网络药理学（Network Pharmacology）
Overview
网络药理学是以系统生物学、网络科学和药理学为理论基础，研究"药物-成分-靶点-通路-疾病"多层次网络互作关系的学科。本技能把网络药理学从"零散的数据库操作"升级为可复现、可审计、可发表的标准流程：提供8步标准工作流、参数与阈值体系、数据库速查表、5个可执行分析脚本、报告/论文/科普模板，服务中药与民族药机制研究、药物重定位、网络毒理学、科普教学与成果转化全场景。
核心原则：网络药理学是"假设生成器"，不是"结论机器"。任何预测结果必须走向"预测—验证"闭环（分子对接 → 分子动力学 → 体外/体内实验）。执行本技能时须始终守住这一原则，不夸大预测结论的确定性。
一、核心理念与理论基石（速览）
| 维度 | 传统药理学（还原论） | 网络药理学（系统论） |
|---|---|---|
| 范式 | 一药一靶一病（one drug–one target–one disease） | 多成分–多靶点–多通路（polypharmacology） |
| 策略 | 单靶点高选择性 | 网络靶标（network target）、协同干预 |
| 方法 | 单一通路实验 | 组学 + 网络建模 + 计算预测 + 实验验证 |
| 适用对象 | 单成分化学药 | 中药/复方/民族药/多靶点药物/联合用药 |
三条核心网络：① 疾病分子网络（致病基因-通路-表型）；② 药物干预网络（成分-靶点-通路）；③ 药物-疾病映射网络（治疗靶点的重叠与网络邻近性）。
关键判据（药物-疾病网络邻近性 drug–disease proximity）：药物靶点与疾病基因在网络中的平均最短距离越近，治疗潜力越大——这是药物重定位的理论依据之一。
发展脉络：Andrew L. Hopkins 于 2007 年在 Nature Chemical Biology 提出 network pharmacology 概念；国内以李梢团队为代表提出"网络靶标"理论与中医证候生物网络研究范式，推动中医药网络药理学体系化。详细理论、算法与文献线索见 references/methodology.md。
二、适用范围与边界（务必先做适用性判断）
适用：
- 中药单味药、药对、复方、民族药（藏/蒙/维/苗/彝等）的物质基础与协同机制研究
- 单一天然活性成分（如小檗碱、槲皮素、姜黄素）的多靶点机制解析
- 西药老药新用（drug repurposing）、新适应症拓展、联合用药协同/拮抗预测
- 疾病分子网络解析、关键调控节点（hub gene）与通路模块识别
- 网络毒理学：毒性成分预警、器官毒性机制、安全性再评价
- 中药质量标志物（Q-marker）筛选与大品种二次开发
- 中药新药处方优化、组分中药设计、功效物质群辨识
- 教学、科普、培训与成果推广
不适用 / 局限（必须在报告与论文中明确声明）：
1. 不能替代实验验证——预测靶点假阳性率可观，仅构成假设；
2. 不能给出剂量-效应与暴露量关系——网络药理学不含 PK/PD 定量，需另行整合；
3. 数据库覆盖不全——民族药、地方习用药材、微量成分、未知代谢物常缺失；
4. 靶点预测受化学空间限制——新颖骨架化合物预测可靠性下降；
5. 不能证明因果——网络关联 ≠ 因果调控，需干预实验确证；
6. "网络靶标"易被滥用——避免脱离生物学意义的纯计算堆砌。
三、场景路由（先判定用户所处路径，再进入对应流程）
| 场景 | 触发信号 | 入口流程 | 关键资源 |
|---|---|---|---|
| A. 中药复方/单味药机制研究 | "某方治疗某病的网络药理学研究" | 完整8步法 | references/workflow-tcm.md |
| B. 单一活性成分机制 | "槲皮素/小檗碱抗肿瘤机制" | 精简流程（省去成分筛选，直接靶点预测） | references/workflow-tcm.md §精简版 |
| C. 西药/老药新用·药物重定位 | "某药能否用于某病""新适应症" | 药物靶点 × 疾病基因 + 网络邻近性 + 对接 | references/workflow-drug-repurposing.md |
| D. 网络毒理学/安全性 | "毒性成分""肝/肾毒性机制""安全预警" | 毒性成分-靶点-通路网络 + ProTox 预测 | references/workflow-drug-repurposing.md §毒理 |
| E. 数据分析与绘图（已有数据） | "帮我算PPI拓扑""做韦恩图""富集分析" | 直接调用 scripts/ |
各脚本 --help |
| F. 论文/报告写作与图表规范 | "怎么写""图表怎么排版""讨论怎么写" | 论文结构与图件清单 | references/report-paper-guide.md |
