科研 Skill
方剂配伍规律挖掘
tcm-formula-data-mining
对方剂做药名规范化、关联规则与网络聚类分析,发现候选核心药组。适用于用药规律挖掘,结果仅为待验证假设,不作处方依据。
发布者 Codar安全审核通过v0.1.0更新于 2026-11-18
SKILL.md
方剂配伍规律数据挖掘(TCM Formula Data Mining)
适用场景
- 基于某类古籍或某病证文献的方剂集合,统计高频药物、药物类别、性味归经分布。
- 使用关联规则(Apriori)发现高频药对、药组,并报告 support、confidence、lift。
- 构建药物共现复杂网络,识别核心药物与模块(社区)。
- 对方剂进行聚类,探索潜在的组方类型,并与已知方剂类别对照。
- 为后续
tcm-network-pharmacology提供"核心药组"候选,并明确其仅为假设。
边界与不适用
- 仅限科研用途。不提供任何个体的诊断、处方、药物剂量或治疗建议;挖掘出的"核心处方""新方"不得作为临床用方推荐。
- 剂量单位换算仅用于数据统一与统计分析(如比较药物相对用量),不得据此给出用药剂量。
- 不把"名医经验方""医案高频用药"表述为已验证的疗效证据。频次和关联只反映样本中的用药习惯,混杂了文献选择偏倚、作者流派、时代用药风尚等因素,结论是需要实验或临床研究检验的假设。
- 医案数据涉及患者信息时须先完成脱敏与伦理审查,本 Skill 不处理可识别个人信息。
工作流
-
定义样本与纳排标准
- 输入:研究问题、数据来源(古籍条文库、医案、期刊文献、中药专利、医院处方系统导出)。
- 操作:写明纳入/排除标准(时间范围、病证范围、是否含外用方、是否含加减方)、去重规则(同方异名、同一医案多诊次如何计数)。
- 产出:样本流程图(检索数→去重→纳入数)。
- 决策点:同一方在多书转载是否只计一次?须在分析前确定,否则频次被转载次数放大。
-
数据录入与双人核对
- 操作:双人独立录入方剂组成,计算一致率,分歧由第三人裁定。
- 产出:原始录入表(保留原文药名与原剂量)。
-
药名规范化
- 操作:以《中国药典》现行版及《中药学》教材为主要依据,建立"原文药名→规范药名"映射表;处理异名(如"仙灵脾→淫羊藿")、炮制品("炙甘草"与"甘草"是否合并须预先规定)、多基原药材。
- 产出:药名映射表(可复用,可与
tcm-terminology-ontology共享)。 - 决策点:炮制品合并与否会显著改变频次和关联结果,建议主分析与敏感性分析各做一版。
-
剂量单位统一(仅用于统计)
- 操作:古今度量衡折算存在争议(如汉代一两的折合值有多种观点),须注明所采用的折算依据;只在需要比较相对用量时使用,并可采用方内相对比例代替绝对克数。
- 产出:剂量统一表及折算依据说明。
-
构建方剂—药物 0/1 矩阵与描述统计
- 操作:统计药物频次、频率;按性味、归经、功效分类汇总(分类依据需注明出处)。
- 产出:高频药物表、分类分布图。
-
关联规则分析
- 操作:Apriori 算法;预先设定并报告 minimum support、minimum confidence、最小/最大项集长度;以 lift > 1 作为正相关的必要条件。
- 决策点:阈值是人为设定的,需报告不同阈值下规则数量的变化(敏感性分析),避免"调参直到结果好看"。
-
复杂网络与聚类
- 操作:以共现次数为边权构建药物网络,计算度、加权度、中介中心性;用社区发现(如 Louvain)或层次聚类(Jaccard 距离)识别药物模块;对方剂聚类时报告距离度量与聚类数确定方法(轮廓系数等)。
- 产出:网络图、核心药物排序、模块/聚类表。
-
解释与报告
- 操作:将结果与已知经典方剂、教材配伍理论对照;明确区分"数据发现"和"理论解释",列出偏倚来源。
- 产出:结果报告与"待验证假设清单"。
工具与数据源
- 数据来源:中华医典等古籍库、CNKI/万方/维普医案与临床文献、古今医案云平台、国家知识产权局专利检索系统、医院 HIS 导出数据(需伦理批件)。
- 平台:中医传承辅助平台(TCMISS)——常用但为封装软件,参数与算法细节需在论文中说明。
- R:
arules、arulesViz、igraph、cluster。 - Python:
pandas、mlxtend、networkx、scikit-learn。 - 可视化:Cytoscape、Gephi。
- 规范依据:《中华人民共和国药典》现行版(药名、基原)、《中药学》规划教材(性味归经、功效分类)。
最小示例:关联规则与共现网络(R)
# install.packages(c("arules", "igraph"))
library(arules)
library(igraph)
formulas <- list(
c("柴胡", "黄芩", "半夏", "甘草"),
c("柴胡", "白芍", "当归", "甘草"),
c("黄芩", "半夏", "甘草"),
c("当归", "白芍", "川芎", "熟地黄")
)
trans <- as(formulas, "transactions")
