網(wǎng)絡(luò)藥理學(xué)是基于系統(tǒng)生物學(xué)的理論，用生物信息學(xué)和網(wǎng)絡(luò)分析方法對生物系統(tǒng)進(jìn)行分析,，從系統(tǒng)水平研究藥物作用機(jī)制,、進(jìn)行多靶點(diǎn)藥物分子設(shè)計的新興交叉學(xué)科。中藥網(wǎng)絡(luò)藥理學(xué)從系統(tǒng)的角度和分子水平研究中藥方劑的治療機(jī)理,。多年來,，相關(guān)領(lǐng)域的研究開發(fā)了許多數(shù)據(jù)庫和工具，對中藥網(wǎng)絡(luò)藥理學(xué)的研究具有重要意義,。本文介紹一篇綜述：

Jing Zhao, Jian Yang, Saisai Tian, Weidong Zhang.A survey of web resources and tools for the study of TCM network pharmacology. Quantitative Biology, 2019,Vol 7, Issue 1, pp 17–29.

https://link./article/10.1007/s40484-019-0167-8

這期介紹干貨多多,，請同學(xué)們先收藏再學(xué)習(xí)～

中藥網(wǎng)絡(luò)藥理學(xué)要解決的一個核心問題是，如何在疾病相關(guān)網(wǎng)絡(luò)的背景下,，評價中藥的多成分,、多靶點(diǎn)的協(xié)同作用。根據(jù)中藥方劑成分復(fù)雜,、靶點(diǎn)不清,、以全面調(diào)節(jié)的方式干預(yù)復(fù)雜疾病的特點(diǎn)，研究者們提出了一些中藥網(wǎng)絡(luò)藥理學(xué)的研究路線,，如圖1就是一個典型的中藥復(fù)方研究的網(wǎng)絡(luò)藥理學(xué)路線圖,。這個路線圖包括數(shù)據(jù)獲取和網(wǎng)絡(luò)分析兩大部分。需要獲取的數(shù)據(jù)包括中藥方劑的有效活性成分、活性化合物的靶點(diǎn)和疾病相關(guān)基因等,?；谶@些數(shù)據(jù)，構(gòu)建和分析疾病相關(guān)網(wǎng)絡(luò),、藥物影響網(wǎng)絡(luò),，識別疾病和藥物影響的信號通路和生物學(xué)過程，能幫助我們闡明中藥方劑的作用機(jī)制,。

    圖 1中藥復(fù)方研究的網(wǎng)絡(luò)藥理學(xué)路線圖.

本綜述介紹中藥網(wǎng)絡(luò)藥理學(xué)研究用到的各種數(shù)據(jù)庫和工具,，包括中藥數(shù)據(jù)庫、藥物靶標(biāo)數(shù)據(jù)庫,、疾病基因數(shù)據(jù)庫、靶標(biāo)預(yù)測工具,、網(wǎng)絡(luò)構(gòu)建和分析工具,、功能分析工具等，所介紹的數(shù)據(jù)庫和工具全部是公開,、免費(fèi)的,。

一、中藥數(shù)據(jù)庫

一個中藥復(fù)方通常由許多天然產(chǎn)物組成,，如草藥,、動物藥和礦物藥，每一種都含有大量的化學(xué)分子,。復(fù)方中的活性化合物與特定疾病相關(guān)的功能失調(diào)蛋白相互作用,，從而治療該疾病。因此,，對中藥有效成分及其作用靶點(diǎn)的鑒定,，對于深入了解中藥方劑的作用機(jī)理具有重要意義。目前已經(jīng)建立了若干數(shù)據(jù)庫,，提供有關(guān)中藥的各方面信息,，包括疾病、方劑,、草藥或天然產(chǎn)物,、生物活性成分和靶點(diǎn)。這些數(shù)據(jù)庫成為中醫(yī)藥與現(xiàn)代生物醫(yī)學(xué)之間的橋梁,，在中藥藥理學(xué)研究中發(fā)揮了重要作用,。本節(jié)介紹一些免費(fèi)的中藥數(shù)據(jù)庫。表1列出了這些數(shù)據(jù)庫的基本情況,。

 本文介紹的中藥數(shù)據(jù)庫見下表,。

1. TCMSP：

http:///tcmsp.php

TCMSP包括中國藥典中的499種中藥，共29384種成分，3311種靶點(diǎn),，837種相關(guān)疾病,。藥物靶點(diǎn)來自HIT數(shù)據(jù)庫和預(yù)測算法SysDT，疾病信息來自TTD數(shù)據(jù)庫和PharmGKB,。這個數(shù)據(jù)庫提供化合物的藥代動力學(xué)信息,，如藥物相似性（DL）、口服生物利用度（OB）,、人體腸吸收（HIA）,、血腦屏障（BBB）、腸上皮通透性（Caco-2）,、ALogP,、FASA-和H-鍵供體/受體數(shù)量（Hdon/Hacc）。因此,，使用者可以選擇具有良好藥物相似性和ADME（吸收,、分布、代謝,、排泄）特性的化合物,，進(jìn)行進(jìn)一步的研究。

