没有合适的资源?快使用搜索试试~ 我知道了~
视觉信息学7(2023)41研究文章TCMFVis:一个连接传统中医和现代医学的可视化分析系统金义超a,朱馥莉b,李建华a,李伟,马磊b,李a华东理工大学信息科学与工程学院,中国上海梅陇路130号b梅陇路华东理工大学药学院新药设计上海市重点实验室130,上海,中国ar t i cl e i nf o文章历史记录:2022年6月9日收到收到修订版,2022年10月23日接受,2022年2022年11月24日网上发售保留字:中医视觉分析设置可视化分子机制a b st ra ct虽然传统中医和现代医学的治疗理念有很大的不同,但它们都对人类的健康做出了重要贡献。中医师通常使用中医配方(TCMF)治疗疾病,该配方是基于中医整体哲学的特定草药组合,而MM医生使用与特定生物分子相互作用的化学药物治疗疾病。中医整体观与MM原子观的差异阻碍了两者的结合。能够连接TCM的工具和MM对于促进这些学科的结合至关重要。在本文中,我们提出了TCMFVis,一个可视化的分析系统,将帮助领域专家探索TCMFs在MM中的潜在用途TCMFVis处理两个重大挑战,即,(i)直观地从TCMFs中涉及的异构数据中获得有价值的见解,以及(ii)有效地识别TCMFs集群中的共同特征。在这项研究中,一个四级(草药成分目标疾病)可视化分析框架的设计,以促进在一个适当的工作流程中的异构数据的分析。系统中首次引入了几种集合可视化技术,以便于识别中药复方之间的共同特征。由领域专家对两组按功能聚类的中医药功能主治进行案例研究,以评估中医药功能主治。这些案例研究的结果证明了系统的可用性和可扩展性版权所有©2023作者。由爱思唯尔公司出版我代表浙江大学和浙江大学出版社有限公司这是一个在CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍中医药是中华文明的瑰宝之一,在中国和东亚地区广泛应用已有数千年。中医在发展过程中,取其精华,去其糟粕。在临床实践中,他们通常使用组合 基于中医的整体哲学,草药治疗疾病,恢复生命和身体功能之间的平衡(Zhanget al. ,2019)。每种草药组合被称为TCM配方(TCMF)。与中医相反,现代医学(MM)使用传统药物,这些药物是与个体靶点特异性相互作用的化学分子。传统药物在大多数情况下表现良好。然而,对于病因复杂的疾病,如糖尿病、炎症和癌症,传统药物通常只能达到有限的治疗效果或具有显著的副作用(张*通讯作者。电子邮件地址:y30201040@mail.ecust.edu.cn(Y. Jin),y30211244@mail.ecust.edu.cn(F. Zhu),jhli@ecust.edu.cn(J. Li),malei@ecust.edu.cn(L. Ma)。https://doi.org/10.1016/j.visinf.2022.11.001等人,2019)。 面对这一瓶颈,近年来药物发现已逐渐从单靶点、单药物模式转变为多靶点、多药物模式(Csermely et al. ,2005)。这种新模式与中医整体哲学的核心理念是一致的。作为一种替代和补充医学,中医药已被证明是有效的治疗MM疾病,包 括 慢 性 疾 病 ( 如 , Rao et al. , 1999 和 高 血 压 Wu 和 Li ,2020),难治性疾病(例如,Diener et al. ,2006和抑郁症Wanget al. ,2017 b)和重大疾病(例如,癌症Konkimalla和Efferth,2008)。这些证据表明,中医和MM的结合为治疗这些困扰全世界人类的疾病提供了新的机会因此,现代医疗保健可以从中医和MM的结合中受益,这对全世界的人类都有意义,无论他们的文化如何。目前,中药复方是中医药治疗的重要资源,从MM的角度研究中药复方对中医药治疗MM具有重要意义。中医与MM的结合。最基本的任务之一中药复方的研究主要集中在中药的配伍规律上,而MM药物的研究主要集中在分子作用机制上2468- 502 X/©2023作者。由爱思唯尔公司出版代表浙江大学和浙江大学出版社。公司这是一个在CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表视觉信息学期刊主页:www.elsevier.com/locate/visinfY. Jin,F.Zhu,J.Li等人视觉信息学7(2023)4142图1.一、 中医与现代医学的差距。物质(图)①的人。