——从中药成分到靶点筛选，全流程实操教学 | 以黄芪-丹参-茯苓治疗心衰为例，科研小白也能快速上手！

【系列总览】

总主题：网络药理学实战教程

适用人群：中药药理学、网络药理学、分子机制研究人员，研究生及相关科研人员

平台工具：TCMSP、GeneCards、Swiss target prediction、UniProt、STRING、Cytoscape、AutoDock等

数据来源：药物成分数据库、疾病基因数据库、PPI网络、分子对接数据

网络药理学（Network Pharmacology）结合了系统生物学、网络分析与药理学原理，特别适用于多组分、多靶点的中药复方研究。本期，我们将以“黄芪-丹参-茯苓配伍治疗慢性心力衰竭（CHF）”为例，手把手带你完成药物成分及靶点筛选，为后续PPI网络和分子对接打下基础。

本期核心流程：

✅ 中药 → 成分 → 靶点 → 疾病靶点 → 交集分析

一、药物有效成分与靶点的筛选

1. TCMSP数据库初筛成分

打开TCMSP 网站，依次输入“黄芪”“丹参”“茯苓”，检索活性成分及其作用靶点。

初筛标准：

• OB（口服生物利用度）≥ 30%

• DL（类药性）≥ 0.18

将筛选结果导出或复制到Excel表格中保存

（注意新版可能需会员，旧版支持逐页复制）

 以此类推，收集复方中药的所有组分。

2. SwissADME二次筛选

访问SwissADME

以成分 “Mairin” 为例：

在网站PubChem中搜索“Mairin”，复制其 SMILES。

将复制的SMILES粘贴到SwissADME时，检查最前面不要有空格，点击Run。

运行结束出现分子信息，按GI absorption = “High”，Drug-likeness指标中 ≥ 3个“Yes”筛选，可知Mairin不符本次筛选。以此类推，可将所有分子的信息收集到一个表格中，为后续靶点预测做准备，如下图示例：

3. Swiss Target Prediction预测靶点

• 打开 SwissTargetPrediction

• 输入有效成分SMILES结构，获取潜在靶点并导出；

• 筛选 Probability > 0.1 的靶点，并保存至表格中。

• 以此类推，收集所有化合物靶点。

示例：

成分槲皮素（Quercetin, MOL000098），SMILES:C1=CC(=C(C=C1C2=C(C(=O)C3=C(C=C(C=C3O2)O)O)O)O)O

4. TCMSP靶点补充

将每个成分的MOLID输入TCMSP，再次预测靶点并整理；

整合SwissTargetPrediction和TCMSP两种来源的靶点，构建成分-靶点清单。

复制靶点信息收集，新版可一次性复制最多100条。

最终可得：收集复方中药各有效成分的两个数据的靶点，获得合并后的成分与靶点清单。

二、慢性心力衰竭（CHF）相关靶点获取

1. 多数据库检索

以“chronic heart failure”为关键词

推荐数据库：

•  GeneCards

• OMIM

• DisGeNET

• TTD

 示例操作（GeneCards）：

在GeneCards网站首页搜索框内，输入检索关键词“chronic heart failure”，得到检索结果后，点击导出。建议保留相关性评分较高的靶点（如GeneCards中Score > 10），合并所有靶点列表。

 2. 靶点标准化处理

将各个数据库收集的疾病靶点合并后导入Excel，去重、统一格式

• 建议统一为Gene Symbol

• 可借助 UniProt 做标准化转换

• 输出结果：CHF疾病靶点清单

三、药物靶点与疾病靶点交集分析

使用 Venny2.1 绘制交集图：

• 集合A：中药成分预测靶点合集

• 集合B：CHF相关疾病靶点合集

• 获取交集靶点 A ∩ B

• 可导出交集靶点清单，作为潜在作用靶点。

• 输出结果：潜在作用靶点清单 + Venn图可视化

  

在第2期中，我们将基于本期交集靶点，使用STRING数据库构建PPI网络，并借助Cytoscape进行可视化和核心蛋白筛选，敬请期待！