补充剂配方

使用大泽矩阵设计补充剂配方

  • 使用大泽矩阵,可以让你科学高效地为任何一种疾病或健康目标设计补充剂配方。

  • 大泽矩阵能够在全球超200万个物种与超10万种补充剂中,找出对其最有效的物种与补充剂。进而依据筛选出的有效物种和补充剂构建自定义的配方池,并基于配方池来生成最终的完整配方。

  • 大泽矩阵具有五大核心优势:

  • 一,  全球唯一完全基于PubMed医学文献的AI驱动的补充剂配方设计系统。

    二,  全局视野。针对疾病或健康目标寻找有效成分时,能够覆盖全球物种与全球补充剂。具有极其广阔的全局视野,而非大语言模型的受限视野。

    三,  消除幻觉。通过采用CNN+NLP+领域NLP+LLM的方案,彻底解决纯大型语言模型的三大核心缺陷:幻觉、随机性和平庸的泛化输出。

    四,  革命性的效率提升。与标准生物医学NLP和人工处理相比,大泽矩阵将医学文献的分析效率提升1500到4000倍。

    五,  容易使用。有效成分的筛选与配方设计的过程非常的直观、方便和容易使用。任何人,无论是专业用户还是普通大众,都能轻松掌握。

    有些朋友可能不知道PubMed是什么,我先介绍一下。PubMed是全球最大最权威的生物医学文献数据库。是全球的医生、营养师、健康管理师,最经常访问的网站,是获取全球最新医学研究证据的直接通道和学术知识库。PubMed只收录SCI期刊上刊载的文献。SCI是科学引文索引的缩写。这意味着PubMed只收录全球高质量的学术期刊。全球的期刊大约有10万多份,其中SCI期刊仅有1万份,只占约十分之一。

  • 下面我就以针对胃溃疡设计一款配方为例来讲解大泽矩阵的使用。

  • 使用大泽矩阵来设计配方仅需五步。

  • 使用大泽矩阵来设计胃溃疡配方

  • 第一步,输入疾病或健康目标的关键字。

  • 在这里,我输入的就是胃溃疡。

  • 输入疾病或健康目标的关键字
  • 第二步,点击每个批次的数据提取和分析。语义级词频值排序会自动筛选出与疾病或健康目标密切相关的物种和补充剂。

  • 无论关键字检索出的相关文献有多少份,不管是几万份、十几万份,甚至几十万份,都可以全部获取到。大泽矩阵会按每个批次2000份来对要获取的全部文献划分批次。我们要做的很简单,就是依次点击每一个批次的提取。

  • 点击每个批次的数据提取和分析
  • 完成所有批次的提取后,我们再依次点击每一个批次的物种。这会将每个批次的2000份文献中识别出的与胃溃疡密切相关的物种全部提取出来,并且按照语义级词频值进行排序。

    物种的语义级词频值是对物种词频、物种比重、期刊影响因子值、文献类型等多个重要因素加权后的结果。这个语义级的物种词频值排序真实地反映了物种与胃溃疡的相关性的密切程度。

  • 胃溃疡相关物种的语义级词频值排序
  • 完成所有批次的物种识别后,我们再依次点击每一个批次的补充。这会将每个批次的2000份文献中识别出的与胃溃疡密切相关的补充剂全部提取出来,并且按照语义级词频值进行排序。

    这种相关性既包含了正相关(表示有效的),也包含了负相关(表示不利的)。

  • 胃溃疡相关补充剂的语义级词频值排序
  • 第三步,点击相关性着色将正相关和负相关的物种与补充剂从视觉上区分开来。

  • 可以看到,现在每一种物种都被着色成深浅不同的绿色或红褐色。

    正相关(表示有效的)用三种深浅不同的绿色表示,负相关(表示不利的)用三种深浅不同的红褐色表示。颜色越深表示强度越强。

  • 相关性着色后的胃溃疡相关物种

  • 相关性着色后的胃溃疡相关补充剂
  • 语义级词频值排序与相关性着色两大功能结合,让对疾病或健康目标最有效的物种与补充剂能够脱颖而出、一目了然。

    如果你想查看某个物种或补充剂到底对疾病有什么作用,只需点击物种或补充剂,然后在弹出的菜单中点击关键字文献。这样就可以中英文双语查看和阅读当前物种或补充剂与当前疾病或健康目标相关的PubMed文献。