这种差异对中药复方在MM中的应用 近年来,许多研究(Wanget al. ,2017 a; Ye et al. ,2011; Wan etal. ,2019; Yu et al. ,2018年) 已经引入了网络药理学来应对这一挑战。网络药理学是利用网络的方法来分析中药在特定疾病中作用的分子机制这种方法是有效的,但是它依赖于对领域专家来说不直观的计算方法,例如拓扑算法。此外,它不适合于分析大量的TCMF。需要更直观的方法,使领域专家能够调查TCMF在MM中的潜在用途可视化分析是一种直观的方法,可帮助领域专家将其知识应用于分析过程。一些以前的努力(Xing et al. ,2020; Bu et al. ,2021)已经将可视化技术应用于TCMF分析。Xing等(2020)应用Sankey图研究糖尿病热证的演变Bu等人(2021)使用热图分析来研究多个配方中的草药-草药共存。然而,在大多数这些工作中,可视化的目的是显示分析结果,而不是可视化分析。此外,这些努力只集中在中医知识,并没有纳入MM的因此,用于探索TCMF在MM中的潜在用途的特定视觉分析系统仍然缺乏。这种可视化分析系统的开发遇到了两个主要挑战:(a) 第一个挑战是整合来自TCM和MM的异构数据,例如草药,成分,目标和疾病。目前还不存在能够满足这一要求的可视化方法。(b) 第二个挑战是识别一组TCMF之间的共同特征,特别是MM中的每一种中药都有其独特的草药组合,的中医药,这构成了一个挑战,在其潜在的使用在MM的整体模式的识别。为了解决第一个挑战,我们与当地专家密切合作,总结了分析中药在MM中潜在用途的工作流程。在此工作流程的基础上,我们描述了TCMF分析的要求。针对这一需求,提出了一个四级(中药-成分-靶标-疾病)为了解决第二个挑战,我们首先将集合可视化技术引入到系统中,以便于识别TCMFs的我们进一步开发了TCMFVis,这是一个用于探索TCMFs在MM中的潜在用途的可视化分析系统该系统包含四个可视化组件,即草药的水平条形图,GridSet(Chung et al. ,2020)对于草药成分,与成分相互作用的靶标的条形图,以及与目标相关的疾病和症状的两级树图。三个领域的专家进行了两个案例研究与TCMFVis评估系统的可用性。主要贡献包括:(a) 我们描述了探索TCMFs在MM中的潜在用途的要求,并描述了先前努力的局限性。(b) 我们设计了一个可视化分析系统TCMFVis,并首次将几种可视化技术应用到该系统中,并根据需求设计了一个四层可视化分析框架。(c) 我们邀请领域专家进行了两个案例研究的基础上,两组按功能聚类的TCMFs和评估系统的可用性和可扩展性。2. 相关工作本节回顾了中医计算方法和可视化的相关工作。2.1. 中医计算方法近年来,中医作为一种替代和补充医学实践受到了广泛关注,对中医的研究数量逐渐增加(Chen et al. ,2019)。不同的数据挖掘方法已被用于中医药的分析。 Zhang等人 (2020)使用词嵌入和社区检测算法来挖掘治疗慢性肾炎的核心草药。Lu等人(2020)和Xia et al. (2020)使用关联规则挖掘来研究草药组合的模式。Xin-Di等人(2019)使用概率模型研究了古代医学书籍中记录的中药成分,并获得了几种有用的药物对。然而,这些研究仅关注中医知识,因此难以将研究结果直接应用于MM。中药饮片是中医药研究的重要资源。Tu(2011)因从中药中提取抗疟药物青蒿素而获得2015年诺贝尔奖后,探索中药在MM中的潜在用途的新趋势出现近年来,关于这一课题的研究越来越多.网络药理学是这些研究中最具代表性的方法,它基于网络方法学和计算方法解释中药在特定疾病中的分子作用机制。Wan et al.(2019)通过网络药理学研究乌梅丸治疗胰腺肿瘤的作用机制他们成功鉴定了58种细胞生物学过程,与治疗相关的17种生物学途径作为乌梅丸治疗作用的17个潜在靶点。Li等人(2010)提出了一种基于距离的互信息模型来识别中药复方,并通过网络药理学方法在分子水平上解释Liang等人(2014)使用靶标和生物过程网络以及富集分析确定了六味地黄丸Y. Jin,F.Zhu,J.Li等人视觉信息学7(2023)4143网络药理学通过研究中药复方在MM中的潜在作用机制,为MM的治疗提供了有价值的见解然而,网络药理学中使用的计算方法对于领域专家来说并不直观;此外,这种方法不适合分析大量的TCMF。为了解决这个问题,我们将可视化引入到中药配方的分析中。2.2. 中医可视化可视化已经应用于各种学科,例如交通(Liu et al. ,2019)、培养基(Kui et al. ,2020年),体育(曹等人,2021)和动物学(Hu et al. ,2020),并进行了将可视化应用于中医的中医学中最常用的可视化技术是节点链接图。