| G. 课题申报/基金标书 | "写标书""研究方案""技术路线" | 研究设计 + 方法学严谨性 + 创新点 | assets/report_template.md + references/report-paper-guide.md |
| H. 科普/教学/培训 | "讲清楚""做个课件""科普文章" | 通俗化叙事 + 图示 + 案例 | references/science-communication.md + assets/teaching_outline.md |
| I. 推广转化/二次开发 | "成果转化""产品介绍""院内制剂" | 价值主张 + 证据分级 + 合规边界 | references/science-communication.md §推广 |
> 多个场景叠加时，按 A/B/C/D 主线执行主流程，再用 F/G/H/I 输出对应产物。
四、标准工作流（8步法）
> 每一步均需记录：输入 → 数据库/工具 → 参数阈值 → 输出 → 质控点。全流程须保存原始检索结果（日期、版本、参数），保证可复现。
Step 1｜研究设计与假设构建
明确研究对象（方/药/成分）、疾病（建议给出标准诊断名 + ICD/MeSH 术语）、研究目的（机制阐释 / 重定位 / 毒性预警）、拟验证层级（计算 → 体外 → 体内）。
- 输出：研究假设一句话表述，如"X 方通过 A/B/C 核心成分调控 IL6、TNF、AKT1 等靶点，干预 PI3K-Akt 与 NF-κB 通路发挥抗 Y 病作用"。
- 质控点：疾病名称须统一，避免同义词漏检；建议同时用中英文检索。
Step 2｜化学成分收集与 ADME 筛选
来源：TCMSP、HERB、ETCM、SymMap、TCMIP、文献补充、自建 LC-MS 成分表。
- 核心筛选阈值（TCMSP 体系，应用最广）：OB ≥ 30% 且 DL ≥ 0.18
- 可选补充：Caco-2 ≥ −0.4（肠道吸收）、HL（半衰期）偏长者优先、BBB（中枢研究时纳入）
- 已有实测成分（LC-MS/血清药物化学）优先于预测成分
- 输出：活性成分表（Mol ID、名称、分子式、MW、OB、DL）
- 质控点：OB/DL 阈值会滤掉真实有效成分（如多糖、苷类中难吸收但可经肠道菌群代谢者）。须在讨论中说明该局限，必要时补充"低 OB 但文献报道有效"成分。
Step 3｜成分靶点预测与标准化
来源：TCMSP 靶点、SwissTargetPrediction（probability ≥ 0.1 或取 Top 15/100）、BATMAN-TCM（score ≥ 20）、PharmMapper（fit score 靠前）、SuperPred、HERB、ChEMBL、STITCH。
- 强制步骤：统一转换为 Gene Symbol（HGNC 官方符号），用 UniProt ID mapping 或 scripts/target_qc.py 清洗。
- 建议多库交叉取并集或交集，并记录来源。
- 输出：成分-靶点对应表（去重、去空、标准化）
Step 4｜疾病靶点获取
来源：GeneCards（建议 Relevance score ≥ 中位数或 ≥ 1，需注明）、OMIM、DisGeNET（score ≥ 0.1–0.2）、CTD、TTD、DrugBank、MalaCards、GEO 差异表达（|log2FC| ≥ 1 且 adj.P < 0.05）。
- 输出：疾病靶点表（含来源与打分）
- 质控点：GeneCards 结果随版本波动，须记录检索日期与数据库版本；大规模基因集建议设阈值控制假阳性。
Step 5｜交集靶点（Venn）识别核心靶点
取"成分靶点 ∩ 疾病靶点"，即潜在治疗靶点。
- 工具：scripts/target_intersect.py（输出交集列表 + 韦恩图 + 统计）
- 输出：共同靶点列表、韦恩图、成分-靶点映射
Step 6｜PPI 网络构建与拓扑分析
- 平台：STRING（combined_score ≥ 0.4 为默认中等置信度；严格研究建议 ≥ 0.7）；备选 GeneMANIA、BioGRID、IntAct、HIPPIE
- 可视化与计算：Cytoscape + CytoNCA（DC/BC/CC/EC/NC/LAC）、CytoHubba（MCC 为 hub 筛选首选算法，另可用 Degree/EPC/BottleNeck/Radiality）、MCODE（模块识别）、ClusterONE
- Hub 基因判据（常用）：DC ≥ 2×中位数（或取 Top 10–20），并用 MCC 交叉确认
- 工具：
scripts/ppi_topology.py（导入 STRING 边表，计算 5 种中心性 + 聚类系数 + 网络密度，输出 hub 排名与网络图） - 输出：PPI 网络图、拓扑参数表、hub 基因列表
- 质控点：去除孤立节点与自环；STRING 需选择正确物种（Homo sapiens）；hub 基因须结合生物学意义而非纯排名。
