王玉珊，林德貴，林珈好

(中國(guó)農(nóng)業(yè)大學(xué)動(dòng)物醫(yī)學(xué)院，北京 100193)

“組方”這一概念在中醫(yī)古代文獻(xiàn)中并未明確提出，其含義來源于“制方”，在1958年《中醫(yī)學(xué)概論》中出現(xiàn)后，開始廣泛應(yīng)用于中醫(yī)學(xué)領(lǐng)域[1]。組方即組藥成方，是根據(jù)一定的中醫(yī)理論和組成原則選擇合適的藥物進(jìn)行妥善配伍以組成方劑的過程。通過合理的配伍組合，達(dá)到調(diào)和藥物之間性質(zhì)、減輕藥物毒性、應(yīng)對(duì)復(fù)雜病癥的目的。組方優(yōu)化是通過篩選藥味將原本繁雜的方劑簡(jiǎn)化或優(yōu)化劑量配比，得到效應(yīng)最佳的組合。中獸藥組方優(yōu)化的目的是增強(qiáng)方劑的臨床針對(duì)性和穩(wěn)定性，利于產(chǎn)業(yè)化推廣和臨床普及。

現(xiàn)代獸醫(yī)學(xué)許多復(fù)雜疾病的治療僅靠單一藥物難以獲得預(yù)期療效，而中藥及其復(fù)方具有整體性、多成分和多靶點(diǎn)協(xié)同作用的特點(diǎn)，因此吸引了許多學(xué)者加入中獸藥現(xiàn)代化研究。對(duì)中藥復(fù)方的深入研究豐富了中醫(yī)理論，也為組方優(yōu)化研究提供了理論支持。通過對(duì)經(jīng)典方劑或臨床經(jīng)驗(yàn)組方的再優(yōu)化獲得新方是一種新思路，既保留了中醫(yī)傳統(tǒng)理論的配伍原則，又滿足了現(xiàn)代醫(yī)學(xué)對(duì)中藥方劑的應(yīng)用需求。

組方優(yōu)化的試驗(yàn)設(shè)計(jì)和數(shù)據(jù)分析是以方劑為基礎(chǔ)的中藥研究的重要一環(huán)，研究者們?cè)诓粩嗵剿餍碌脑囼?yàn)方法，希望能結(jié)合傳統(tǒng)中醫(yī)的內(nèi)涵與現(xiàn)代醫(yī)學(xué)的亮點(diǎn)。目前，針對(duì)中藥單一藥味或中藥單一有效成分的研究已經(jīng)很深入，但以復(fù)方為對(duì)象進(jìn)行研究的卻并不多。本文收集了近5年在組方優(yōu)化研究中應(yīng)用的方法進(jìn)行分析，發(fā)現(xiàn)組方優(yōu)化的研究方法主要分為兩大類。第一類是基于傳統(tǒng)的中醫(yī)理論[2]的優(yōu)化方法，即遵從“君臣佐使、七情配伍”，并根據(jù)藥物的性味、歸經(jīng)等配伍原則進(jìn)行藥物的優(yōu)化組合，或是按照治法的不同進(jìn)行配伍加減優(yōu)化。第二類是基于現(xiàn)代醫(yī)學(xué)數(shù)理模型的設(shè)計(jì)方法，將藥效等評(píng)估指標(biāo)進(jìn)行量化，擬合數(shù)理模型對(duì)影響因素和效應(yīng)值進(jìn)行統(tǒng)計(jì)與計(jì)算，達(dá)到精準(zhǔn)的篩選優(yōu)化。第二類主要包括正交設(shè)計(jì)[3]、均勻設(shè)計(jì)[4]、基線等比設(shè)計(jì)[5]、效應(yīng)面優(yōu)化法[6]、Plackett-Burman篩選試驗(yàn)設(shè)計(jì)[7]等方法。