Zhu等人 (2019)使用节点链接图来描述TCMF的不同功效以及这些功效之间的相互作用。流行的TCM数据库,如SymMap(Wu et al. ,2019)、TCMID(Huanget al. ,2018)和TCMSP(Ru et al. ,2014),提供了草药、成分、目标和疾病之间关系的节点链接图,允许领域专家进行深入研究。节点链接图的明显缺点是,当数据量增加时,它们的结构不可避免地变得复杂。少数研究在中药分析中使用了其他可视化技术。Xing等(2020)使用Sankey图观察2型糖尿病患者中医证据的趋势FangNet(Bu et al. ,2021)应用热图分析来研究然而,这些研究大多使用可视化来呈现分析结果,而不是可视化分析,并且他们只关注中医知识,而没有纳入MM知识中药方剂可视化分析的一个重要挑战是从中药方剂中涉及的异质数据中识别共同特征,如草药、成分、靶标和疾病。为了应对这一挑战,我们将集合可视化技术引入到我们的研究中。集合可视化是指描述集合和集合元素的可视化技术;它在寻找大量数据中的共同特征它在分析各种数据(例如,生物学数据Lamy andTsopra,2019; Pirooznia et al. ,2007; Hulsen et al. ,2008,文本数据Collins et al. ,2009 b,和空间数据Meulemans et al. ,2013; Alper et al. ,2011; Collins et al. ,2009a),但至今尚未应用于中药饮片的分析。已经提出了大量的集合可视化技术来解决不同的任务,和Alsallakh等人。(2014,2016)对这些技术进行了几次详细的调查。GridSet(Chung et al. ,2020)是集中于集合元素的集合可视化技术。它将每个元素显示为Grid TreeMap布局中的一个子元素(Schreck et al. ,2006),从而允许用户观察元素的集合和属性之间的共同特征。该技术被引入到我们的系统中,用于描述不同药材之间的成分。Bothorel等人(2013)提出了一种用于节点链接图的嵌套圆形布局,将集合交点编码为同心圆上的圆形节点。PowerSet(Alsallakh and Ren,2016)是一种基于树图的集合可视化技术,它将交集表示为树图中的矩形。这两种技术也部分启发了我们的视觉设计。我们将这些可视化设计集成到一个四级可视化分析框架中,以帮助领域专家在适当的工作流程中分析异构数据。3. 背景和需求分析本节介绍了领域专家3.1. 背景目前,越来越多的中医药研究者致力于将中医药应用于MM疾病的治疗,他们通常将中医药放在MM的背景下进行研究,以使中医药与MM相互借鉴在他们的研究中,中药饮片是一种重要而常见的研究资源。中药复方是中医药治疗的主要形式之一,它是一种能够发挥特定疗效的中药组合。中药复方遵循君臣佐使的配伍规律,明确了中药在中药复方中的不同草药中的化合物被称为成分。有效成分被认为是中药疗效的关键它们可以与体内特定的生物分子相互作用,调节身体靶点与特定疾病有关,而疾病与几种症状有关。 尽管如第2节所述,已经提出了许多方法,但仍然缺乏用于在MM背景下进行TCMF分析的可视化分析系统。3.2. 数据描述在本研究中,我们建立了一个测试数据库,包含六个实体,即中药,草药,成分,目标,疾病和症状。TCMF摘自中国药典(2015)(委员会,2015)。从SymMap收集草药、成分、靶标、疾病和症状(Wu et al. ,2019),并且从PubChem获得关于靶标的一些补充数据(Kim et al. ,2016年)。据统计,该数据库共收录中药饮片1362种,药材703种,药材27,873种,21,087个目标; 14,110种疾病; 1045种症状。中医药与药、药与药、药与靶、靶与病、病与证之间存在着一一对应的以中药名称为依据,人工收集其他关系从SymMap和PubChem中提取。表1说明了存储在数据库中的六个实体及其相应属性。有关我们数据库的详细实体关系图,请参阅附录A。3.3. 需求分析我们与一位领域专家合作进行需求分析。这位专家是一位研究中药和天然产物多年的药理学教授我们邀请他描述了中医药基金分析的基本工作流程,包括领域问题和挑战。然后,我们将工作流程总结为五个步骤。首先,领域专家会根据药材的出现频率,确定中药配方中的核心药材。接下来,他们将根据相关文献或数据库寻找核心草药然后列出相关的目标,选择出现频率高的。随后,他们将记录与目标相关的最常见疾病。