中药网络药理学分析
在前面的文章里，我们介绍了中药数据挖掘，见：
如果我们做硕士论文，以上内容可能单薄了一些，网络药理学是一个不错的选择，可瞬间让你的论文变得高大上，增加论文深度。本文就网络药理学进行简单的介绍，为了有别于一般论文，讲解的比较浅显易懂。
现代医学和传统中医药学之间的一个鸿沟就是目前对于中药的作用机制的理解和认识还比较模糊。基于系统药理学研究方法，整合了中药活性成分、潜在靶标、相关疾病以及药代动力学数据，构建了系统水平上的中药-人体作用网络，为从系统水平阐明中药靶标、研究中药作用机理、发现中药活性物质、进行老方优化和新复方配伍提供了基础，为现代中药研究带来了新的方法。本文以甘草、桑白皮、天门冬、知母、人参、地骨皮和橘红治疗特发性肺纤维化为例。
1、中药成分的查询
可得到各药物的成分，按照OB≥30%，DL≥0.18作为化合物分子的筛选条件，去掉那些不符合的的成分。这里列举了几个药物成分，具体见下表：
2、中药成分的靶点预测
我们在第一步的时候，只是得到了药物的主要成分，即候选化合物，需要对候选化合物进行靶点预测，为了便于后面基因名字的统一，还要查询UniProt id，由于UniProt id的唯一性，便于利用。可以看到，下表给出了地骨皮这味中药成分预测到的靶点对应的Gene symbol，Gene name，Protein name和UniProt id，这里面Protein name对下一步做分子对接比较重要，这个暂时不说，在下一篇文章里讨论。
3、特发性肺纤维化（IPF）疾病靶点筛选
通过各种数据库，检出与IPF相关的已知靶点共纳入3054个与IPF发生发展相关的靶点。靶点太多，就不一一列出。
4、取药物靶点和疾病靶点的交集
利用R 语言得出甘草、桑白皮、天门冬、知母、人参、地骨皮和橘红潜在靶点和IPF相关靶点交集，由此筛选到88个交集核心靶点。当然，这个交集的可视化可以用韦恩图来表示，比如（只是展示，并不是此次分析的图）。
PPI分析即蛋白质互作用网络分析，可以看出共有88 个节点，1790条边，平均节点度为40.7，网络节点代表靶点蛋白，线条代表靶点蛋白之间的联系，线条越粗表示关联程度越大。当然，也可以用egree, betweenness centrality, average shortest pathlength 和closeness centrality 这四个参数为参考标准，通过degree 排序，选取出关键靶点，便于下一步做分子对接。
6、药物-化合物-靶点-疾病网络构建
利用Cytoscape 3.7.1 将88个靶点、142个化合物、7个中药和疾病(IPF)导入以构建中药-化合物-靶点-疾病网络，见下图。网络中共包含238个节点(87个核心靶点节点以及142个化合物节点、7个中药和1个疾病(IPF)节点)。其中蓝色菱形节点代表化合物，红色长方形形节点代表靶点，绿色三角形代表药物，粉色椭圆形代表疾病。由此可见，网络中存在一个化合物与多个靶点的相互作用，同时也存在不同化合物相互作用于同一靶点，体现了中药多成分、多靶点治疗IPF的共同作用机制。
7、GO分析
GO 功能分析主要用于描述基因靶点的功能，其中包括细胞功能、分子功能和生物功能。以 P<0.05 表示具有统计学意义。这里只列出总的，实际上，可以分三个过程进行描述，具体见图和表：
8、KEGG分析
用R软件进行KEGG分析，具体图表见下面：
还可以画出各个通路图：
大概就这么个流程，如果还要进一步做，比如，您是博士论文，那就可以考虑再加一个分子对接，留到下一篇文章里再介绍吧！