1 組方優(yōu)化的指導(dǎo)思想

君臣佐使理論是中藥配伍研究中不可或缺的重要指導(dǎo)原則，七情配伍是中藥配伍的基本形式, 四性五味是決定中藥功效，指導(dǎo)中藥配伍應(yīng)用的重要依據(jù)[8]。徐群等[9]利用君臣佐使理論研究不同配伍組對(duì)和厚樸酚與厚樸酚含量的影響，結(jié)果顯示君臣配伍在一定程度上能夠代表全方。全方中無論是缺少佐藥還是使藥，都不會(huì)顯著影響最終的藥效發(fā)揮。傳統(tǒng)中醫(yī)理論所認(rèn)為的方劑的整體性，是當(dāng)藥物組成復(fù)方時(shí)，不再針對(duì)單獨(dú)的一味藥，而是將全方或藥對(duì)組合作為整體來探究其藥理作用。學(xué)者們對(duì)于配伍規(guī)律的深入研究為組方優(yōu)化研究奠定了基礎(chǔ)，數(shù)據(jù)挖掘方法常被應(yīng)用于中藥的配伍規(guī)律研究中，常見的如聚類分析[10]、關(guān)聯(lián)規(guī)則[11]、遺傳算法[12]、FP-growth算法[13]、貝葉斯網(wǎng)絡(luò)[14]等。

王慶國(guó)等[15]在名優(yōu)中藥的二次開發(fā)的思路中提出要明確“部分替代、局部?jī)?yōu)化、質(zhì)量可控、療效提高”的指導(dǎo)思想；提出疾病模型和藥效學(xué)指標(biāo)的選擇應(yīng)針對(duì)性強(qiáng)且符合國(guó)際化標(biāo)準(zhǔn)，在對(duì)結(jié)果進(jìn)行評(píng)價(jià)時(shí)，要選取能夠準(zhǔn)確反映組方作用靶點(diǎn)的主要效應(yīng)指標(biāo)。例如小鼠心肌缺血疾病模型及其死亡率、心電圖、心臟指數(shù)、血清心肌酶譜等指標(biāo)是國(guó)際上研究藥物對(duì)心肌疾病作用的常用模型和藥效學(xué)指標(biāo)[16]。

2 基于傳統(tǒng)中醫(yī)理論的研究方法

2.1 藥對(duì)研究

藥對(duì)簡(jiǎn)單來說就是指兩味藥配伍組方，一般遵循相須、相使、相畏、相殺、相惡、相反的配伍原理[17]，通過藥對(duì)配伍來達(dá)到增效減毒的作用[18]。蘇杉等[19]通過探究秦艽的不同配伍藥對(duì)對(duì)于風(fēng)寒濕痹型類風(fēng)濕關(guān)節(jié)炎大鼠的相關(guān)因子表達(dá)和病理學(xué)相關(guān)改變，得到藥對(duì)組合為平溫相配的秦威組(秦艽-威靈仙)的治療效果最佳。楊延澤等[20]選取不同的溫里藥與當(dāng)歸進(jìn)行藥對(duì)配伍，研究不同藥對(duì)對(duì)寒凝血瘀大鼠的血液流變學(xué)的影響，結(jié)果顯示，藥對(duì)模型組大鼠的頸總動(dòng)脈以及心臟血流動(dòng)力學(xué)指標(biāo)和血液流變學(xué)指標(biāo)得到顯著改善，其中，當(dāng)歸配比吳茱萸組改善效果最為明顯，得到治療效果最優(yōu)的藥對(duì)當(dāng)歸-吳茱萸。周麗萍等[21]選取柴胡-黃芩藥對(duì)的不同劑量配比對(duì)抑郁小鼠進(jìn)行試驗(yàn)，探究其對(duì)行為學(xué)及相關(guān)信號(hào)通路的影響，結(jié)果表明柴胡-黃芩(1∶1)及柴胡-黃芩(8∶3)配伍的抗抑郁效果較好。顧俊菲等[22]研究芍芎組分保護(hù)缺氧損傷細(xì)胞的作用，以MDA、NO含量和SOD、LDH活性為指標(biāo),比較赤芍總苷：川芎總酚酸在不同配比下的差異，發(fā)現(xiàn)赤芍總苷:川芎總酚酸8∶2時(shí)抗氧化作用最好，抗凋亡效果也很突出。

