获取目标图像的非负图像，然后对非负图像进行非线性分解，获取第一非负图像和第二非负图像，最后对第一非负图像和第二非负图像进行稀疏化处理，获取最优化稀疏解，根据该最优化稀疏解实现CT图像重建，降低了运算过程中的图像矩阵的维数，提高了图像成像的准确效率。

附图说明

图1是本发明实施例提供的天然药物活性成分的筛选方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作进一步描述。

如图1所示:

一种天然药物活性成分的筛选方法，通过提取天然药物的显微图像的特征，以ATP为底物的己糖激酶催化反应，通过对ATP以及产物ADP的定量分析，筛选出中药材中具己糖激酶抑制作用的活性组分，该天然药物活性成分的筛选方法包括以下步骤：

S101、采集天然药物原始图像，对原始图像进行预处理，分割出目标区域的轮廓，进行图像去噪；

S102、将神经网络PCNN与图像对应，将中心神经元与图像的像素点对应，中心神经元的邻域与邻域像素点对应，神经元的输入为像素点的灰度值；

S103、基于Gabor函数计算所述像素点的K×K邻域内各个像素点的M的方向相似性；其中，K为所确定的W的矩阵的行数或列数；如果所述方向相似性在指定范围内，对所述K×K邻域内的像素点进行一次点火，得到所述K×K邻域内的像素点的图像分析数据，根据分析数据优选出用于活性提取的天然药物；

S104、建立高效液相-质谱联用方法，在流动相中添加5mM的醋酸铵，对ATP以及产物ADP检测及定量分析；

S105、利用PCNN模型处理天然药物显微图像，提取各显微图像的一维时间序列信号特征并存储特征信息，作为PCNN处理的另一图像特征，并结合天然药物显微图像体视学要求的图像目标特征，提取天然药物显微图像空域特征；

S106、基于高效液相-质谱联用方法对ATP进行定量分析，测定以ATP作 为底物的己糖激酶活性；

S107、对筛选得到的具己糖激酶抑制剂活性的中药提取物进行测定及计算。

进一步，利用下列公式运行PCNN模型模型：

F_ij[n]＝S_ij

L_ij[n]＝VLΣ_wijklY_kl[n-1]

U_ij[n]＝F_ij[n](1+βL_ij[n])

I_ij[n]＝N-n

式中：U_ij[n]为内部活动项，Y_ij[n]为PCNN脉冲输出，I_ij[n]为索引值；

当n＝1时，L_ij[1]＝0，则U_ij[1]＝F_ij[1]＝Sij，θ_ij[1]＝LT(N-1)＝S_{ij_max}，对应的反馈输入中值为S_{ij_max}的神经元将自然点火；神经元点火后，输出Y_ij[1]＝1，θ_ij[2]变为V_θ，点火神经元的索引值标记为I_ij＝N-1。

所述S104中对极性分子ATP的最低定量限为5μg/mL。

所述S104中，流动相添加5mM的醋酸铵，以质谱为检测器，毛细管电压设置为3000V，监测离子分别是ATP：m/z 508，ADP：m/z 428。

所述S104中，对ATP以及产物ADP检测及定量分析：

色谱柱：Agilent Extend C-18(3.1×100mm，3μm；Agilent，Palo Alto，CA，USA)；

流动相：5mM乙酸铵(pH7.5)∶甲醇＝6∶4；流速：0.3mL/min；柱温：20℃；进样量：10μL；离子源：液相色谱-质谱联用接口：电喷雾接口(ESI)，正离子模式(positive ion)；干燥气流速：10mL/min；干燥气温度：300℃；雾化气压力：30psi(上限60psi)；毛细管电压：3000V；质量分析器：检测方式：选择离子监测(SIM)；检测区间：0-1.6min；碎片电压：100V；监测离子：ATP，准分子离子峰(m/z 508)；ADP，准分子离子峰(m/z428)。