最后,他们将进行进一步的实验来验证这一结论。我们的领域专家合作者指出,实验前的步骤非常耗时,因为必须从不同来源收集各种数据,并将其处理成统一的结构进行比较。然而,这些步骤被认为是节省实验成本的关键鉴于工作流程,我们与我们的领域专家合作者得出结论,我们的系统应该解决以下四个问题。Q1哪些中药是中药配方中的核心中药?在分析开始时,领域专家需要确定发挥作用的核心草药Y. Jin,F.Zhu,J.Li等人视觉信息学7(2023)4144表1数据库中的实体及其属性TCMF药草成分目标疾病症状中文名中文名分子名称基因符号名称名称英文名拼音名称分子结构染色体定义定义组合物拉丁名分子式基因名称功能英文名分子量蛋白质名称指示财产口服生物利用度经络类使用部分在中药复方的治疗作用中起重要作用他们希望比较草药的使用频率,特别是那些决定中药主要功效的主权草药,以确定核心草药。Q2哪些成分是核心草药中的候选活性成分?鉴定出核心药材后,领域强者需要调查核心药材的相似之处。核心草药中的共同成分可以是活性成分,应该强调。Q3中药饮片的潜在靶点是什么?领域专家需要获得与活动入侵相关的频繁目标。这些靶点可能是TCMFs的靶点,可用于确定TCMFs的潜在用途。Q4哪些疾病或症状与潜在目标相关多种疾病与潜在靶点有关。领域专家需要调查这些疾病最常见的症状,并使用症状将TCMFs的功能与疾病联系起来4. 视觉设计本节介绍了TCMFVis的设计目标和视觉设计。4.1. 设计目标在需求分析的基础上,我们确立了系统的设计目标。G1:草药的视觉比较。中药饮片中的核心药材需要通过肉眼对比来识别(Q1)。设计应该支持草药和主权草药的频率的明确比较。G2:中药成分相似性分析。研究草药成分之间的相似性对于寻找候选活性成分(Q2)是必要的。众多的成分使得调查草药之间的共享成分对于领域专家来说是一项耗时的任务。集合抽象可以帮助解决这个问题。在我们的研究中,草药可以被视为集合,成分可以被视为集合元素。因此,可以将集合可视化引入到我们的设计中。G3:探索与成分相关的常见目标。领域专家希望找到与ingredi相关的频繁目标,(Q3)。条形图是实现这一目的的常用而有效的可视化方法。视觉设计的重点是如何将条形图应用于大量的目标。G4:突出与目标相关的常见疾病与靶点相关的常见疾病可能决定中药复方的潜在用途(Q4)。中医与MM概念上的差异,症状可以作为疾病和功能之间的桥梁。因此,我们的设计不仅要强调常见症状和常见疾病,还要强调它们之间的关系。4.2. 系统概述TCMFVis是一个基于网络的系统,可以通过浏览器访问。使用D3.js实现可视化。该系统由以下六个部分组成(图)。2):草药视图(A) 图1示出了一个或多个视图(G1)、成分视图(B)(G2)、目标视图(C)(G3)、疾病/症状视图(D)(G4)、查询面板(E)(G2)和数据视图(F)。草药视图提供了使用水平条的草药重要性的比较。基于GridSet的成分视图(Chung et al. ,2020年),可以促进草药的共同成分的识别。目标视图可以通过条形图支持目标频率的比较。疾病/症状视图提供显示目标的相关疾病和症状的两级树图。查询面板中的控件使领域专家能够查询视图中的可视元素。可以从数据视图中获取详细信息,以便进行深入分析。领域专家可以首先通过草药视图识别核心草药。然后,他们可以在成分和目标视图中调查候选活性成分和潜在目标。最后,他们可以使用疾病/症状观点来探索TCMFs的潜在用途4.3. 赫伯维尤草药视图使用水平条来帮助领域专家比较草药在TCMFs(G1)中的重要性。这些条是垂直排列的,它们的长度编码了草药的频率。草药名称标记在条形图的左侧,频率值标记在右侧。领域专家可以通过比较条形的长度来识别TCMFs中的核心草药叠加设计。在分析过程中考虑了两种频率,即草药的频率(常规频率)(图3(a))和主权草药的频率(主权频率)(图3(a))。3(b))。我们使用叠加设计(Gleicher et al. ,2011)来描绘两种频率。代表主权频率的暗条连接到代表常规频率的亮条的左边缘。条形图的颜色区分了两种频率。这种设计不仅可以支持不同草药之间的比较,而且可以突出单一草药的两种频率之间的差异,这样,领域专家就可以根据综合比较来确定核心草药。互动提供了几个交互式功能,以方便比较。该视图允许领域专家根据草药的名称和两种频率分别对草药进行排序与此同时,领域专家可以通过他们的名字搜索草药。4.4. 顺向视图成分视图(Fig. 4)帮助领域专家寻找草药中含有的候选活性成分。一组可视化技术,网格集(Chung et al. ,2020年),适用于Y. Jin,F.Zhu,J.Li等人视觉信息学7(2023)4145图二. 