Step 7｜GO/KEGG 富集分析与通路网络
- 工具：Metascape、
clusterProfiler（R）、DAVID、Enrichr、g:Profiler、KOBAS 3.0、Reactome、WikiPathways - 统计：p < 0.05 且 FDR（BH 校正 q 值）< 0.05；关注富集因子（Rich factor = 命中基因数/该通路基因数）与命中基因数（建议 ≥ 3）
- 工具：
scripts/enrichment.py（支持 Enrichr 在线 API 与本地 GMT 超几何检验两种模式） - 输出：GO（BP/CC/MF）气泡图/柱状图、KEGG 气泡图/桑基图、"成分-靶点-通路"网络
- 质控点：KEGG 自 2024 年起部分数据下载转为订阅制，如遇访问受限，改用 KOBAS / clusterProfiler 的 KEGG API、Reactome、WikiPathways 或 MSigDB；富集结果须做多重检验校正并报告校正方法。
Step 8｜验证（形成闭环，缺此步骤论文难以通过）
- 分子对接：受体来自 RCSB PDB（优选含共晶配体、分辨率 ≤ 2.5 Å），配体来自 PubChem/TCMSP；软件 AutoDock Vina / AutoDock Tools / Schrödinger / MOE；判据：结合能 < −5 kcal/mol（有结合活性），< −7 kcal/mol（结合较强），并结合活性位点残基与氢键数判断；须做重对接验证 RMSD < 2 Å。工具 PLIP/LigPlot+/PyMOL 作图。
- 分子动力学（MD）：GROMACS/AMBER，常用 100 ns，分析 RMSD、RMSF、Rg、SASA、氢键数、结合自由能（MM-PBSA/GBSA），验证复合物稳定性。
- 实验验证：体外（CCK-8、流式、qPCR、WB、ELISA、免疫荧光）→ 体内（动物模型、给药剂量须有依据）→ 临床（标本验证、队列）。
- 质控点：对接结果 ≠ 活性证明，仅支持结合可能性；实验剂量须换算并说明依据（体表面积换算等）。
方法学升级路径（2025–2026 前沿，视需求叠加）：多组学整合（转录组/蛋白组/代谢组）、单细胞与空间转录组定位靶细胞、类器官与器官芯片验证、AI 图神经网络预测 DTI（DeepPurpose、GraphDTA 等）、网络毒理学与 ProTox 3.0、PBPK/PD 定量整合、中药知识图谱与大模型辅助假设生成。详见 references/methodology.md §前沿进展。
五、关键参数与阈值速查
| 类别 | 参数 | 常用阈值 | 说明 |
|---|---|---|---|
| ADME | OB（口服生物利用度） | ≥ 30% | TCMSP 体系核心指标 |
| ADME | DL（类药性） | ≥ 0.18 | 基于 DrugBank Tanimoto 评估 |
| ADME | Caco-2 通透性 | ≥ −0.4 | 可选补充 |
| ADME | BBB | 中枢研究纳入 | 血脑屏障通透 |
| 靶点预测 | SwissTargetPrediction | probability ≥ 0.1（或 Top 15/100） | 建议多库交叉 |
| 靶点预测 | BATMAN-TCM | score ≥ 20 | 中药专用 |
| 疾病基因 | GeneCards | Relevance score ≥ 1 或中位数 | 须记录版本/日期 |
| 疾病基因 | DisGeNET | score ≥ 0.1–0.2 | |
| PPI | STRING combined_score | ≥ 0.4（默认）/ ≥ 0.7（严格） | 需注明 |
| PPI | Hub 判据 | DC ≥ 2×中位数，或 MCC Top 10–20 | 多算法交叉 |
| 富集 | p 值与 FDR | < 0.05，BH 校正 | 须报告校正方法 |
| 富集 | 命中基因数 | ≥ 3 | 避免单基因通路 |
| 对接 | 结合能 | < −5（有结合）/ < −7（较强）kcal/mol | 需结合位点与氢键 |
| 对接 | RMSD（重对接） | < 2 Å | 方法可靠性验证 |
| MD | 模拟时长 | 常用 100 ns | 视体系调整 |
完整定义、计算公式、选值依据与争议见 references/parameters-metrics.md。
六、数据库与工具速查
| 类别 | 常用资源 |
|---|---|
| 中药成分与靶点 | TCMSP、HERB、ETCM、SymMap、TCMIP、BATMAN-TCM、TCMID |
| 成分理化/化合物 | PubChem、ChEMBL、ZINC |