中药提取物为中药材木鳖子的四种提取物MBZA，MBZB，MBZC和MBZD。

所述S106中，对筛选得到的具己糖激酶抑制剂活性的中药提取物MBZA进行测定及计算。

原始图像采集方法包括：

固定好图像采集设备；

获取天然药物图像扫描的投影数据；

根据所述投影数据进行迭代处理，以获取目标图像；

对所述目标图像进行非负处理，获取所述目标图像的非负图像；

对所述非负图像进行非线性分解，获取第一非负图像和第二非负图像；

对所述第一非负图像和所述第二非负图像进行稀疏化处理，获取满足目标函数的最优化稀疏解；

根据所述最优化稀疏解获取重建图像。

所述根据所述投影数据进行迭代处理以获取目标图像的步骤包括：

基于天然药物图像的成像模型，获得依据所述投影数据计算目标图像的迭代模型，所述迭代模型的公式表示为：

其中，X为所述目标图像，M为系统矩阵，G为所述投影数据，i表示迭代次数，Xi表示第i次迭代后得到的迭代结果；λ表示收敛系数，且λ∈(0,1)，MT表示对矩阵M的转置；

设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取所述目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近；

对所述目标图像进行非负处理的步骤包括：将所述目标图像中灰度值小于0的像素点置零；

获取扫描的投影数据的步骤之前，原始图像采集方法还包括：获取扫描的投影图像序列集，对所述投影图像序列集进行预处理获取所述投影数据；

对所述第一非负图像和所述第二非负图像进行稀疏化处理的步骤包括：

从所述第一非负图像和所述第二非负图像中提取可以部分重叠的多个图像块；获取所述多个图像块对应的稀疏系数；对所述第一非负图像和所述第二非负图像进行最优化求解，得到满足所述目标函数的最优化稀疏解。

进一步，原始图像采集系统包括：

图像采集设备、数据采集模块、处理器模块；处理器模块包括目标图像获取模块、非负图像获取模块、分解模块、稀疏化处理模块和重建模块；所述图像采集设备用于扫描投影天然药物，并将获取的天然药物的投影数据传输到数据采集模块，数据采集模块将接受的投影数据传输到目标图像获取模块，所述目标图像获取模块、非负图像获取模块、分解模块、稀疏化处理模块、重建模块依次连接；

所述目标图像获取模块，用于接收数据采集模块传输的投影数据并进行迭代处理，以获取目标图像；

所述非负图像获取模块，用于对所述目标图像进行非负处理，获取所述目标图像的非负图像；

所述分解模块，用于对所述非负图像进行非线性分解，获取第一非负图像和第二非负图像；

所述稀疏化处理模块，用于对第一非负图像和第二非负图像进行稀疏化处理，获取满足预定条件的最优化稀疏解；

所述重建模块，用于对获取的满足预定条件的最优化稀疏解进行重建；

所述目标图像获取模块还用于基于天然药物图像的成像模型，获得依据所

述投影数据计算目标图像的迭代模型，所述迭代模型的公式表示为：

其中，X为所述目标图像，M为系统矩阵，G为所述投影数据，i表示迭代次数，Xi表示第i次迭代后得的迭代结果；λ表示收敛系数，且λ∈(0,1)，MT表示对矩阵M的转置；设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取最终的目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近；

所述稀疏化处理模块包括：图像块提取模块、稀疏系数获取模块、最优化求解模块；

图像块提取模块，用于从所述第一非负图像和所述第二非负图像中提取部分重叠的多个图像块；

稀疏系数获取模块，用于获取所述多个图像块对应的稀疏系数；

最优化求解模块，用于对对所述第一非负图像和所述第二非负图像进行最优化求解，得到满足所述目标函数的最优化稀疏解，

所述目标函数为：

其中，R_i∈R^M×N，Δ表示所述第一非负图像或所述第二非负图像，R_iΔ表示从Δ中提取的图像块，||||₂表示2-范数，||||₁表示1-范数，γ为正则化参数，D表示过完备字典，α_i为第i个图像块R_iΔ对应的稀疏系数，Γ为所有图像块的稀疏系数集合；

所述非负图像获取模块还用于将所述目标图像中灰度值小于0的像素点置零；

所述原始图像采集系统还包括预处理模块，所述预处理模块用于对图像采集设备扫描获取的投影图像序列集进行预处理以获取所述投影数据。

在开始扫描前，根据被扫描药品的性质来设定扫描参数，被扫描物体的性质可以是密度、组成成分等物理性质，扫描参数包括图像采集设备的数据采集 方式、电压以及功率等，并且所有的扫描参数在后续的数据采集过程中保持不变。