與優(yōu)化經(jīng)典方劑相比，對(duì)于藥對(duì)的探索和挖掘顯得更加具有創(chuàng)新性和啟發(fā)性。具有不同藥效的藥對(duì)可以為新組方的研發(fā)提供思路，例如宋亞剛等[23]通過整理大量文獻(xiàn)尋找毒性相畏的中藥，結(jié)合臨床主治病癥對(duì)潛在解毒中藥進(jìn)行分類，挖掘潛在的減毒藥對(duì)；并提出針對(duì)潛在藥對(duì)可以進(jìn)行毒理研究，驗(yàn)證是否存在減毒效果，以此得到最佳的減毒藥對(duì)或減毒配比。

2.2 加減配伍

加減配伍是為了貼合臨床治療，針對(duì)不同的病癥或病患，在原有組方的基礎(chǔ)上進(jìn)行藥味的增加或減少，是臨床中廣泛應(yīng)用的一種簡(jiǎn)單快捷組方優(yōu)化方法。趙雪瑩等[24]通過研究比較桃核承氣湯及其拆方 (全方去大黃、全方去桂枝、全方去桃仁)對(duì)于大鼠腎間質(zhì)纖維化模型的作用,結(jié)果顯示全方及其拆方均能發(fā)揮較好的抗腎間質(zhì)纖維化作用。全方作用最強(qiáng),拆方中桃仁與大黃作用較桂枝明顯。苗磊等[25]從經(jīng)典方劑中選取用于治療元?dú)馓撊醯摹奥谷拙啤奔啊蔼?dú)參湯”，對(duì)其進(jìn)行單獨(dú)和組合研究，篩選出優(yōu)秀的抗疲勞方劑，結(jié)果表明鹿茸酒加獨(dú)參湯的組合方相比原方能顯著緩解小鼠疲勞，增強(qiáng)小鼠運(yùn)動(dòng)時(shí)間和提高ATP、肝糖原等的含量，且得到最優(yōu)配比(鹿茸∶人參∶山藥為1∶3∶18)。

3 基于數(shù)理模型的設(shè)計(jì)方法

3.1 正交設(shè)計(jì)

正交設(shè)計(jì)(orthogonal design)[26]通過一套正交表進(jìn)行試驗(yàn)設(shè)計(jì)，特點(diǎn)是整齊可比，各因素水平能均衡分散，且能很好地消除因素之間的干擾。簡(jiǎn)單、快捷且高效是正交設(shè)計(jì)的最大優(yōu)點(diǎn)，所以它在中藥復(fù)方的組方優(yōu)化中應(yīng)用最為廣泛[27-28]。但由于每個(gè)因素與水平都需要重復(fù)，隨著考察因素和水平的增多會(huì)導(dǎo)致試驗(yàn)組變得繁多，同時(shí)增加了數(shù)據(jù)分析的難度和結(jié)果的不穩(wěn)定性，失去了其快速高效的優(yōu)點(diǎn)。正交設(shè)計(jì)常用于考察單因素的主效應(yīng)，而藥物之間的交互作用常被忽略，故正交設(shè)計(jì)適用于因素水平不多且交互作用不明顯的組方優(yōu)化。閆亞楠等[29]采用正交設(shè)計(jì)法優(yōu)化當(dāng)歸芍藥散對(duì)于治療慢性盆腔炎模型大鼠的組方，以病理結(jié)果及相關(guān)炎癥因子水平為觀察指標(biāo)，分析得出芍藥、川芎、白術(shù)、茯苓、澤瀉五味中藥的結(jié)果具有顯著性意義，且優(yōu)化后配方可通過抗炎和改善病理?yè)p傷達(dá)到治療目的。

3.2 均勻設(shè)計(jì)

