2.1 · 网络药理学基础与 Cytoscape 网络构建

0. 小白导读：网络药理学到底是什么？

如果你是零基础，先别被"网络药理学"这个高大上的名字吓到。用大白话说：

• 传统药理学研究"一种药 → 一个靶点 → 一种病"，像"一把钥匙开一把锁"。
• 网络药理学研究"一个方子里的很多成分 → 很多靶点 → 很多通路 → 很多病"，像"一张密密麻麻的快递物流网"。

为什么学它？ 你的研究方向之一是"网络药理学"，这是中药现代化研究最主流的"开场白"方法——几乎所有中药复方 SCI 论文的第一张图，都是网络药理学分析图。学会它，你就掌握了中药研究的"通用入场券"。

1. 网络药理学研究总流程

网络药理学虽然工具多、步骤多，但主线只有一条，可以概括为"五步走"：

中药成分筛选 → 成分靶点预测 → 疾病靶点获取 → 交集/网络分析 → 富集分析
   (ADME)         (SwissTarget)     (GeneCards)      (STRING/Cytoscape)   (GO/KEGG)

五步对应的问题与工具速览：

2. 中药活性成分筛选（ADME）

截图

2.1 为什么要筛选？

一味中药里有几十上百种化学成分，但不是所有成分都能成为"药"。一个成分要口服起效，得先过"吸收、分布、代谢、排泄"这几关——这就是 ADME：

• Absorption（吸收）：吃进去能不能被肠道吸收？
• Distribution（分布）：吸收后能不能到达病灶？
• Metabolism（代谢）：会不会被肝脏迅速代谢掉？
• Excretion（排泄）：会不会太快被排出去？

2.2 两个核心筛选指标：OB 与 DL

网络药理学论文中最常用的两个"通关标准"是：

• OB ≥ 30%：说明这个成分口服后"能进到血里"，有机会起效。
• DL ≥ 0.18：说明这个成分"长得像药"，有成为药物的潜质。

2.3 工具：TCMSP 及其替代数据库

TCMSP（中药系统药理学数据库）是网络药理学的"第一站"，提供中药成分、ADME 参数、靶点等信息。

• 新版地址：https://tcmsp-e.com/ （若打不开，可尝试旧版 https://old.tcmsp-e.com/tcmsp.php 或更换浏览器）
• 基本用法：搜索中药名（如"丹参 Salvia miltiorrhiza"）→ 查看成分列表 → 按 OB/DL 阈值筛选 → 导出成分及其靶点。

3. 成分靶点预测

截图

筛选出活性成分后，下一步要知道：这些成分会作用在哪些蛋白（靶点）上？

3.1 三大靶点预测工具

SwissTargetPrediction 使用要点： 1. 输入成分的 SMILES 结构式（可从 TCMSP 或 PubChem 获取）。 2. 物种选择 Homo sapiens（人类），因为我们要研究的是人体疾病。 3. 提交后得到靶点列表，按概率（Probability）从高到低排序。 4. 一般取 Probability > 0 或排名靠前的靶点；更严格可设阈值（如 Probability > 0.5）。

3.2 靶点标准化：UniProt 基因名

不同数据库返回的靶点名称格式不统一（有的是蛋白名、有的是基因名、有的是 ID），必须统一转换成"官方基因名"，否则后面合并分析会乱套。

• 工具：UniProt（https://www.uniprot.org/）的 Retrieve/ID mapping 功能
• 操作：粘贴靶点列表 → 选择"从蛋白名/ID 转成基因名" → 下载结果
• 产出：一张"成分 → 基因名"的对照表，去重后得到成分靶点基因列表

4. 疾病靶点获取

知道了"药"的靶点，还要知道"病"的靶点——这个疾病和哪些基因有关？

4.1 三大疾病靶点数据库

GeneCards 使用要点： 1. 搜索疾病英文名（如 "myocardial infarction"）。 2. 得到基因列表，按 Relevance score（相关度）排序。 3. 一般取 Relevance score > 中位数（或按论文惯例取前若干）的基因作为疾病靶点。 4. 导出基因名列表，同样用 UniProt 标准化。

5. 药物-疾病交集分析

现在手里有两份名单： - 成分靶点（药能作用的蛋白） - 疾病靶点（病相关的基因）

两者"撞车"的部分，就是药物-疾病交集靶点——这些靶点既被中药成分作用，又和疾病相关，是网络药理学的"核心研究对象"。

5.1 工具：Venny / Jvenn

• Venny：https://bioinfogp.cnb.csic.es/tools/venny/ （经典在线工具）
• Jvenn：https://jvenn.toulouse.inra.fr/app/example.html （交互式）