| 靶点预测 | SwissTargetPrediction、PharmMapper、SuperPred、SEA |
| 疾病基因 | GeneCards、OMIM、DisGeNET、CTD、TTD、DrugBank、MalaCards、Orphanet |
| PPI | STRING、BioGRID、IntAct、GeneMANIA、HIPPIE、DIP |
| 通路与功能 | KEGG、Reactome、GO、WikiPathways、MSigDB、DAVID、Metascape、Enrichr、g:Profiler、KOBAS |
| 表达与临床 | GEO、TCGA/GEPIA2、cBioPortal、GTEx、HPA |
| 结构与对接 | RCSB PDB、AlphaFold DB、AutoDock Vina、AutoDockTools、PyMOL、Discovery Studio、PLIP、LigPlot+ |
| MD 模拟 | GROMACS、AMBER、NAMD、gmx_MMPBSA |
| 毒理与安全性 | ProTox 3.0、CTD、TOXRIC、Open TG-GATEs、admetSAR、pkCSM |
| miRNA/非编码调控 | miRDB、TargetScan、miRWalk、starBase、LncBase |
| 网络可视化 | Cytoscape（CytoNCA、CytoHubba、MCODE、ClueGO、NetworkAnalyzer）、Gephi、igraph/networkx |
全部网址、访问要点、注意事项与替代方案见 references/databases.md。
七、脚本工具（scripts/）
安装依赖：pip install -r requirements.txt（先跑 python check_env.py 自检）。
一键流水线（推荐首选）
| 脚本 | 功能 | 典型命令 |
|---|---|---|
np_pipeline.py |
一条命令跑完全流程：清洗→交集→PPI→富集→（可选）成分-靶点网络→生成 analysis_report.md（含"参数—版本—日期—命令"四要素） |
python np_pipeline.py --compound-targets drug.csv --disease-targets dis.csv --fetch-string --enrichr -o out/ |
check_env.py |
环境自检：依赖、中文字体、数据库可达性、可用能力清单 | python check_env.py |
> 离线场景：--gmt pathways_gmt.txt 替代 --enrichr；--string-edges edges.tsv 替代 --fetch-string。
分步脚本（精细控制时使用）
| 脚本 | 功能 | 典型命令 |
|---|---|---|
target_qc.py |
靶点清洗与标准化（去重/去空/排序/UniProt ID 映射） | python target_qc.py -i targets.txt -o clean.csv |
target_intersect.py |
多组靶点交集 + 韦恩图 + 统计报告（支持 2–N 组） | python target_intersect.py -a drug.txt -b disease.txt -o out/ |
ppi_topology.py |
导入 STRING 边表，计算 DC/BC/CC/EC/PageRank/聚类系数/MCC，筛选 hub，输出网络图 | python ppi_topology.py -e string.tsv -o out/ --top 20 |
enrichment.py |
GO/KEGG 富集（Enrichr 在线、多库批量、本地 GMT 离线三模式），输出气泡图 | python enrichment.py -g genes.txt --libraries KEGG_2021_Human GO_Biological_Process_2023 -o out/ |
compound_target_network.py |
构建"中药-成分-靶点"网络，输出节点度、关键成分/靶点评级与网络图 | python compound_target_network.py -i herb_compound_target.csv -o out/ |
fetch_data.py |
在线取数：STRING PPI / UniProt ID 映射 / PubChem 化合物 / Enrichr 库列表 | python fetch_data.py string -i genes.txt -o edges.tsv --min-score 0.4 |
docking_report.py |