分别采集暗场图像及亮场图像，并通过求和平均得到平均暗场图像和平均亮场图像。成像视场中不放置被扫描药品，不打开光源获取若干幅暗场图像，例如可采集5～10幅暗场图像，对暗场图像按照对应像素灰度值叠加求和并取平均得到平均暗场图像。打开光源采集若干幅亮场图像，并对亮场图像按照像素灰度叠加求和并取平均得到平均亮场图像，通过暗场图像及亮场图像有效地降低了采集图像中噪声的影响。

测量处于成像视场中的被扫描药品旋转中心到图像采集设备的距离，对被扫描药品进行等角度间隔圆周扫描，得到投影图像序列集。对被扫描药品进行等角度间隔扫描的步骤为：将转台连续等角度间隔地转动一周，并在每一次转动后对被扫描药品进行扫描。例如，等角度间隔扫描的过程可以是：将被扫描物体置于转台上，连续转动360次，每次转动1度，每转动一次就进行一次拍摄，直至转台旋转一周，得到投影图像序列集。

目标图像是指初始的待重建图像，利用预先设定的迭代模型获取的预处理后的扫描投影数据进行迭代处理，获取用于重建的目标图像。

天然药物图像的成像模型可以采用以下公式表示：G＝MX，其中，G为投影数据，M为系统矩阵，X为目标图像。

设置目标图像的初始值，并根据预先设置的迭代次数利用迭代模型对目标图像中的每个像素点进行迭代更新，获取最终的目标图像。

对目标图像进行非负处理，获取目标图像的非负图像。

非负处理是指去除目标图像中灰度值小于零的像素点，这样可以降低目标图像矩阵的维度，提高重建的效率。

对非负图像进行非线性分解，获取第一非负图像和第二非负图像。

第一非负图像是指代表非负图像矩阵中基向量的部分，第二非负图像表示非负图像矩阵的权重系数。依据预先设定的分解模型对非负图像进行分解可以 将原有的复杂数据降维，从而提高图像重建的速度。非线性分解的模型可以采用奇异值分解算法、三角分解法、QR分解法和非负矩阵分解法等等。

将获取的非负图像X+采用非负矩阵分解算法进行分解：X+＝W*H，其中，W表示第一非负图像，即X+中的一列向量可以解释为对左矩阵W中所有列向量的加权和，H表示第二非负图像，即右矩阵H中对应列向量中的元素为权重系数。

对第一非负图像和第二非负图像进行稀疏化处理，获取满足目标函数的最优化稀疏解。

根据最优化稀疏解获取重建图像。

根据获得最优化稀疏解稀疏解后，便可以根据上述步骤的分解模型，获得最终的重建图像可以为以下三种情形：

(1)、第一非负图像W的最优化稀疏解WDL和原第二非负图像的乘积，即X＝W DL*H；

(2)、原第一非负图像W和第二非负图像的最优化稀疏解HDL的乘积，即X＝W*H DL；

(3)、第一非负图像W的最优化稀疏解WDL和第二非负图像的最优化稀疏解HDL的乘积，即X＝WDL*HDL。

通过对目标图像进行非负处理，获取目标图像的非负图像，然后对非负图像进行分解，获取第一非负图像和第二非负图像，最后对第一非负图像和第二非负图像进行稀疏化处理，获取最优化稀疏解，根据该最优化稀疏解实现图像重建，降低了运算过程中的图像矩阵的维数，提高了图像重建的效率。

本发明另一目的在于提供一种天然药物活性成分的智能筛选方式，该天然药物活性成分的智能筛选方式包括以下步骤：

a.将天然药物于45-60℃干燥12-17小时后，粉碎成40-300目的粉末，冷藏保存，备用；

b.超临界CO₂萃取：

将步骤a中所得粉末装入萃取釜中，萃取温度25～35℃，萃取压力20～60MPa，CO₂流速10mL/min；

萃取物在分离釜中进行两级减压分离，一级分离釜的压力为10～18MPa，温度为25～35℃；二级分离釜压力为5～8MPa，温度为25～50℃，收集产物，备用；

c.超声波强化浸提：将步骤b所得产物按重量比加入3～10倍的提取溶剂，超声波强化浸提温度为20～50℃，超声功率为120～250w，超声时间为30～60min；浸提液在-5～0℃、以5000r/min速度离心10～20min；