用法：把两份基因列表分别粘贴进两个圈 → 点击提交 → 得到韦恩图 → 点击中间交集区域，导出交集基因列表。

成分靶点                    疾病靶点
    ┌──────────────┐          ┌──────────────┐
    │              │  交集靶点  │              │
    │    A         │◄────────►│      B       │
    │              │   (核心)   │              │
    └──────────────┘          └──────────────┘

6. PPI 蛋白互作网络构建

截图

交集靶点不是孤立的——蛋白之间会"互相认识、互相配合"。PPI（Protein-Protein Interaction，蛋白-蛋白互作）网络就是把这些"认识关系"画成一张网。

6.1 工具：STRING 数据库

• 地址：https://string-db.org/
• 当前版本：STRING 12.5（2025 年更新，收录 5900 万+ 蛋白质、275 亿+ 条互作）

STRING 使用要点： 1. 粘贴交集靶点基因列表（物种选 Homo sapiens）。 2. 点击 Search → 得到 PPI 网络图。 3. 设置置信度阈值（confidence score，一般取 0.4 或 0.9，0.9 更严格）。 4. 导出数据： - TSV 格式（互作关系表，用于 Cytoscape 导入） - 网络图截图（用于论文）

7. Cytoscape 网络可视化与核心靶点筛选

截图

7.1 Cytoscape 是什么？

Cytoscape 是网络可视化的"行业标准"软件，把"谁和谁有关系"画成漂亮的网络图，还能做拓扑分析。

• 官网：https://www.cytoscape.org/
• 当前稳定版：Cytoscape 3.10.x（3.10.0 已正式发布）

7.2 基本操作流程

1. 导入数据：File → Import → Network from File，选择从 STRING 下载的 TSV 文件。
2. 美化网络： - 节点大小 = 度值（Degree，连接数越多越大） - 节点颜色 = 按拓扑指标渐变 - 布局：Layout → 选择 yFiles Organic / Circular 等
3. 拓扑分析（找核心靶点）：安装 CytoNCA 插件（Apps → App Manager → 搜索 CytoNCA），计算以下指标：

• 综合 Degree、Betweenness、Closeness 都高的节点 = 核心靶点（Hub 基因）。 4. 模块聚类：安装 MCODE 插件，对网络聚类，找出"抱团的功能模块"（往往对应蛋白复合物或功能通路）。

7.3 网络图的类型

网络药理学论文通常画三层网络图：

复方 → 中药 → 成分 → 靶点 → 通路

• 成分-靶点网络：中药成分与交集靶点的连接关系
• 靶点-通路网络：交集靶点与富集通路的连接关系
• 复方-成分-靶点-通路综合网络：把上面所有层叠在一起（本章交付物）

8. GO 与 KEGG 富集分析

拿到交集靶点后，最后一个问题：这些靶点主要在细胞里干什么活、走哪条信号通路？

8.1 两个核心概念

GO（Gene Ontology，基因本体）：把基因功能分成三大类——

KEGG（京都基因与基因组百科全书）：核心是通路数据库（Pathway），回答"这些靶点主要富集在哪些信号通路"（如 PI3K-Akt 信号通路、TNF 信号通路）。

8.2 四大富集分析工具

Metascape 使用要点： 1. 粘贴交集靶点基因列表 → 物种选 Homo sapiens → 提交。 2. 自动完成 GO BP/CC/MF 与 KEGG 富集，输出富集表（含 P 值、富集倍数）。 3. 下载结果表，用微生信或 ChiPlot 画气泡图（横轴富集倍数、纵轴通路名、气泡大小代表基因数、颜色代表 P 值）。

9. 完整流程案例：丹参治疗心肌梗死

AI 绘图

把前面所有步骤串起来，用"丹参治疗心肌梗死"走一遍完整流程（这也是你交付物的模板）：

论文里的"一句话解读"模板：

10. 常见坑

11. 练习与交付物

练习（必须亲手做）

1. 成分筛选：用 TCMSP 检索一味你感兴趣的中药（如"黄芪"），按 OB≥30%、DL≥0.18 筛选，导出活性成分表。
2. 靶点预测：取 3 个活性成分，用 SwissTargetPrediction 预测靶点，用 UniProt 标准化。
3. 疾病靶点：用 GeneCards 检索一个疾病（如"脑缺血 cerebral ischemia"），导出疾病靶点。
4. 交集分析：用 Venny 取成分靶点与疾病靶点的交集。
5. PPI 网络：用 STRING 构建交集靶点的 PPI 网络，导出 TSV。
6. 核心靶点：用 Cytoscape + CytoNCA 计算拓扑指标，找出 Top 10 核心靶点。
7. 富集分析：用 Metascape 做 GO/KEGG 富集，用微生信画气泡图。

交付物（验收标准）

12. 速查表

数据库与工具速查

关键参数速查

下一章：2.2 · 分子对接基础与 PyMOL 可视化