  • 在弹出的菜单中点击关键字文献

  • 以中英文双语查阅猴头菇与胃溃疡相关的文献

  • 以中英文双语查阅猴头菇与胃溃疡相关的文献
  • 第四步,将想要使用的物种和补充剂添加到配方池。然后,通过在配方池中指定必选成分、成分数量等选项来进一步定制配方池。

  • 要将我们有意使用的物种添加到自建配方池中,你只需在物种上点击,在弹出的对话框中点击加入配方池即可。

  • 将物种添加到自建配方池
  • 当把所有我们想要使用的备选物种都添加到配方池中之后,我们可以同样的方式将我们想要使用的补充剂添加到配方池中。

    在我的胃溃疡配方池中,会显示出所有你已经添加到配方池中的备选物种和补充剂。物种用绿色来呈现。补充剂用蓝色来呈现。

    可以看到,我们添加到胃溃疡配方池中的备选物种有:芦荟、猴头菇、光果甘草、黑种草、铁皮石斛、两面针、积雪草、辣木。备选补充剂有:姜黄素、槲皮素、锌、蜂蜜、褪黑素、益生菌、蜂胶、橙皮苷、儿茶素、木犀草素、芹菜素。

    我们可以通过配方池中的四个选项来定制我们的胃溃疡配方。这四个选项分别是必选成分、成分数量、目标物种和特别说明。

  • 我的胃溃疡配方池
  • 必选成分,用于指定你希望必须在配方设计中使用的成分。假如有一种成分特别好,你希望它必须出现在配方中,那么你就可以点击该成分的M。像我现在设计的胃溃疡配方中,我就指定了四种必选成分:Aloe vera@芦荟;;Hericium erinaceus@猴头菇;;curcumin@姜黄素;;hesperidin@橙皮苷。

    成分数量,如果你不特别指定的话,默认会选择3到10种成分来构建配方。如果您想改变成分数量范围,只需输入以逗号分隔的两个数字来表示范围的下限和上限即可。比如,输入5,8来指定该配方将使用5到8种成分来构建。

    目标物种,所有的配方默认是为人类的成年人(或12岁以上的未成年人)设计的。如果配方是为人类的特定时期(比如,婴儿、幼儿、孕妇),或是为其他任何物种(比如,狗、猫、鹦鹉等)设计的,只需在这里输入即可。

    特别说明,你可以在这里添加任何额外的重要说明。比如,如果你正在为有糖尿病的患者设计一款治疗胃溃疡的配方,则你就可以在特别说明中写明该配方要给糖尿病患者使用。这样原本可能会纳入配方的蜂蜜就不会被选入。

  • 第五步,大语言模型将根据你定制的配方池来生成最终的完整配方。

  • 在配方池中完成你需要的定制之后,我们就可以点击超级配方设计按钮,进入配方设计的最后一步。让大语言模型根据你定制的配方池来生成最终的完整配方。

    目前支持4种大语言模型。我们来分别看一下豆包和DeepSeek-R1生成的最终配方。大语言模型首先会给你再把一次关,确保你在配方池中选择的确实都是正相关的物种和补充剂。然后,它会向你阐明配方的设计思路与逻辑。它是如何通过多种机制来治疗该疾病或达到该诉求的。接下来,是基于该设计思路与逻辑完成的具体的配方设计。它会针对每一种机制和途径选择一到两种成分,并向你解释该成分在该配方中所起的作用,以及该成分的每日用量和用法。并且,这个配方设计是完全符合你在配方池中的定制要求的。最后部分是一个总结,对整个配方设计做一个归纳总结和陈述,如果有一些特别需要注意的地方,也会在这里告诉你。

  • 由豆包基于我定制的胃溃疡配方池生成的最终配方

  • 由DeepSeek-R1基于我定制的胃溃疡配方池生成的最终配方

  • 如果你对本次生成的配方不太满意,你可以点击右上角的“重新生成”重新生成配方。

  • 我的 胃溃疡 的配方设计

    重新生成

    DeepSeek-R1版

    好的,我会严格按照您的要求,基于您提供的正相关物种与补充剂列表,设计一个针对胃溃疡的优化配方。以下为详细内容。


    正相关物种与补充剂

    正相关物种: Aloe vera(芦荟,23)、Hericium erinaceus(猴头菇,11)、Glycyrrhiza glabra(光果甘草,8)、Dendrobium officinale(铁皮石斛,7)、Zanthoxylum nitidum(两面针,7)、Nigella sativa(黑种草,6)、Centella asiatica(积雪草,4)、Moringa oleifera(辣木,3)。