均勻設(shè)計(jì)(homogeneous design)[30]通過一套均勻設(shè)計(jì)表進(jìn)行試驗(yàn)設(shè)計(jì)，是繼正交法之后建立的數(shù)學(xué)模型，克服了正交試驗(yàn)中因素和水平數(shù)受限、試驗(yàn)次數(shù)多的弊端。其特點(diǎn)是設(shè)計(jì)試驗(yàn)點(diǎn)在范圍內(nèi)“均勻散布”，只需要進(jìn)行與水平數(shù)等同的試驗(yàn)次數(shù)就可以獲得較為全面有效的結(jié)果。但由于它舍棄了正交設(shè)計(jì)的整齊可比，所以在結(jié)果上可能會(huì)出現(xiàn)較大的誤差，可以通過加入誤差列和交互作用列對(duì)結(jié)果進(jìn)行考察以減小誤差。均勻設(shè)計(jì)結(jié)果呈線性變化，適用于因素和水平數(shù)較多的情況，可以有效地提高效率。劉琳等[31]采用均勻設(shè)計(jì)對(duì)玉女煎的降血糖作用進(jìn)行組方篩選，得到方中作用的主次順序：熟地黃>石膏與知母交互作用>石膏>牛膝，且優(yōu)化后的配方降糖作用良好。楊傳華等[32]采用均勻設(shè)計(jì)，考察人參健心膠囊所含八味中藥的抗心肌缺血效應(yīng)，分析優(yōu)選得到最佳配比組方為人參1.62 g、黃芪4.62 g、丹參2.43 g及澤瀉1.66 g。

3.3 基線等比設(shè)計(jì)

基線等比設(shè)計(jì)法是商洪才等[33]建立的一種適用于中藥小復(fù)方的設(shè)計(jì)法。它以復(fù)方中兩藥的藥典比例作為中心點(diǎn)(基線)，在中心點(diǎn)的周圍按照一定的增減比例放置數(shù)個(gè)試驗(yàn)點(diǎn)，通過重復(fù)循環(huán)的多次試驗(yàn)對(duì)效應(yīng)進(jìn)行觀察和計(jì)算，優(yōu)化復(fù)方的配比。只適用于藥效明確且只含有兩種藥的中藥小復(fù)方，主要應(yīng)用于優(yōu)化劑量配比。王霜等[34]將葛根芩連湯進(jìn)行拆方，采用基線等比設(shè)計(jì)法探究其中的抗消渴組方葛根-黃連的不同配比對(duì)小鼠糖尿病模型血糖的影響，得到的最優(yōu)配比為葛根∶黃連=3∶8，證明此方法有一定的科學(xué)性和實(shí)用性。田楓等[5]采用基線等比增減設(shè)計(jì)法設(shè)置黃芪注射液-燈盞細(xì)辛注射液不同劑量配比組共6 組，篩選黃芪注射液聯(lián)合燈盞細(xì)辛注射液抗大鼠腦缺血再灌注損傷的最佳配比，評(píng)估各組小鼠的神經(jīng)功能缺損評(píng)分和血清MDA含量、血清SOD活性及腦梗死率等，得出最佳配比為黃芪注射液∶燈盞細(xì)辛注射液=4∶6。

3.4 Plackett-Burman篩選試驗(yàn)設(shè)計(jì)

Plackett-Burman篩選試驗(yàn)設(shè)計(jì)(PBD)[35]是一種多因素兩水平的試驗(yàn)設(shè)計(jì)方法，可以在多個(gè)因素中快速篩選出有顯著效應(yīng)的因素，在各個(gè)領(lǐng)域都有廣泛的應(yīng)用，常被應(yīng)用于配方優(yōu)化中進(jìn)行條件篩選[36-38]。盡管此方法并不考慮任何的因素間交互作用，但經(jīng)濟(jì)高效的特點(diǎn)使它受到廣大學(xué)者的歡迎，所以此方法也適用于組方中因素眾多且各因素間的影響不確定的情況。鄭婷婷等[7]采用Plackett-Burman以抑制肺炎細(xì)胞增殖作用為效應(yīng)對(duì)復(fù)方金復(fù)康進(jìn)行組方優(yōu)化。通過隨機(jī)森林模型結(jié)合網(wǎng)格化搜索算法得到最佳組方并通過試驗(yàn)驗(yàn)證優(yōu)化方相比原方具有更好的效應(yīng)，證明此方法可以在組方優(yōu)化中應(yīng)用。馬芳等[39]通過Plackett-Burman以基于細(xì)胞水平的抗炎作用為評(píng)估指標(biāo)，篩選桔梗湯與桑菊飲復(fù)方中效應(yīng)最優(yōu)的三味藥：甘草、桑葉和陳皮。