系统接口。中医药功能可视化系统包括以下六个部分:药物视图(A)、成分视图(B)、目标视图(C)、疾病/症状视图(D)、查询面板(E)和数据视图(F)。图三. Herb视图的设计。(a)草药的常规频率 (b)药草的主权频率成分视图。使用GridSet,草药被表示为字形网格,称为草药网格。一种草药所含的成分在草药网格中表示为字形,称为作为成分符号。由于不同的草药可能有相同的成分,一种成分可以在不同的草药网格中复制。每个草药网格的大小由草药网格中的成分字形数量按比例确定。草药网格中的成分字形根据排他性交叉点在视觉上被划分为细分(Lex et al. ,2014)在草药的所有成分中。互斥交集是指在这个交集中的元素(药材)只属于某个特定的集合(药材),而不属于其他集合。由于成分字形在它们所属的所有草药网格上被复制,因此草药网格中的成分字形的每个细分可以经由半透明曲线与其他草药网格如果一个相交的如果一个子部分与其他草药网格中更多的相应子部分相连,则其中的成分将更可能是有效成分(G2)。例如,我们使用成分视图来说明三种草药的共同成分,麻黄(麻黄),花菊红(Grandis Exocarpium)和满山红(Rhodo-Daurici)(图10)。4). 视图中显示了三个草药网格。每个草药网格中相交的细分部分在视觉上用黑色边框划分。 绿色曲线表示花菊红和满山红共有的成分,浅蓝色曲线表示麻黄和满山红共有的成分。通过这种设计,领域专家可以了解这些草药中哪些成分更常见以及它们属于哪些草药理由。我们选择GridSet对草药中的成分进行编码是基于以下两个考虑。首先,领域专家对所选草药的共同成分感兴趣,因为它们更有可能是活性成分。寻找草药的共同成分可以被视为寻找集合的交集的任务集合可视化适合解决这个任务。第二,领域专家更关心的是这个任务中的成分,而不是草药。因此我们使用的集合可视化技术应该能够显示所有集合中的所有元素。集合可视化技术,如UpSet(Lexet al. ,2014)、Rainbow Box(Lamy etal. ,2017)等是以集合为中心的,不显示元素,这不能满足我们的要求。同时,GridSet更适合我们的任务,因为它能够描述所有元素及其集合成员关系。此外,我们的领域专家合作者认为成分视图的当前设计因此,我们把这个设计作为我们的最终选择。实施. 采用Grid-Set中提出的集合网格布局算法计算药材字形在各药材网格中的布局。在这里,我们介绍了将算法应用于我们的数据的基本步骤。首先,将每种草药的成分分组为子集(图1)。5(a))按照排他交叉部分。第二,将成分子集转换为树结构(图1)。5(b))。接下来,使用Grid TreeMap布局算法(Schrecket al. ,2006年),以分配成分字形,以其相应的细分在一个草药网格根据树结构(图。 5(c))。最后,将成分图示符可视化Y. Jin,F.Zhu,J.Li等人视觉信息学7(2023)4146见图4。 草药中所含的成分由象形文字描述。每个草药网格中的子区域在视觉上由黑色实线划分。共享的成分草药之间的交叉点通过半透明的交叉链接突出显示图五. 一个GridSet应用于我们数据的例子。对于草药H1:(a)根据排他交集将其成分划分为子集。(b)构造子集的树结构(c)应用网格树图布局算法计算草药的网格布局和草药网格 关于算法的更多细节,请参考(Chung et al. ,2020年)。药草网格的边界和药草网格中相交的细分由黑色实线指示互动成分视图为领域专家提供了丰富的交互式功能。领域专家可以随时添加或删除草药,视图可以立即更新。可以拖动网格进行重新排列,以避免视觉混乱。为了研究草药的共享成分,领域专家可以通过将光标放置在网格中的细分部分上来触发交叉链接的呈现。他们还可以保留或通过双击删除视图上的链接。另一方面,查询面板使领域专家能够查询和过滤草药之间的共享成分。领域专家可以调整程度滑块(图。6(a))查询成分,由指定数量的草药共同包含,并使用交叉链接突出显示它们。他们还可以通过定义布尔查询来查询指定的成分(图6(b))。这是由具有选项AND、NOT和OR的无线电组AND表示结果必须包含在指定的草药中,NOT表示结果不能包含在指定的草药中,OR表示结果可以包含在Y. Jin,F.Zhu,J.Li等人视觉信息学7(2023)4147见图6。 查询面板的结构。是不是某种特定的草药 布尔查询和度滑块可以一起使用来进行复杂的查询。 此外,我们的领域专家合作者指出,大多数草药所共有的一些成分可能是植物的基本成分,但不是活性成分。