对接结果批量评估：解析 Vina 输出，按 −7/−5 kcal/mol 分级，输出汇总表+柱状图+可写入论文的解读文本 | python docking_report.py -i docking_dir/ -o out/ |
通用能力：
- 输入支持 txt / csv / tsv / xlsx / xls（xlsx 需 openpyxl），自动识别中英文列名（靶点/target/gene/symbol、中药/herb、成分/compound）；
- 边表兼容 5 种格式：STRING API 原生（stringId_A/preferredName_A，自动取基因符号而非 ENSP ID）、STRING 网页导出（#node1）、无表头 TSV、空格分隔、CSV；
- 兼容含空格与中文的路径、BOM 与 CRLF 文件；
- 依赖缺失时降级运行并给出安装提示；异常以中文提示退出，不抛出原始 traceback；
- 富集支持 --libraries 一次跑完 KEGG + GO 三支，输出分库文件与汇总表。
各脚本均支持 --help；输出统一为 CSV/TSV（utf-8-sig，Excel 打开不乱码）+ PNG（300 dpi）+ 控制台摘要，便于直接进入论文图表。
示例数据：examples/ 提供一套完整演示数据（成分靶点、疾病靶点、成分-靶点长表、本地 GMT、对接汇总表），3 分钟可跑通全流程；详见 examples/README.md（演示数据不可用于发表）。
八、质量红线（常见错误与审稿质疑应对）
- 只做计算不验证——必须设计至少一层验证（对接/体外/体内）。
- 阈值不交代或随意更改——OB/DL、STRING score、GeneCards 阈值须在方法学明确写出并给依据。
- 靶点未标准化——UniProt/Gene Symbol 混用、同物异名未合并，导致交集失真。
- 未做多重检验校正——富集分析必须 BH 校正并报告 q 值。
- 数据库版本与检索日期缺失——影响可复现性，须记录。
- hub 基因只看度数——建议 DC + MCC + BC 多算法交叉，并结合疾病背景。
- 对接结果过度解读——结合能低不等于有效，须报告结合位点、氢键、RMSD 与阳性对照。
- 混淆相关与因果——"网络预测"措辞须谨慎，避免"证明""阐明"等绝对化表述。
- 成分筛选漏掉关键物质——OB/DL 阈值局限须在讨论中说明，可用实测成分补充。
- 忽视物种与组织语境——STRING 物种、靶点组织表达（GTEx/HPA）须核对。
审稿人高频质疑与逐条应答模板见 references/faq-reviewer.md。
九、资源索引
references/（按需加载）
- methodology.md——理论体系、发展脉络、核心算法、前沿进展、文献线索
- databases.md——数据库与在线工具全表（网址、用途、访问要点、替代方案）
- parameters-metrics.md——参数与指标完整定义、计算式、选值依据与争议
- workflow-tcm.md——中药/复方/单成分标准操作流程（含脚本命令与流程图）
- workflow-drug-repurposing.md——药物重定位与网络毒理学流程
- report-paper-guide.md——论文结构、图件清单、报告撰写规范、方法学要求
- faq-reviewer.md——常见问题、审稿质疑应答、方法学合规清单
- science-communication.md——科普/教学/培训/推广场景的叙事框架与合规边界
scripts/——8 个可执行脚本（见第七节）：np_pipeline.py（一键流水线）、check_env.py（环境自检）、target_qc.py、target_intersect.py、ppi_topology.py、enrichment.py、compound_target_network.py、fetch_data.py、docking_report.py
assets/
- report_template.md——网络药理学研究报告/结题报告模板
- paper_outline.md——论文写作提纲与图件清单模板
- teaching_outline.md——科普讲座与教学课件大纲模板
examples/——完整演示数据（成分靶点、疾病靶点、成分-靶点长表、本地 GMT、对接汇总表）+ 3 分钟跑通指南
requirements.txt——依赖清单（分必需/推荐/可选三级，脚本缺失时自动降级）
十、执行要求
- 先结论后展开：回答网络药理学问题时先给出判断/结论，再展开依据。
- 不确定即声明：数据库访问受限、靶点无文献支持、参数存在争议时，明确说明不确定性与替代方案，不编造数据。
- 可复现优先：每次分析输出"参数—版本—日期—脚本命令"四要素。
- 守住验证闭环：任何机制结论都须附带验证路径建议，并标注当前证据等级（预测 / 对接 / 体外 / 体内 / 临床）。