3.5 星點(diǎn)設(shè)計(jì)

星點(diǎn)設(shè)計(jì)(central composite design,CCD)是一種多因素5水平的設(shè)計(jì)方法，是在二水平析因設(shè)計(jì)的基礎(chǔ)上加上極值點(diǎn)和中心點(diǎn)構(gòu)成的，星點(diǎn)設(shè)計(jì)常常和效應(yīng)面優(yōu)化法相結(jié)合，在藥物的提取工藝和處方優(yōu)化等領(lǐng)域被廣泛應(yīng)用，具有精準(zhǔn)篩選和預(yù)測(cè)的優(yōu)點(diǎn)[40]。效應(yīng)面優(yōu)化法(RSM)[41]是通過構(gòu)建非線性模型即三維效應(yīng)面圖展現(xiàn)因素與效應(yīng)的關(guān)系，然后從效應(yīng)面上選取最佳效應(yīng)點(diǎn)或范圍的設(shè)計(jì)方法。也可利用效應(yīng)面法對(duì)各因素水平的效應(yīng)和因素之間的交互作用進(jìn)行準(zhǔn)確的預(yù)測(cè)。效應(yīng)面優(yōu)化法實(shí)行的重要條件是所有因素變量都必須連續(xù)可控，以此保證構(gòu)建的模型的準(zhǔn)確性。汪玉梅等[42]利用響應(yīng)面法優(yōu)化腎氣丸組方的最佳劑量配比，以各組小鼠腎陽(yáng)虛臨床癥狀變化情況以及血清中促腎上腺皮質(zhì)激素、皮質(zhì)醇的含量變化為觀察指標(biāo)，通過優(yōu)化并進(jìn)行驗(yàn)證試驗(yàn)得到小鼠腎氣丸各藥物最佳配伍比例:附子∶肉桂∶干地黃∶山藥∶山茱萸∶牡丹皮∶澤瀉∶ 茯苓=2∶2∶8∶4∶4∶6∶6∶6。黃云等[43]利用星點(diǎn)設(shè)計(jì)-效應(yīng)面優(yōu)化法對(duì)雙苷清咽含片進(jìn)行優(yōu)化，結(jié)果含片的抗炎藥效取決于芒果苷和羅漢果甜苷的用量，優(yōu)選出最優(yōu)處方為芒果苷占素片片重13.00%，羅漢果甜苷占9.75%，薄荷腦占0.30%。鄧麗紅[44]采用二因素五水平的星點(diǎn)設(shè)計(jì)法，探討瀉心湯的不同劑量配伍對(duì)其化學(xué)成分溶出的影響。試驗(yàn)選取了3種化學(xué)成分(蒽醌類、黃酮類及黃連生物堿類成分)的溶出率為驗(yàn)證指標(biāo)，結(jié)果得到了3組較優(yōu)的劑量配比：大黃∶黃連∶黃芩=6∶0.17∶5.83，黃芩∶大黃∶黃連=3∶1.76∶0.17，黃連∶大黃∶黃芩=3∶4.95∶5.83。

3.6 中心組合設(shè)計(jì)