    正相关补充剂: curcumin(姜黄素,110)、quercetin(槲皮素,103)、zinc(锌,86)、honey(蜂蜜,86)、probiotics(益生菌,51)、melatonin(褪黑素,48)、propolis(蜂胶,34)、hesperidin(橙皮苷,31)、catechin(儿茶素,28)、luteolin(木犀草素,23)、apigenin(芹菜素,17)。

    必选成分: Aloe vera(芦荟)、Hericium erinaceus(猴头菇)、curcumin(姜黄素)、hesperidin(橙皮苷)。


    配方设计思路与逻辑

    本配方的设计基于胃溃疡的多因素病理机制,从多个关键途径协同干预,以达到抗炎、保护黏膜、促进愈合、抑菌和调节免疫的目的。以下逐一阐述各途径及其在配方中的逻辑依据。

    1. 强效抗炎与抗氧化
    胃溃疡常伴随氧化应激和炎症反应,导致黏膜损伤加重。姜黄素(curcumin)和槲皮素(quercetin)均具有极高的正相关度,能通过抑制NF-κB、降低促炎细胞因子(如TNF-α、IL-6)并清除自由基,显著减轻胃黏膜炎症。橙皮苷(hesperidin)同样具备抗氧化和抗炎活性,可进一步增强该通路的效果。

    2. 保护与修复胃黏膜
    芦荟(Aloe vera)和猴头菇(Hericium erinaceus)是经典的胃黏膜保护剂。芦荟中的多糖和蒽醌类物质可形成保护膜,减少胃酸刺激;猴头菇则能促进胃黏膜上皮细胞再生,加速溃疡面愈合。光果甘草(Glycyrrhiza glabra)中的甘草酸可抑制胃酸分泌并增加黏液分泌,提供额外保护。

    3. 促进溃疡愈合与营养支持
    锌(zinc)是细胞分裂和蛋白质合成所必需的微量元素,对溃疡面的再上皮化和胶原合成至关重要。蜂蜜(honey)富含葡萄糖氧化酶和多种生物活性成分,能营造湿润环境、刺激肉芽组织生长,并辅助抗菌,从而加速愈合过程。

    4. 抑制幽门螺杆菌(Hp)与抗菌
    幽门螺杆菌是胃溃疡的重要致病因素。姜黄素、槲皮素、蜂蜜和甘草均具有抗Hp活性,能抑制细菌黏附和生长,降低复发风险。多种成分联合使用可产生协同抗菌效应,减少抗生素耐药性担忧。

    5. 调节免疫与微生态平衡
    胃溃疡患者的局部免疫失衡和肠道菌群紊乱可能影响愈合。本配方未直接添加益生菌,但蜂蜜和芦荟中的多糖可作为益生元促进有益菌生长;姜黄素和橙皮苷能调节免疫细胞功能,维持Th1/Th2平衡,从而间接优化胃部微环境。


    胃溃疡配方

    基于上述设计思路,从正相关列表中选取8种高相关度成分(包含所有必选成分),组成以下配方。具体组成、作用及用法用量如下表所示。

    成分(中文名) 主要作用机制 每天建议用量 服用次数
    芦荟 形成保护膜,抗炎,促进黏膜修复 100 mg(以芦荟凝胶提取物计) 分2次随餐服用
    猴头菇 促进黏膜上皮再生,增强胃屏障 500 mg(子实体提取物) 分2次随餐服用
    姜黄素 强效抗炎抗氧化,抑制Hp,调节免疫 500 mg(配合黑胡椒素提高生物利用度) 分2次随餐服用
    橙皮苷 抗氧化,抗炎,协同保护黏膜 500 mg 分2次随餐服用
    槲皮素 抑制NF-κB,清除自由基,辅助抗Hp 500 mg 分2次随餐服用
    促进溃疡愈合,增强细胞再生 15 mg(以锌元素计,如葡萄糖酸锌) 每日1次,餐后服用
    蜂蜜 抗菌(Hp),提供营养,加速愈合 20 g(约1汤匙) 分2次,空腹或餐前服用(可温水冲服)
    光果甘草 抑制胃酸,增加黏液,抗炎,保护黏膜 500 mg(甘草根提取物,注意甘草酸含量) 分2次随餐服用

