摘要：组方优化研究是中药复方研究的重要环节，随着科技的进步，近年来利用新技术和方法对中药复方进行了广泛的理论与实践探索。数理方法、数据挖掘技术以及人工神经网络等工具方法的引入，为复杂的中药复方配伍规律提供了新的研究手段。尽管现有科学技术在一定程度上推动了中药复方配伍的研究，但仍需开发更为精准和系统的研究方法，以解析中药复方及其组分配伍的复杂内在规律，从而构建新的现代中药复方。在实际应用中，中药复方涉及众多变量，如不同药材的配伍比例、各药材的具体提取部位及多种组分的相互作用，这些因素共同构成了复杂的非线性量效关系。在这种背景下，寻找到适合研究复方特点、能发挥复方优势的方法学，并实现其在新药研发中的有效应用至关重要。本文就近年来在中药复方配伍研究中应用的前沿优化试验设计方法进行了全面综述，探讨了方药来源的优化、配伍中药材剂量的优化以及多目标优化指标等关键技术问题。同时，还分析了在配伍优化过程中对组分效应的评价方法，旨在为中医药的创新和新药开发提供一种科学且实用的参考依据。
文章目录
1 中药复方及组分优化设计方法
1.1 中药复方核心药物与组分来源
1.1.1 数据挖掘
1.1.2 特征选择
1.1.3 深度神经网络
1.1.4 网络药理学
1.2 中药复方及组分优化技术方法
1.2.1 撤药分析法与组分剔除法
1.2.2 药对研究及药队协同效应设计
1.2.3 正交设计
1.2.4 均匀设计
1.2.5 直接实验设计法
1.2.6 基线等比增减设计
1.2.7 权重配方设计
1.2.8 主成分分析
1.3 中药复方剂型及制备工艺优化方法
1.3.1 Plackett-Burman筛选试验设计
1.3.2 星点设计
1.3.3 Box-Behnken响应曲面设计法
1.3.4 Doehlert设计
2 多指标寻优方法
2.1 建立非线性回归中药的量效关系模型
2.1.1 支持向量机回归
2.1.2 偏最小二乘回归
2.1.3 人工神经网络
2.1.4 决策树与随机森林
2.2 多指标寻优（多目标优化）
2.2.1 加权求和法（权重系数法）
2.2.2 理想点法（TOPSIS法）
2.2.3 分层求解法
2.2.4 进化算法
2.2.4.1 Hajela-Lin遗传算法
2.2.4.2 小生境Pareto遗传算法
2.2.5 模拟退火算法
3 中药复方与组分效应评价
3.1 组合指数法
3.2 等效线图解法
3.3 金正均Q值法
3.4 配伍计量分析法
3.5 因果关系发现设计
3.6 SynergyFinder
4 讨论