为了缓解这一问题,我们还提供了口服生物利用度评分(OB评分)的属性过滤器(图1)。 6(c)),以支持更可靠的分析。4.5. 目标视图目标视图可以帮助领域专家找到TCMF(G3)的频繁目标。当领域专家点击成分视图中的字形时,该视图可以可视化从数据库中检索到的许多相关目标。它提供了一个条形图来查找与所选成分相关的常见目标。 (图7)。目标视图将每个目标表示为条形,并且每个条形的高度与其对应目标的频率成比例。所有的目标栏都是根据它们的高度从左到右降序排列的,更常见的目标在左边。在目标观中有一个不可避免的问题是,铺天盖地的目标很容易使目标杠重叠的为了缓解这个问题,当目标的数量超过特定值时,将自动设置频率阈值以过滤掉具有较低频率的目标在这里,我们在实现中根据经验将这个特定值设置为40如果领域专家想要检查更多或更少的目标,也允许调整频率阈值(图6(d))。此外,还提供了缩放功能,以便领域专家详细调查某些特定的目标栏。除了上述交互设计之外,目标视图还提供了其他交互特性来支持分析。领域专家可以将光标移动到一个栏中以检查目标基因名称,有关此目标的其他详细信息将在数据视图的目标列表中突出显示。他们还可以点击一个栏,在疾病视图中获取其相关疾病。4.6. 疾病/症状视图疾病/症状视图显示与领域专家在目标视图中选择的目标相关的疾病和症状,从而帮助他们探索TCMF在MM中的潜在用途(G4)。它基于两级树图布局,其中第一级描述症状,第二级描述疾病(图1)。 8)。通过这种方式,领域专家可以通过症状将中药的功能与疾病相树图使用线性渐变配色方案着色。矩形的亮度与它们的值成比例(即,疾病和症状的频率),颜色越深表示频率越高。这种配色方案突出了常见的症状和疾病,这可以促进对TCMFs潜在用途的探索。矩形的区域还编码了症状和疾病的频率,以改善感知。矩形上的标签指示疾病和症状的名称,并且当矩形的区域很小时,它们被隐藏以减少视觉混乱。实施. 我们使用了条带树图(ST)的变体(Bederson et al. ,2002)算法来计算树图布局。该算法将树图的区域划分为水平条带,每个条带包含具有最佳纵横比的多个矩形。矩形的长宽比是指见图7。 目标视图的设计。Y. Jin,F.Zhu,J.Li等人视觉信息学7(2023)4148见图8。疾病/症状视图基于两级树图布局。(a)最初呈现症状树图。 (b)领域专家可以通过双击疾病树图来检查它。宽度/高度和高度/宽度(Bederson et al. ,2002年)。我们选择ST算法,因为它可以保持数据的原始顺序,并生成具有高可读性的简单布局在实践中,我们在ST算法中使用垂直条带,而不是水平条带,例如图9中,矩形按其顺序被推入每个条带中,并将其平均纵横比保持在相对较低的值。在确定症状树图布局之后,基于症状树图布局中的每个矩形的区域以相同的方式计算每个疾病树图布局。互动疾病/症状视图的交互功能如下。领域专家可以将光标移动到矩形中,以检查疾病或症状的名称他们可以通过双击症状树图来查看疾病树图。此外,当领域专家点击矩形时,症状或疾病的详细信息将显示在数据视图的疾病/症状面板5. 系统评价在本节中,我们通过邀请领域专家进行的两个案例研究来评估TCMFVis系统的可用性,并根据案例研究后的访谈总结他们的建议和反馈。5.1. 案例研究我们在公共服务器上部署了TCMFV,并邀请了三个人-按功能分类在案例研究开始之前,我们先向领域专家简要介绍了系统的界面和功能,让他们熟悉系统。接下来,领域专家开始分析中医药文献,探索其在中医药管理中的潜在用途。在案例研究过程在研究结束时,我们采访了领域专家,了解他们对我们系统的见解和反馈5.1.1. 案例研究1:安神方治疗神经系统疾病在第一个案例研究中,领域专家探讨了安神方在神经系统疾病中的潜在用途。安神即稳神,是中药的常用功能,应用范围广泛,主要针对神经系统疾病中常见的 相关文献(Wanget al. ,2017 b; Khan et al. , 2019; Yang et al. , 2017; Chen et al. ,2015)报道了安神配方可以抑制和缓解特定神经系统疾病的发展。TCMFV的研究过程如下。首先,领域专家们搜索安神配方的资料。草药视图显示了安神配方中出现的所有草药(图10A)。领域专家观察到,基于常规频率和主权频率的排名之间存在明显差异(图1)。 10A1和图10A2)。他们解释说,出现这种现象的原因可能是抗衰老草药1和信使草药2的种类较少,从而导致其使用频率在比较两个排序结果之后,主要专家根据这一部署进行案例研究专家A是参与我们需求分析的教授。专家B和C是专家A的研究生。