中医药复方网络药理学全流程专家技能

一、技能定位与核心能力

本技能是中医药复方网络药理学的全流程工作台，融合系统生物学、生物信息学与中药复方配伍理论，为"多成分-多靶点-多通路"研究提供标准化、可复现、科学严谨的完整解决方案。

核心能力矩阵：

二、触发场景

出现以下任一情形时加载本技能：

1. 中药复方/单味药/对药/天然产物的网络药理学研究设计、流程咨询
2. 成分筛选（OB/DL等）、靶点预测、疾病靶点获取的具体操作问题
3. PPI网络、成分-靶点-通路网络的构建、拓扑参数计算与核心靶点筛选
4. GO/KEGG/Reactome富集分析与结果解读
5. 分子对接（AutoDock Vina等）的参数设置、结合能判读与可视化
6. 网络药理学论文的选题、框架、撰写、图表制作、期刊选择与修回
7. 审稿人就网络药理学方法学提出质疑，需要应对策略
8. 国自然、省自然、教育厅项目等基金申请书中网络药理学部分撰写
9. 网络药理学的教学备课、课程设计、实验教学
10. 面向患者、公众或学生的网络药理学科普内容创作
11. 企业经典名方二次开发、医院制剂、中药新药研发中的网络药理学应用
12. 网络毒理学、多组学整合、分子动力学验证等扩展需求

三、标准研究工作流（十步法）

网络药理学研究的通用骨架。每一步的详细操作、工具与避坑要点见 references/workflow.md。

1. 问题定义与复方拆解：明确疾病模型、复方来源（经典方/自拟方/医院制剂）、组方结构（君臣佐使）、研究目标（机制探索/靶点发现/质量控制/二次开发）。复方研究必须交代成分合并去重策略。
2. 成分获取：TCMSP、HERB、ETCM、SymMap、BATMAN-TCM 等获取复方全部成分，记录数据库名称、版本、检索日期。
3. ADME 筛选：口服利用度 OB 与类药性 DL 是经典筛选维度（TCMSP 默认 OB≥30%、DL≥0.18），辅以 SwissADME、pkCSM 等进行结构规则与毒性预警。阈值必须有依据，必须讨论局限性（见 pitfalls.md）。
4. 靶点预测：SwissTargetPrediction（概率≥0.1）、PharmMapper、SEA、TargetNet 等多算法交叉预测，统一基因为 Gene Symbol。
5. 疾病靶点获取：GeneCards、OMIM、DisGeNET、TTD、CTD 获取疾病靶点；有组学数据时用 GEO/TCGA 差异分析（limma/DESeq2）获取真实表达靶点，证据等级更高。
6. 交集与网络构建：药物靶点与疾病靶点取交集；STRING 构建 PPI 网络（置信度≥0.4 为常用起点），Cytoscape 可视化；构建成分-靶点二分网络。
7. 拓扑分析与核心靶点：计算 Degree、Betweenness、Closeness 等中心性指标；cytoHubba 的 11 种算法（MCC、DMNC、BottleNeck 等）取交集锁定核心靶点。
8. 富集分析：GO 三大本体（BP/CC/MF）+ KEGG/Reactome 通路富集，clusterProfiler 或 Metascape，以 FDR/q<0.05 为显著性门槛。
9. 分子对接：选取关键成分与核心靶点，AutoDock Vina 计算结合能，常用判读阈值 -5.0 kcal/mol（提示结合）/-7.1 kcal/mol（提示较强结合），PyMOL 三维可视化。
10. 验证与升华：干实验验证（GEO 表达谱、ROC、生存分析）、湿实验验证（qPCR、WB、细胞功能实验、动物模型，需伦理审批）、分子动力学模拟、网络毒理学安全性评估；最后提炼科学假说并规范撰写。

四、场景路由表

根据用户请求类型，直接路由到对应资源：

五、关键参数速查表

六、核心数据库速查

各数据库的链接、特点、适用场景与注意事项详见 references/databases.md。

七、科学严谨性红线（强制执行）

1. 阈值必须报告依据：OB/DL、STRING 置信度、结合能等所有阈值必须在方法学中写明来源与理由，不得照抄默认值而不加说明。
2. 预测不等于证据：靶点预测结果是假说生成工具，全文措辞用"预测/潜在靶点"，禁止写成"作用靶点/已验证靶点"。
3. 核心靶点方法透明：报告筛选算法（cytoHubba 具体算法）、排序标准与取交集逻辑。
4. 富集不得过度解读：FDR<0.05 是统计学关联，不能推导因果；通路解读须结合复方功效与疾病机制。
5. 结合能仅作辅助：分子对接是计算模拟证据，结论强度必须与证据等级匹配，必须说明其局限性。
6. 数据溯源：所有数据库必须记录名称、版本号/网址、检索日期；检索策略应可复现。
7. 动物实验伦理：涉及动物实验必须声明伦理审批（IACUC 批号）并遵循 3R 原则。
8. 复方配伍论述：讨论成分合并策略与复方整体效应的关系，避免"成分堆砌"式解读。
9. 质量控制意识：讨论复方批次一致性、成分-效应关系对结论的影响。
10. 承认局限性：专设局限性讨论（靶点预测假阳性、数据库覆盖偏差、缺乏实验验证等）。

八、五分钟快速开始

用仓库自带示例数据跑通 4 个脚本（纯 Python 标准库，无需安装依赖）：

python scripts/network_topology.py assets/sample_data/edges_sample.csv --top 10 -o out/
python scripts/adme_filter.py assets/sample_data/ingredients_sample.csv --layered -o out/
python scripts/docking_summary.py assets/sample_data/docking_sample.csv -o out/
python scripts/target_overlap.py assets/sample_data/targets_drug.txt assets/sample_data/targets_disease.txt --names 药物 疾病 -o out/

各命令的预期输出与解读见 assets/sample_data/README.md；
输入格式与全部参数见 scripts/README.md。
人类视角的导览见顶层 README.md，版本历史见 CHANGELOG.md。

九、资源索引

references/（按需加载）

scripts/（直接执行）

assets/（复制即用）

十、输出规范

1. 交付研究设计时：输出技术路线（分步列出每步方法-数据库-参数-输出），并标注关键决策点与备选方案。
2. 交付代码时：给出可直接运行的完整代码，注明运行环境、依赖包与输入文件格式。
3. 交付论文内容时：遵循 IMRAD 结构，方法学可复现，讨论包含局限性小节。
4. 涉及参数建议时：同时给出"常用值+选择依据+调整空间"，不得只给数字。
5. 面向非专业受众时：先转化为通俗类比，再给出专业表述，确保科学准确不打折。