中药之寒凉温热四种药性又称四气,是依据药物作用机体后机体发生的反应概括出来的。如干姜对于腹中冷痛等有驱寒作用,具有热性；大青叶对于发热咽痛等有清凉解毒功效,具有寒性。中医理论认为,寒凉温热只是程度的差异,无本质区别,所以四性就本质而言只有寒热两性之分。中药是一种客观实在,药性是其本质属性的主观反映,功效是本质属性的客观表现,药性通过功效得以体现。药性-药效-物质间的关系是中药药性理论现代研究的关键。中医学认为,疾病的发生和发展主要是由于致病因素作用人体,导致机体阴阳偏盛或偏衰,脏腑经络的机能失常。中医根据药物的药性来调整机体阴阳平衡,即所谓的“热症寒治,寒症热治”,来恢复脏腑经络的正常生理功能,从而达到治疗和康复的目的。因此中药药性是临床应用中药的重要依据,是临床用药的基础,是治疗成败的关键,也是中医与中药衔接的桥梁。对药性的正确判别,对于临床用药和中药新药的研制开发具有十分重要的指导意义。中医药工作者对药性理论开展了许多现代研究,如孙若琼等利用结构方程模型探讨了药味与药性的相关关系,指出甜味和酸味与药性的关系最为密切；刘辉等研究了果实类中药的药性特点,结果显示果实组中药性温者的比率显著高于非果实组,药性寒者的比率显著低于非果实组,果实类中药药性特点明显；张永清和王振国等探索了不同植物同一部位和同一植物的不同部位与药性关系,发现入药部位与药性的密切联系；刘进,邓家刚等分析了20种活血化淤中药中14种无机元素与药性的相关性；唐仕欢、杨洪军等研究了自然环境因子变化对中药药性形成的影响,指出中药药性是中药秉承了自然环境中各元素的变化而形成的,是气候、土壤、生物、地形等各环境因子综合作用的结果。本文根据《中华本草》中中药的相关记载,利用Access构建中药药性基原性状信息数据库,内容包括入药部位、采收季节、干燥方法、分布区域、生态习性、生长环境、生长习性、植物分类、植物的根、茎、叶、花、果实、种子等植物特征、药材特征(外形、颜色、表面特征、质地、断面特征等)、显微结构和药理作用等12部分的基原性状,最后参与分析的基原性状(预测变量)共计523个。以中药药性为响应变量,基原性状为预测变量,分别用Logistic回归判别、支持向量机判别、决策树判别、随机森林判别、主成分-线性判别和偏最小二乘判别六种方法建立判别模型,对植物性中药进行药性判别,并比较各种模型的判别效果,依据10次5折交叉验证平均判别正确率、测试样本的判别正确率等指标,筛选最优判别方法,为中药药性的快速识别和临床用药提供依据,为新药研发和食疗研究提供参考。研究结果如下：1.模型的回代结果：基于中药基原性状,建立六种判别模型,除主成分线性判别模型回代的判别正确率为89.10%外,其他五种模型回代的判别正确率均在90%以上,其中支持向量机判别分析和决策树判别分析模型回代的判别正确率分别为96.35%和93.80%；2.模型的稳定性评价结果：交叉验证法的平均判别正确率,Logistic回归判别模型为77.47%,其他模型的判别正确率都达到83%以上,其中随机森林判别分析的正确率最高,为89.58%；3.模型的预测能力评价结果：将1725种中药分配到训练样本和测试样本中。其中训练样本有1380种药物,包括871种寒性药和509种热性药；测试样本为345种药物,包括196种寒性药和149种热性药。基于训练样本分别建立六种判别模型,然后对测试样本中的药物做药性预测。除Logistic回归判别模型外,其他模型预测的整体判别正确率均在80%以上,其中随机森林判别模型和偏最小二乘判别模型的预测正确率最高；4.根据最优判别模型——偏最小二乘判别模型,将1725种中药的基原性状取值代入模型,还原了每味药的基原性状图谱,得到了每种药物的523个基原性状的寒热倾向信息及其理论药性判别得分；5.基于偏最小二乘判别模型,依据基原性状判别系数值和VIP值,以|判别系数|≥0.2或VIP≥1.5为预测变量的入选标准,选定72个对中药寒热药性判别贡献较大的基原性状,建立偏最小二乘的精简判别模型,该模型回代的判别正确率、交叉验证的判别正确率及测试样本预测判别正确率均达到72%以上结论：1.除logistic判别模型外,其他模型的回代判别正确率、交叉验证判别正确率以及模型的预测正确率均达到80%以上,能较好地实现对中药药性的判别,验证了基原性状与药性之间的密切联系,基于基原性状判别中药药性具有可行性,证实了古人基于中药基原性状判断或预测中药药性的合理性,探索了由性状要素推断药性的中医规律,为预测或鉴定药性未知的药物的药性提供新的统计推理模型,为临床治疗和药膳治疗提供参考和依据；2.各模型判别评价(稳定性评价、外推预测评价)效果的比较表明：(1)由于本资料的基原性状多达523个,相比较而言中药种数偏少,且基原性状间有较高的相关关系,Logistic判别模型受其应用条件的局限,判别正确率略低；(2)支持向量机和决策树判别模型的稳定性较好,但是预测能力相对较差；(3)随机森林判别模型的判别结果较好,并能反映各基原性状对药性判别的重要性,但无方向性,无法确定该基原性状具有寒性倾向还是热性倾向；(4)主成分线性判别模型的整体判别正确率较高,但降维处理仅基于自变量的方差,未考虑因变量与自变量的相关关系,判别效果较偏最小二乘判别模型略逊；(5)偏最小二乘判别模型降维时既考虑了自变量的方差也考虑了自变量与因变量的相关关系,判别效果较好,且其模型系数的正负号和VIP分别反映了各基原性状与药性相关关系的方向和密切程度。因此,如果仅用于药物药性的判别,随机森林判别模型的效果最佳；若研究基原性状与药性相关关系偏最小二乘判别模型最佳。3.根据偏最小二乘判别模型,结合特定某味中药的实际基原性状取值,可以还原该单味药基原性状图谱。通过1725种中药基原性状的理论图谱得知(本论文中以寒性药物马齿苋和热性药物胡椒为例,勾画其中药基原性状的理论图谱)：表征中药药性的“寒”或“热”的基原性状是客观存在的,但无论“寒”性药或“热”性药,其均同时含有“寒”和“热”倾向的基原性状,只是“寒”和“热”倾向的基原性状的种类和数量的不同配伍组合才显示出该药整体药性。因此,种药也是一个“复方”,由于其内不同基原性状在质和量上的配伍组合才最终表征其整体“寒”或“热”的药性。4.从简易实用的角度而言,精简模型更利于应用,本研究基于偏最小二乘判别模型的基原性状系数值(|判别系数|≥0.2)和VIP值(VIP值≥1.5)确定了72个与中药药性有关的基原性状,用72个基原性状建立的偏最小二乘的精简判别模型判别正确率为72%以上,可实现对中药药性的快速判别。