中心組合設(shè)計(jì)(Box-Behnken design，BBD)[45]是多因素3水平的試驗(yàn)設(shè)計(jì)，也常與效應(yīng)面優(yōu)化法結(jié)合稱為Box-Behnken效應(yīng)面優(yōu)化法(BBD-RSM)，與CCD相比，BBD所需要的因素水平更少，但得到的結(jié)果準(zhǔn)確性卻不會(huì)受到影響，是一種更經(jīng)濟(jì)的選擇[46]。BBD-RSM已在食品工藝、生物制劑等領(lǐng)域得到廣泛的應(yīng)用[47-49]，在中藥組方優(yōu)化試驗(yàn)中尚處于初步探索階段，已被用于藥物制劑的配方優(yōu)化等。睢博文等[50]采用單因素試驗(yàn)結(jié)合BBD優(yōu)化復(fù)方人參健體方中四味藥的配比，得到的最優(yōu)處方配比為人參1.5 g、山藥10 g、枸杞子10 g、益智仁3 g，結(jié)果顯示優(yōu)化后的處方較原方具有顯著的抗疲勞療效。邱玲玲等[51]采用BBD-RSM篩選雙黃連注射液中抑制流感病毒神經(jīng)氨酸酶活性的組分中藥，對(duì)最佳配比進(jìn)行預(yù)測(cè)并進(jìn)行驗(yàn)證，結(jié)果表明BBD-RSM對(duì)最優(yōu)組方的預(yù)測(cè)有一定準(zhǔn)確性。

3.7 Doehlert設(shè)計(jì)

Doehlert設(shè)計(jì)[52]采用k2+k+1次試驗(yàn)次數(shù)(k= 因子數(shù))，可以有效地分析因素對(duì)于變量的影響大小，且可以觀察到因素間的相互效應(yīng)。此方法也是將變量關(guān)系擴(kuò)展到曲面上進(jìn)行分析，是一種預(yù)測(cè)性較好的試驗(yàn)設(shè)計(jì)方法，在化工業(yè)、制造業(yè)、生物技術(shù)等領(lǐng)域被應(yīng)用于考察主次效應(yīng)、優(yōu)化反應(yīng)條件、優(yōu)化配方等[53-54]。在藥理學(xué)的應(yīng)用主要在可以用于分析藥物的相互作用關(guān)系。謝臻等[55]應(yīng)用此方法，探究枳實(shí)、厚樸和芒硝的劑量配伍變化對(duì)大黃蒽醌類成分在整方中溶出的影響，得到溶出率最高時(shí)的最優(yōu)配比為大黃∶枳實(shí)∶厚樸∶芒硝=1∶4∶2.31∶2。

作者將以上基于現(xiàn)代數(shù)理模型的試驗(yàn)設(shè)計(jì)方法的優(yōu)缺點(diǎn)和適用范圍進(jìn)行了總結(jié)比較，詳見表1。

其中正交設(shè)計(jì)和均勻設(shè)計(jì)作為經(jīng)典設(shè)計(jì)法，其簡(jiǎn)單快捷的優(yōu)點(diǎn)使它們?cè)诤荛L(zhǎng)時(shí)間內(nèi)被研究者們廣泛應(yīng)用在各領(lǐng)域。正交設(shè)計(jì)減少了試驗(yàn)次數(shù)，相比需要進(jìn)行大量試驗(yàn)次數(shù)的全因子設(shè)計(jì)更有利[56]，例如5味藥2個(gè)劑量水平的優(yōu)化試驗(yàn)，全面設(shè)計(jì)需進(jìn)行32次試驗(yàn)，而正交設(shè)計(jì)只需要6次試驗(yàn)；當(dāng)藥味增多時(shí)，建議只選取2～3個(gè)劑量水平進(jìn)行試驗(yàn)，否則試驗(yàn)量會(huì)大大增加。若藥味和劑量水平數(shù)眾多且無法減少時(shí)，可以選擇均勻設(shè)計(jì)，只需進(jìn)行與水平數(shù)相同的試驗(yàn)次數(shù)。例如7味藥8個(gè)劑量水平的均勻設(shè)計(jì)只需進(jìn)行8次試驗(yàn)，而同樣的設(shè)計(jì)如果采用正交試驗(yàn)則需要64次試驗(yàn)，所以相比之下均勻設(shè)計(jì)可以快速地了解組方的基本情況，如藥效的強(qiáng)弱和主次。但均勻設(shè)計(jì)由于試驗(yàn)次數(shù)過少導(dǎo)致數(shù)據(jù)不夠全面，有時(shí)會(huì)出現(xiàn)誤差大的情況，且對(duì)于各因素效應(yīng)也只是基本覆蓋，并不能準(zhǔn)確地說明問題，所以并不能用于精準(zhǔn)篩選和優(yōu)化。