然后沉淀部分加入3～5倍重量比的同种溶剂，重复上述步骤；合并所得上清液，备用；

d.浓缩上清液：将步骤c所得上清液在50～60℃，0.01MPa下减压蒸发并真空干燥得膏状物，备用；

e.制得活性成分：将步骤d所得膏状物用蒸馏水进行溶解，再用酸调节pH值1～7后，上大孔吸附树脂，依次以0.3-1.0ml/min的流速用水、乙酸铵和甲醇混合的水溶液洗脱，收集洗脱液，减压回收洗脱液，再用有机溶剂进行萃取，减压回收有机溶剂，最后得到活性成分。

进一步，所述步骤a中冷藏温度为0-20℃。

进一步，所述步骤e中所述蒸馏水与膏状物的重量比W浸膏：W蒸馏水＝1：10-25；步骤e中大孔吸附树脂为D101大孔吸附树脂或AB-8大孔吸附树脂。

本发明利用超临界CO₂萃取技术和超声波提取既可以使附加值高的脂溶性活性挥发油成分得到回收利用，又有助于产品的后期纯化，首次运用大孔吸附树脂富集、溶剂萃取相结合的方法获得产品含量高的提取物，建立了一套较为科学合理的提取分离工艺流程，该技术减少了常规提取过程中因沉淀造成的损失，提高有回收率，减少了常规提取液在后期过滤中的困难；该技术具有工艺简单、成本低、易操作、适于工业化生产，所得活性成分可用于保健品或药品 等诸多场合。

本发明选择中药材木鳖子为筛选对象，以LC-MS为手段，测定ATP作为底物的己糖激酶活性，对木鳖子四种提取物(MBZA，MBZB，MBZC和MBZD)进行己糖激酶抑制剂活性的筛选；所述的中药材木鳖子已运用在抗肿瘤复方中，药理证实其具有散结消肿，攻毒疗疮的作用。

本发明基于在糖酵解过程中，己糖激酶催化ATP转化为ADP的反应，将ATP与中药提取物在一定条件下混合，以LC-MS方法为手段，分别测定反应前后(加入或不加入中药提取物)，ATP的变化量及生成ADP的量，用以评价中药提取物的己糖激酶抑制活性。在LC-MS法的实施过程中，在流动相中加入5mM醋酸铵，极大地提高了ATP的质谱信号及对ATP定量的稳定性。

筛选结果显示，本发明的LC-MS法辅助的具己糖激酶抑制作用的活性提取物的筛选方法操作简单、自动化程度高、灵敏度高且筛选快速。

本方法无需进行大批量的动物实验，相比细胞试验，本发明提取物用量少，生化试剂节省且筛选周期短，对于中药材中活性组分的筛选和研究有重要意义。本发明中经优化的LC-MS中各项实验参数对于利用质谱技术测定其它类似性质的生物分子具有很好的参考价值。

本发明方法快速简便，经济有效，适合中药材中具己糖激酶活性抑制作用的活性组分的筛选。本发明方法可用于各种复杂基质中ATP的检测。

下面结合具体实施例对本发明进一步说明。

实施例1：木鳖子提取物中己糖激酶抑制活性组分的筛选

1.LC-MS法测定ATP和ADP

色谱柱：Agilent Extend C-18(3.1×100mm，3μm；Agilent，Palo Alto，CA，USA)；流动相：5mM乙酸铵(pH7.5)∶甲醇＝6∶4；流速：0.3mL/min；柱温：20℃；进样量：10μL离子源：液相色谱-质谱联用接口：电喷雾接口(ESI)，正离子模式(positiveion)；干燥气流速：10mL/min；干燥气温度：300℃；雾化气压力：30psi(上限60psi)；毛细管电压：3000V；质量分析器：检测方式： 选择离子监测(SIM)；检测区间：0-1.6min；碎片电压：100V；监测离子：ATP，准分子离子峰(m/z 508)；ADP，准分子离子峰(m/z428)