基于两组中药配方进行了两个案例研究1通常使用辅助草药来减少副作用。2肉桂通常用于促进其他草药的协同作用。Y. Jin,F.Zhu,J.Li等人视觉信息学7(2023)4149图9.第九条。 一个 应用于三 个 数 字 的输入序列的带状树图算法的例子。图10个。( A)基于常规频率的 分 类 结 果 (A1)与基于独占频率的 分 类 结 果 (A2)之间的差异。(B) 成分视图,显示(A2)中前五种草药的成分。最高等级的成分不是有效成分,他们的口服生物利用度(B1),我们的领域专家扩大了程度范围,以突出更多的成分(B2)。领域专家认为主权频率的结果更可靠;他们在此基础上进行了进一步的研究。所获药材前5位为党参、刺五加、丹参、沉香、酸枣仁。接下来,领域专家将这五种草药拖到成分视图中,以调查它们的成分(图1)。10B)。他们想知道这些草药共有哪些成分,所以他们调整了查询面板中的程度滑块来查询最多的草药中所含的成分。该操作突出了胡萝卜苷和硬脂酸(图。10B1)。然而,根据领域专家的说法,这些成分只是植物的基本成分,不能成为有效成分。为了验证这些信息,他们使用属性滑块增加了口服生物利用度阈值;两个绿色图标的字形变成了白色,表明这两种成分的口服生物利用度较低,从而确认它们不是活性成分。然后,领域专家稍微扩大了程度范围,以允许成分视图推荐更多的成分(图1)。10B2)。领域专家发现,Y. Jin,F.Zhu,J.Li等人视觉信息学7(2023)4150见图11。 (一)槲皮素研究的管道。槲皮素是刺五加、沉香和丹参(A1)中的共同成分。选择AChE目标视图(绿色条)(A2),阿尔茨海默病在疾病/症状视图(A3)中发现。(B)用于阿魏酸研究的管道。阿魏酸是党参、丹参和酸枣仁(B1)的共同成分。在目标视图(B2)中选择MAOA,在疾病/症状视图(B3)。通过观察和相互作用,从突出显示的字形中提取了两种成分,即槲皮素和阿魏酸,这将进一步分析。领域专家评论说,这些高效的交互式功能可以节省大量的时间,用于识别草药的重要成分。槲皮素是一种类黄酮,并且视图中的交叉链接(图11A1)描绘了它是刺五加、沉香和丹参之间的共有成分。领域专家点击槲皮素的标签,在目标视图中显示其相关目标。由于领域专家只选择了一种成分,因此条形图显示在目标视图中。他们通过点击目标视图中的条形图来检查与目标相关的症状和疾病(图1)。11A2)。当他们选择乙酰胆碱酯酶时,疾病/症状视图中症状树图左上角最大的矩形显示最常见的症状是便秘(图1)。11A3)。他们进一步双击这个症状矩形,以检查其相关的疾病树图,在那里他们发现了阿尔茨海默接下来,领域专家在其他大的症状矩形中再次发现了AD 他们解释说,槲皮素能够通过抑制AChE对AD发挥治疗作用(Khan et al. ,2019)。这一结果表明,含有刺五加、沉香和丹参的安神方可能是能够治疗或缓解AD,这与先前报道的数据一致(Yang et al. ,2017年)。阿魏酸是一种多酚,视图(图)11B1)描述了它是党参、丹参和酸枣仁的共有成分。领域专家探索了相关的目标,疾病和阿魏酸的症状,使用类似于槲皮素的过程。他们在目标视图中选择了目标MAOA(图1)。11B2),并且疾病/症状视图显示相应的症状树形图。树图中前五位的症状是呕吐、呕吐、疼痛、癫痫发作和眩晕(图11)。 11 B3)。领域专家发现,抑郁障碍在与这些症状相关的疾病中出现频率较高抑郁症是一种病因复杂的精神疾病,包括神经系统因素.相关工作(Chen et al. ,2015)已经表明MAOA在精神障碍如抑郁症的发病机制中起重要作用,并且阿魏酸可以抑制其活性,从而减轻症状。分析结果揭示了含有党参、丹参和酸枣仁的安神方如何对抑郁症发挥治疗作用,这与先前报道的数据一致(Wang et al. ,2017 b)。近年来,已经研究了TCMF酸枣仁汤的抗抑郁作用(Zhanget al. ,2021),这证实了从TCMFVis获得的分析结果。Y. Jin,F.Zhu,J.Li等人视觉信息学7(2023)4151通过本案例研究,我们的领域专家分析了安神方中出现频率最高的五味药,并从分子机制上发现了安神方在治疗AD和抑郁症等神经系统疾病中的潜在用途。结果表明,中药FVs的研究结果可为进一步的药理实验和临床研究提供指导。5.1.2. 案例研究2:活血方治疗心血管疾病在这个案例研究中,我们的领域专家探讨了活血方在MM中的潜在用途。活血意味着活血,可以治疗气血失调的患者。研究表明,活血方可用于治疗某些心血管疾病(Shang et al. ,2022;Xiong et al. ,2013; Liu et al. ,2012)。