    说明:

    • 以上用量为成人每日推荐量,实际应用时应根据个体情况调整,建议在专业医师或营养师指导下使用。
    • 姜黄素宜与黑胡椒素(含胡椒碱)同服以提升吸收率,也可选用已添加生物利用增强剂的配方。
    • 光果甘草长期大量使用可能引起假性醛固酮增多症(低血钾、高血压),故疗程建议不超过4周,或选用脱甘草酸的产品(如甘草黄酮)。
    • 若合并服用其他药物(尤其是抗凝药、降糖药),需间隔2小时以上以避免相互作用。

    总结

    1. 核心优势: 本配方整合了8种经PubMed文献验证与胃溃疡正相关度较高的成分,覆盖抗炎、抗氧化、保护黏膜、促进愈合、抗菌(尤其Hp)及免疫调节等多条通路,形成多靶点协同效应,相比单一成分更可能提升疗效。
    2. 必选成分的突出地位: 芦荟、猴头菇、姜黄素和橙皮苷作为必选成分,其相关度及循证依据充分,配方中均予以足量保留。
    3. 安全注意事项:
      • 对蜂蜜过敏者禁用;糖尿病患者需慎用蜂蜜,并监测血糖。
      • 锌过量可能导致恶心、铜缺乏,每日上限不超过40 mg。
      • 光果甘草有升血压作用,高血压、低血钾患者慎用,或选择脱甘草酸产品。
      • 孕期、哺乳期及儿童使用前应咨询医生。
    4. 服用建议: 所有成分建议随餐或餐后服用以减少胃部刺激(蜂蜜除外),蜂蜜宜空腹服用以发挥最大抗菌作用。持续服用4-8周后评估效果,必要时调整方案。
    5. 个体化调整: 胃溃疡病因多样,若存在明确Hp感染,建议联合标准三联或四联疗法;若由NSAIDs引起,应停用相关药物并配合质子泵抑制剂。本配方可作为辅助手段,不可替代规范治疗。

    如有任何疑问或需要进一步优化,请随时告知。


  • 有人可能会说,现在大语言模型的能力那么强,我直接让大语言模型给我设计一个胃溃疡配方不行吗?当然可以。你可以使用各种大语言模型(包括ChatGPT、Gemini、DeepSeek、豆包等等)并尝试不同的提示词来生成胃溃疡的补充剂配方。

  • 但最终你会发现单纯用大语言模型生成配方的三大致命问题:

    一,幻觉。

    这无法避免。它是大语言模型在“语言生成”而非“事实证明”这一训练范式下的固有副产品,其采用的Transformer架构中的多头自注意力机制又进一步承载和放大了这种幻觉。比如,单纯只使用豆包来设计胃溃疡配方时,你会发现其生成的配方中经常会出现一个名为滑榆树皮粉(Slippery Elm)的成分,并声称其来源是北美红榆(Ulmus rubra)树皮。然而,在PubMed上你搜索不到Slippery Elm或Ulmus rubra与胃溃疡或胃酸有关的任何文献。

    二,平庸。

    单纯只使用大语言模型生成的配方非常平庸(有时完全无效)。因为大语言模型设计配方时,总是倾向于使用最常见且效用一般(有时完全没用)的补充剂,而不会使用最有效但可能不太常见的补充剂。因为大语言模型是基于概率分布生成输出的。它们总是在有限的知识激活范围内产生统计上最可能的答案——即使经过完整的PubMed文献训练,它们也无法对所有相关学术数据进行真正的全局遍历。

    简单的说,你可以这么理解,大语言模型在生成答案时,本质上是给出某个范围内概率最高的答案。首先,这个范围不是全局的;其次,该范围内概率最高的答案也并不意味着是该范围内的正确答案。

    这种算法机制使得大语言模型生成的配方看起来常常在主动避开最有效的物种和补充剂。

    三,随机。

    每次生成的配方都不一样。为了防止过拟合,提高泛化能力而不得不引入的随机性会导致每次生成的答案不一致。这使得针对完全相同的要求,每次生成的配方都不同,让人无所适从。