基線等比設(shè)計(jì)則只適用于藥效明確的藥對(duì)或只有兩味藥的小復(fù)方研究，它將兩味藥的劑量水平按梯度安排在基線的附近，通過大量的試驗(yàn)以得到精準(zhǔn)的優(yōu)化，故在應(yīng)用上有很大的限制。Plackett-Burman篩選試驗(yàn)設(shè)計(jì)可以快速篩選出顯著性參數(shù)，所以適用于5種藥味以上的組方篩選和優(yōu)化，常作為優(yōu)化試驗(yàn)的第一步，往往不考慮藥物之間的相互作用，只考慮因素和效應(yīng)之間的直接關(guān)系。適用于新方劑的挖掘和篩選，例如對(duì)經(jīng)典書籍藥方、民間藥方、經(jīng)驗(yàn)藥方等進(jìn)行初步的探索優(yōu)化，可以快速得到優(yōu)化結(jié)果，避免后期優(yōu)化試驗(yàn)由于因子數(shù)過多而浪費(fèi)資源。

表1 不同試驗(yàn)設(shè)計(jì)法應(yīng)用對(duì)比

BBD、CCD、Doehlert設(shè)計(jì)具有一定的相似性，都適用于因素水平不多且變量連續(xù)可控的試驗(yàn)，也就是說對(duì)于試驗(yàn)對(duì)象的要求更高，不適用于藥味劑量變化不規(guī)律、藥效指標(biāo)不明確、易受主觀因素影響(例如癥候評(píng)分)等情況。如果試驗(yàn)對(duì)象不符合要求，可能會(huì)導(dǎo)致無法繪制標(biāo)準(zhǔn)曲線，進(jìn)而導(dǎo)致模型構(gòu)建失敗。它們的不同之處在于，同樣因素水平的優(yōu)化試驗(yàn)，BBD相比CCD的試驗(yàn)次數(shù)更少，更加經(jīng)濟(jì)實(shí)用，同時(shí)BBD沒有極值點(diǎn)的設(shè)計(jì)，即在組方優(yōu)化試驗(yàn)中不會(huì)出現(xiàn)所有藥味均為最高劑量的試驗(yàn)組，因此對(duì)于一些有安全要求的試驗(yàn)極為適合。此外，BBD需設(shè)置一中心點(diǎn)，此中心點(diǎn)對(duì)結(jié)果起決定性作用，如果中心點(diǎn)的設(shè)置偏差太大，會(huì)導(dǎo)致優(yōu)化失敗，所以BBD更適合于有明確藥效范圍的組方優(yōu)化。CCD法由于設(shè)置了兩個(gè)極值，同時(shí)還要進(jìn)行中心點(diǎn)的重復(fù)試驗(yàn)，所以試驗(yàn)次數(shù)會(huì)稍多，但此方法得到的數(shù)據(jù)更完整全面，適合于藥效范圍尚不明確，需要精準(zhǔn)優(yōu)化的組方。Doehlert設(shè)計(jì)的試驗(yàn)次數(shù)與BBD相似，它更注重因素之間的相互作用，適用于藥味間相互作用明顯的組方優(yōu)化。

CD、BBD、Doehlert設(shè)計(jì)都是與RSM相結(jié)合的設(shè)計(jì)法，與正交設(shè)計(jì)和均勻設(shè)計(jì)不同的是，后兩者是擬合線性模型的設(shè)計(jì)，前三者是擬合非線性模型的設(shè)計(jì)。在中藥組方研究中，效應(yīng)與因素之間也不完全都是呈現(xiàn)線性變化的關(guān)系。呈非線性變化的數(shù)據(jù)如果擬合線性模型，效應(yīng)值在最佳試驗(yàn)條件附近變化靈敏，不易觀察到，所以會(huì)導(dǎo)致優(yōu)化失敗。應(yīng)用非線性模型時(shí)，最優(yōu)區(qū)域的效應(yīng)面彎曲度往往最明顯，可以提高優(yōu)化的成功率并且降低效應(yīng)值與預(yù)測(cè)值之間的誤差，精準(zhǔn)度大大提升。但當(dāng)考察因素增多時(shí)，試驗(yàn)次數(shù)成倍增長(zhǎng)，使得試驗(yàn)設(shè)計(jì)和數(shù)據(jù)分析都變得更加復(fù)雜，這可能是效應(yīng)面優(yōu)化法無法在組方優(yōu)化研究中快速普及的原因之一。

