解螺旋公众号·陪伴你科研的第1855天
中药复方是中医防病治病的主要形式，具有多成分、多靶点的特点。基于系统生物学与系统药理学的网络药理学的分析，对于我们研究中药药效具有指导意义 。
网络药理学是基于药物与药物之间在结构、功效等方面的相似性，并考虑到机体内靶标分子、生物效应分子的多种相互作用关系，通过构建药物-药物、药物-靶标等网络，来预测药物的功效以及特定功效对应的药物。
中药网络药理学的分析思路一般有两类：
其一，基于网络药理学的某中药/方剂治疗某疾病/改善某表型的分子机制研究。
这类研究，侧重于整体研究，不需要做实验，基于公共数据库、文本挖掘、软件分析、高通量测序的分析，可以独立成一篇1-3分的SCI文章。
其二，某中药/方剂通过某某基因调节某某通路治疗某某疾病/表型的研究。
这类研究，侧重于细节研究，把网络药理学当做筛选靶基因、通路的手段，再用常规的分子生物学、细胞生物学的技术加以验证。这类文章，如果研究细节到位，可以冲击3-10分作用的SCI期刊。
1
中药网络药理学整体研究流程
①从要研究的方剂/中药中获得有效成分
②根据有效成分预测靶基因
③根据疾病/表型获得对应的靶基因
④将有效成分对应的靶基因与疾病表型对应的靶基因取交集
⑤构建中药/方剂-有效成分-靶基因-疾病网络
⑥构建靶基因之间的蛋白互作网络、构建有效成分之间的药物互作网络
⑦对获得的网络进行分析，常见的包括GO分析（分子功能分析）、KEGG分析（分子通路分析）。
⑧分子结合验证（验证药物化学成分与分子靶点，分子与分子之间的相互结合）
⑨根据自身实验条件，选择性地从实验验证的角度，在动物水平、组织水平、细胞水平、分子水平、临床水平、生信分析六个层面，通过体内验证、体外验证、生信分析三类技术手段进行进一步进行验证。
2
中药网络药理学常用数据挖掘工具及数据库
① 常用数据库
疾病数据库——预测疾病对应的靶点及相关分析
OMIM数据库 http://www.omim.org/
PharmGkb 数据库 http://www.pharmgkb.org/
GAD数据库 http://geneticassociationdb.nih.gov/
Drugbank 数据库 http://www.drugbank.ca/
TTD 数据库 (Therapeutic Target Database) http://db.idrblab.org/ttd/
蛋白互作数据库
STRING数据库 https://string-db.org/
BioGRID数据库 https://thebiogrid.org/
化学药物与蛋白互作——STRING数据库的孪生姐妹，中药单体成分/化合物靶点预测
STITCH数据库 http://stitch.embl.de/
CTD数据库 (Comparative Toxicogenomics Database) http://ctdbase.org/
基因互作预测数据库
GeneMANIA数据库 http://www.genemania.org
化学结构搜索的数据库
Pubchem数据库 https://pubchem.ncbi.nlm.nih.gov/
蛋白分子数据库
Uniprot数据库 https://www.uniprot.org/
PDB数据库 https:// www.rcsb.org/#Category-search
中药数据库——中药方剂有效成分的查找、筛选和分析
TCMSP数据库 http://5th.tcmspw.com/tcmsp.php
BATMAN-TCM数据库 http://bionet.ncpsb.org/batman- tcm/
功能富集分析数据库——分子功能和信号通路
David https://david.ncifcrf.gov/
KEGG https://www.kegg.jp/
WebGestalt http://www.webgestalt.org/
高通量分析数据库
GEO 数据库 https://www.ncbi.nlm.nih.gov/gds/
TCGA数据库 http://www.tcga.org/
分子对接数据库
systemsDOCK http://systemsdock.unit.oist.jp/iddp/home/index
CPI-BIO http://cpi.bio-x.cn/drar/
PharmMapper https://omictools.com/pharmmapper-tool
②常用分析软件
Cytoscape
③ 常用的编程语言
R语言
Perl语言 （不必须）
3
网络药理学分析四步走
下面给大家解构一篇2019年发表在Drug Design, Development and Therapy的一篇中药网络药理学文章Systematic elucidation of the mechanism of geraniol via network pharmacology，影响因子2.9。
本研究的主变量牻牛儿醇，从芳香植物精油提取出来的有效成分。
根据摘要，我们可以得到这些信息：作者应用了TCMSP数据库、TCD数据库，进行了GO和KEGG富集分析，建立了药物-靶点-通路的分子网络。是不是看上去很简单，也不需要任何编程技巧呢？我们来看看具体作者是如何操作的。
Figure 1 介绍了牻牛儿醇的分子结构和文章整体的设计框架。作者在Pubchem数据库中下载到牻牛儿醇的分子结构。B图是文章的设计框架，首先作者确定了牻牛儿醇的研究主变量，接下来对牻牛儿醇的吸收、分布、代谢和排泄进行定性分析，用CTD数据库筛选出可能的作用靶点；对得到的靶点进行GO分析和KEGG分析；构建化学成分-靶点-通路之间的网络图。
Table 1 作者在CTD数据库中通过筛除非人源靶基因和设置阈值
chemical-gene interaction >1,筛选到了38个潜在靶点基因。
Figure 2 作者通过geneMania数据库对38个靶点基因的相互作用关系、性质进行进一步分析。
Figure 4 作者通过WebGestalt数据库对靶点基因进行GO和KEGG富集分析（上图显示的KEGG富集分析结果）
Figure 5 作者将之前得到的信息导入cytoscape软件，进行可视化处理，最终构建了化学成分-靶点-通路网络。
这就是一个2-3分的SCI文章的工作量。小伙伴看到这里有没有很心动呢，简单几下操作，零编程技巧，就能出一篇文章。是不是也想着手设计个中药网络药理学的课题呢？着手试一试吧~
— END—
生信系列
寻找ceRNA网络哪家强，starBase帮你忙！
干货 | 如何更准确地为miRNA找基友
干货 | StarBase中miRNA与其他非编码RNA的互作检索
点下“在看”，多根头发返回搜狐，查看更多