专属性：ATP保留时间为1.39分钟，ADP保留时间为1.40分钟，与空白色谱图对比可知，出峰位置无明显杂质干扰。结果显示，用本方法定量ATP，专属性良好。

线性范围在5-60μg/mL范围内，以ATP峰面积Y对ATP的理论浓度X，以1/x为权重系数作加权线性回归，得标准曲线方程为：Y＝3022.6X+1902.9(r＝0.998)。

灵敏度本方法对ATP的最低定量限(LLOQ)为5μg/mL(S/N≥10)，最低检测限(LLOD)为1μg/mL(LLOD)。LLOQ的天内及天间精密度分别为3.95％和11.36％，准确度分别为105.37％和101.09％。

精密度和准确度配制ATP低、中、高3个浓度质控样品(12，35，55μg/mL)各5份，进样分析，并以当天标准曲线计算天内精密度及准确度。依法连续测定3天，计算天间精密度及准确度。本方法低、中、高浓度质控样品，天内及天间精密度均小于10％，准确度在100±5％之内。

2.己糖激酶活性的测定(米氏常数Km的测定)

ATP系列溶液的配制用底物缓冲液(精密称取HEPES 300.0mg，氯化镁60.0mg，无水葡萄糖50.0mg，50ml去离子水充分溶解，用1mol/L氢氧化钠调pH至7.5，得25mM HEPES缓冲液。该缓冲溶液每日新鲜配制)将ATP储备液分别稀释至5，10，15，20，25，30，35μg/mL系列溶液，供酶促反应使用。

己糖激酶酶促反应于1.5mL离心管中分别加入100μL己糖激酶缓冲液(精密称取HEPES 300.0mg，氯化镁60.0mg，50ml去离子水充分溶解，并加入5％(m/v)甘油，用1mol/L氢氧化钠调pH至7.5，得25mM HEPES缓冲液)及100μLATP系列溶液，涡旋10s后进样。另于不同离心管中分别加入100μL底物缓冲液及100μLATP系列溶液，作为空白对照组。

己糖激酶米氏常数Km计算米氏方程为：1/V＝Km/Vm×1/[S]+1/Vm，其中1/V为反应速度，即ATP减少量或ADP生成量(本实验以ATP减少量计算)，[S]为底物浓度，即ATP浓度，单位换算为。以对应浓度空白对照组中ATP峰面积与酶促反应组中ATP峰面积的差的倒数作为纵坐标，ATP的浓度作为横坐标，则直线斜率即为己糖激酶Km。用最小二乘法计算得Km为0.36。

3.木鳖子提取物中己糖激酶抑制剂活性组分的筛选

木鳖子提取物的制备500g木鳖子去壳磨粉，在500ml石油醚中，加热回流1小时后浸泡24小时除去油脂，重复三次。过滤后滤渣用500ml无水乙醇浸泡提取24小时，重复提取三次，合并提取液。低温离心除去提取液中杂质后，回旋蒸干乙醇制成流浸膏。称取木鳖子提取物馏浸膏500mg溶于5ml 50％乙醇，充分溶解后得到淡黄色溶液，离心过滤掉少量不溶杂质，配成100mg/mL母液，用高效液相色谱法进行分离。分别收集流出液并命名为MBZA(4.00～7.00min)，MBZB(16.00～20.00min)，MBZC(23.00～25.50min)，MBZD(27.00～28.00min)。合并收集液，回旋蒸干后制得四种提取物干粉。

溶液配制称取适量木鳖子提取物MBZA、MBZB、MBZC和MBZD干粉用底物缓冲液分别配成30μg/ml的溶液，离心过滤不溶成分。另配制浓度为30μg/mL ATP溶液待用。

己糖激酶抑制活性提取物筛选配制各溶液后各进样五次分析。进样后，将加入木鳖子提取物样品进样五次后所得ATP峰面积的平均值与空白对照样品及酶促反应对照样品(无抑制剂)的ATP峰面积比较，加入木鳖子提取物样品的ATP峰面积明显高于酶促反应样品中的ATP峰面积，说明MBZA中含有对己糖激酶有抑制作用的活性成分。

MBZA抑制活性的测定及计算精密称取10.0mgMBZA于10ml容量瓶中，用底物缓冲液定容至刻度，制成母液。继续用底物缓冲液将MBZA母液稀释至10，15，20，25，30，50，80，100μg/mL系列溶液待用。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。