每種試驗(yàn)設(shè)計(jì)方法有其優(yōu)勢(shì)和不足，為了獲得更優(yōu)的試驗(yàn)結(jié)果，研究者常常將試驗(yàn)方法結(jié)合使用，建立更精準(zhǔn)的模型。例如正交試驗(yàn)與均勻設(shè)計(jì)相結(jié)合[57]，Plackett-Burman與CCD[58]或BBD[59-60]結(jié)合，先將組方中有效藥物進(jìn)行快速的篩選，可以有效地減少后續(xù)試驗(yàn)的考察因素和試驗(yàn)次數(shù)。

隨著中藥理論與現(xiàn)代醫(yī)學(xué)理論的交流以及中醫(yī)研究的現(xiàn)代化和國(guó)際化，許多基于數(shù)理模型的試驗(yàn)設(shè)計(jì)方法也不斷被應(yīng)用在中藥組方優(yōu)化試驗(yàn)中，這些探索性的試驗(yàn)在一定程度上結(jié)合了傳統(tǒng)中醫(yī)和現(xiàn)代醫(yī)學(xué)，體現(xiàn)了科學(xué)性和先進(jìn)性。從文獻(xiàn)中不難看出組方優(yōu)化的設(shè)計(jì)方法發(fā)展的趨勢(shì)，是要求試驗(yàn)設(shè)計(jì)法能利用更少的試驗(yàn)次數(shù)獲得更加全面的試驗(yàn)結(jié)果，從而提高效率，也節(jié)省成本。這就使得研究者們需要不斷從其他行業(yè)引入新的試驗(yàn)設(shè)計(jì)方法應(yīng)用在中藥組方研究中，在工業(yè)、生物制品等領(lǐng)域中還有許多先進(jìn)方法值得學(xué)者們借鑒使用。需要強(qiáng)調(diào)的一點(diǎn)是，這些方法適用于因素與效應(yīng)指標(biāo)可以精準(zhǔn)量化的試驗(yàn)，例如客觀指標(biāo)相關(guān)蛋白、因子指數(shù)等，可能不適用于帶有主觀因素的標(biāo)準(zhǔn)，例如主癥與次癥，癥候輕重等。工業(yè)中廣為應(yīng)用的田口設(shè)計(jì)(Taguchi design)[61]，是利用正交表的三步設(shè)計(jì)法，添加了評(píng)測(cè)穩(wěn)定性的參數(shù)比，優(yōu)點(diǎn)是可以得到穩(wěn)定性最優(yōu)的最佳組合，適合于中藥組方復(fù)雜不穩(wěn)定的性質(zhì)，值得探索。除了試驗(yàn)設(shè)計(jì)以外，研究者們也可以聚焦預(yù)測(cè)算法。例如向量機(jī)回歸算法(support vector regression, SVR)[62]、多目標(biāo)遺傳算法優(yōu)化[63]、隨機(jī)森林算法[47]等。中藥組方的研究常常涉及到大量的試驗(yàn)數(shù)據(jù)和模型，意味著需要大量的資源，即使條件允許也很難做到一次性獲得所有數(shù)據(jù)，而這樣的操作會(huì)導(dǎo)致更多的誤差出現(xiàn)。利用預(yù)測(cè)算法可以省去重復(fù)的試驗(yàn)步驟，只需完成因素的標(biāo)準(zhǔn)曲線，更多的是通過計(jì)算機(jī)軟件進(jìn)行模擬試驗(yàn)并推算出最優(yōu)組合，最后進(jìn)行驗(yàn)證試驗(yàn)，此類方法也值得在組方優(yōu)化研究中深入探討和推廣應(yīng)用。