itemFrequency(trans, type = "absolute")
rules <- apriori(trans, parameter = list(supp = 0.25, conf = 0.6, minlen = 2))
inspect(sort(rules, by = "lift"))
# 药物共现网络
m <- as(trans, "matrix") * 1
co <- t(m) %*% m
diag(co) <- 0
g <- graph_from_adjacency_matrix(co, mode = "undirected", weighted = TRUE)
sort(strength(g), decreasing = TRUE)
cluster_louvain(g)
质量检查
- 纳排标准、去重规则、同方多次转载的计数规则在分析前已书面确定。
- 双人录入并报告一致率;药名映射表与炮制品合并规则随数据公开。
- 剂量折算依据已注明,且换算结果只用于统计比较。
- Apriori 阈值、网络构建规则、聚类距离和聚类数选择方法全部报告,并做了阈值敏感性分析。
- 报告 lift,未仅凭 confidence 下结论;注意高频药(如甘草)带来的虚高置信度。
- 结论措辞为"提示""假设",未表述为疗效证据或推荐处方。
- 代码、映射表、方剂矩阵可公开或可按需提供以便复现;医案数据已脱敏并有伦理批件。
输出格式
- 表 1 样本特征:
来源 | 检索数 | 纳入方剂数 | 涉及药物数。 - 表 2 高频药物:
规范药名 | 频次 | 频率(%) | 性味 | 归经 | 功效类别。 - 表 3 关联规则:
前项 | 后项 | support | confidence | lift | 支持方剂数。 - 表 4 网络指标:
药物 | 度 | 加权度 | 中介中心性 | 所属模块。 - 报告章节:数据来源与纳排 → 预处理与规范化 → 方法与参数 → 结果 → 与已知配伍理论对照 → 局限与偏倚 → 待验证假设。
参考规范与文献
- Agrawal R, Srikant R. Fast algorithms for mining association rules. VLDB, 1994.
- Hahsler M, Grün B, Hornik K. arules – A computational environment for mining association rules and frequent item sets. Journal of Statistical Software, 2005.
- Blondel VD, et al. Fast unfolding of communities in large networks. Journal of Statistical Mechanics, 2008.
- 国家药典委员会,《中华人民共和国药典》(一部),现行版。
- 钟赣生主编,《中药学》,全国中医药行业高等教育规划教材。
示例提示词
请对这批治疗失眠的古今方剂做药物频次统计、关联规则和聚类分析,并说明药名规范化方法。
所属插件
安装该插件会一并获得同领域的 8 个 Skill / MCP。
同插件的其他科研 Skill
- 中医古籍文献整理整理中医古籍版本、校勘与方剂出处考证,产出可溯源文献证据表。适用于经典名方考证、学术源流梳理,不提供临床诊疗建议。
- 中医药临床证据综述制定中英文数据库检索式,按PRISMA筛选、RoB 2评偏倚、GRADE定证据等级。适用于中医药临床研究的系统评价与Meta分析。
- 中药材分子鉴定用ITS2等DNA条形码鉴定药材基原物种,处理多基原与降解样品局限。适用于药材真伪鉴别研究,不替代法定检验。
- 中药质量化学计量学建立HPLC指纹图谱、PCA/OPLS-DA判别分析与含量测定方法学验证。适用于中药材质量标准研究与产地批次差异分析。
- 中药网络药理学用TCMSP等数据库构建成分-靶点-通路网络并做富集分析,批判性讨论方法学局限。适用于中药机制假设生成与论文方法复核。
- 证候与症状数据分析对症状量表数据做术语规范、潜在类别与因子分析,探索统计学证候模式。适用于证候分型研究,结果不用于个体辨证诊断。
- 中医术语标准与知识图谱建立中医药术语与WHO/ICD-11标准的映射,设计本体并用Neo4j构建知识图谱。适用于数据整合与科研检索,不作临床决策系统。
常见问题
方剂配伍规律挖掘能做什么?
对方剂做药名规范化、关联规则与网络聚类分析,发现候选核心药组。适用于用药规律挖掘,结果仅为待验证假设,不作处方依据。
如何安装方剂配伍规律挖掘?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「方剂配伍规律挖掘」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
方剂配伍规律挖掘需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
方剂配伍规律挖掘经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。