为了证实这一点,我们的领域专家旨在探索活血方在使用TCMFV治疗心血管疾病中的潜在用途。案例研究的过程如下。首先,领域专家搜索活血方的数据,获得312个相关的中药配方。这些中药配方,一共包含了341种药材,在药材视图中显示出来。领域专家根据他们的主权频率对草药进行分类,并检查了以下前五种草药(图1)。12A):丹参(丹参;活血化瘀)、当归(当归;补血)、黄芪(黄芪;益气)、三七(三七;活血化瘀)和黄芪(黄芪;活血化瘀).其中只有丹参和甘草具有补血的功效。领域专家解释说,中药复方的治疗作用通常不是唯一的,补血、益气、化瘀常与中医活血法合用,具有较好的协同作用,中医的整体哲学然后,他们将这五种草药拖到了食材视图中。最初呈现了大量的成分,领域专家计划使用程度滑块来过滤成分。最初的范围是1-5度领域强者们首先将阶数下限提升到3,过滤掉大部分无用的材料。接下来,度的上限被降低到4,因为只有两种成分的度>4,并且根据我们的领域专家,它们是所有植物的基本成分。在调整程度范围后,突出显示了适当数量的成分;领域专家分析了这些成分中的每一种,并最终选择了两种候选活性成分进行进一步分析。 12 B)。这两种成分是阿魏酸和油酸。成分视图中的交叉链接显示,阿魏酸由丹参、当归、黄芪和甘草4种药物共享领域强者们点开这两种材料,查看相关目标。系统返回了43个与所选成分相关的目标,并将这些目标显示在目标视图中(图1)。12C)。领域专家们更关注频繁目标。在分析过程中,领域专家点击感兴趣的目标,并检查与之相关的疾病和症状。他们在所有目标中选择PTGS 2和NOS 2进行进一步分析,因为它们与阿魏酸和油酸都有关联 他们点击代表PTGS 2和NOS 2的条形图(图中的绿色条形图)。 12 C)检查其相应的疾病/症状视图。然后,他们与症状树图中的前四个症状矩形进行交互,以调查其相关疾病,发现心血管疾病,如高血压和动脉粥样硬化,有很高的频率(图)。 12 D1-D4)。这一结果与现有文献报道的结果一致,活血方对心血管疾病的治疗作用(Xiong et al. ,2013; Liu et al. ,2012)。同时,丹参、丹参在临床上也是常用的药物心血管疾病的中医药治疗。领域专家认为疾病/症状视图给了他们关于疾病症状的清晰概述。这有助于将中药的功能与疾病联系起来。本研究结果提示活血方对心血管疾病具有潜在的治疗作用阿魏酸和油酸对靶点PTGS 2和NOS 2的调节是产生治疗效果的关键因素之一这些研究成果对活血方药作用机制的研究具有重要意义,对促进中药现代化具有重要意义。5.2. 领域专家反馈在案例研究之后,我们就系统他们的有益见解归纳如下。系统可用性。领域专家认为TCMFVs可以帮助他们研究TCMFs在MM中的潜在用途,他们认为所提出的可视化方法是创新的。专家A和B高度评价将GridSet应用于成分视图,因为它不仅能够促进成分对草药的成员关系的调查,而且还能够发现草药成分之间的相似性。在以前的研究中,当他们使用节点链接图来描述成分之间的关系时,这些任务是耗时的。两位领域专家认为,集合可视化技术可以更广泛地应用于中医药的研究。专家C对herb视图中的叠加设计表示满意。总的来说,一些辅助和信使药物的多样性较小,因此频率较高,这可能会干扰中药
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- CIC Compiler v4.0 LogiCORE IP Product Guide
- G989.pdf
- G988中文版.pdf
- G9807.1中文版.pdf
- 从零开始做产品:产品汪
- URP-DeferredShading方案(高清版)
- Landsat/Sentinel-2 地表反射数据集说明文档(算法)HLS-ATBD-V15-provisional.pdf
- 本地部署开源大模型的完整教程LangChain + Streamlit+ Llama
- 【速记稿】科学引领智能变革——人工智能向善 共筑人类福祉(1).doc
- 技术展望2024 | AI拐点-重塑人类潜力.pdf
- 科学智能(AI4S) 全球发展观察与展望.pdf
- 面向企业的 生成式 AI 和 ML.pdf
- 使用深度学习技术来制作游戏内容.pdf
- 人工智能(AI)X-CUBE-AI扩展包入门指南-.pdf
- 衍生式设计:重新定义 未来制造的无限可能.pdf
- 1_00_尚硅谷大数据项目之docker.docx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功