2.TCMID：

http://www./tcmid/

TCMID提供有關(guān)中藥復(fù)方,、草藥和草藥化合物的信息,，以及疾病和西藥信息。這個數(shù)據(jù)庫是通過集成以前的數(shù)據(jù)庫和文本挖掘而構(gòu)建的,。其中,，中藥復(fù)方是通過文本挖掘收集的；中藥是從TCM-ID數(shù)據(jù)庫和文本挖掘獲取的,；中藥成分是通過文本挖掘并結(jié)合其他中藥數(shù)據(jù)庫（包括TCM@Taiwan,、TCM-ID和HIT）獲得；疾病及其相關(guān)基因來自DrugBank和OMIM,。

3.HIT：

http://lifecenter./hit/

HIT是一個人工注釋的數(shù)據(jù)庫,，包含了中草藥中化合物的蛋白質(zhì)靶標(biāo)信息，這些信息是通過人工整理3250多篇文獻(xiàn)獲得,。HIT包括1300多種中草藥, 586種草藥化合物,以及1301個靶標(biāo)蛋白,。

4.TCM@Taiwan：

http://tcm.

TCM@Taiwan提供了從中醫(yī)文獻(xiàn)和科學(xué)出版物中收集的453種中藥中的61000種化合物的信息。

5.NPACT：

http://crdd./raghava/npact/

NPACT是一個人工注釋的植物衍生化合物數(shù)據(jù)庫,，收集了從762篇論文中的具有抗癌活性的植物化合物,。共含有對353個癌細(xì)胞系、284個癌癥相關(guān)蛋白靶點(diǎn)具有作用的1574個化合物,，以及1980個經(jīng)實(shí)驗(yàn)驗(yàn)證的化合物-靶標(biāo)相互作用,。對于每種化合物,，它提供了它的結(jié)構(gòu)、性質(zhì),、針對的癌癥類型,、細(xì)胞系、抑制值（IC50,、ED50,、EC50、GI50）,、分子靶標(biāo),、商業(yè)供應(yīng)商、以及化合物的藥物相似性的信息,。

6.CancerHSP：

http://ibts./LSP/CancerHSP.php

CancerHSP收錄了2439種抗癌草藥中所含有的3575種抗癌化合物,，以及它們的靶標(biāo)共832個。靶標(biāo)是通過文本挖掘或預(yù)測得到的,。還提供了這些抗癌化合物對于492種不同癌細(xì)胞系的抗癌活性,。數(shù)據(jù)庫還顯示了每個化合物的分子結(jié)構(gòu)和9個關(guān)鍵的ADME參數(shù)。

7.NPASS：

http://bidd2./NPASS

NPASS提供了天然產(chǎn)物的物種來源和生物活性方面的詳細(xì)信息,。該數(shù)據(jù)庫收錄了35032種不同的天然產(chǎn)物（即化合物），它們來自25041個物種—其中植物16581種,、細(xì)菌1675種,、后生動物2503種、真菌2107種,。數(shù)據(jù)庫收錄了這些化合物的靶標(biāo)共5863個,，其中2946個是蛋白靶標(biāo)。它還包括其他種類的靶標(biāo),，如有機(jī)體和細(xì)胞系,。

二、藥物靶標(biāo)數(shù)據(jù)庫

目前免費(fèi)中藥數(shù)據(jù)庫中的靶標(biāo)信息太少,，無法滿足中藥研究的需要,。因此，有必要利用其他資源,。有許多通用的藥物靶點(diǎn)數(shù)據(jù)庫或化合物-蛋白相互作用數(shù)據(jù)庫,，提供了大量的藥物（或小分子）-蛋白相互作用的實(shí)驗(yàn)或預(yù)測數(shù)據(jù)。這些數(shù)據(jù)庫已被藥物發(fā)現(xiàn)界廣泛接受,，它們也可用于尋找或預(yù)測中藥活性成分的蛋白質(zhì)靶點(diǎn),。

本文介紹的藥物靶標(biāo)數(shù)據(jù)庫見表2。

1. DrugBank：

https://www.

DrugBank提供有關(guān)西藥分子及其機(jī)制的全面信息—包括其化學(xué),、藥理,、ADME,、相互作用信息以及靶標(biāo)。第一版的DrugBank于2006年發(fā)布,，它更新很勤,。目前的DrugBank 5.0包含10971種藥物和4900個蛋白質(zhì)靶標(biāo)的信息。這些藥物包括2391種FDA批準(zhǔn)的小分子藥物,、934種批準(zhǔn)的生物制劑藥物,、109種保健品和5090多種實(shí)驗(yàn)藥物。在中藥藥理研究中,，西藥的靶點(diǎn)信息可用于中藥靶點(diǎn)的預(yù)測,。此外，治療同一疾病的西藥可以作為中藥的陽性對照,。

2.TTD：

http://bidd./group/ttd

TTD提供藥物,、靶標(biāo)、以及藥物靶向的疾病和通路的信息,。當(dāng)前版本共收集34019種藥物—其中已獲批準(zhǔn)的2544種,、臨床試驗(yàn)藥物8103種、在研藥物18923種,；收錄了3101個靶標(biāo)—包含445個成功靶標(biāo),、1121個臨床試驗(yàn)靶標(biāo)和1535個在研靶標(biāo)。每種藥物都有其化學(xué)結(jié)構(gòu),、靶標(biāo),、靶向疾病和相關(guān)通路的信息。用戶可以通過靶標(biāo),、藥物,、疾病和生物標(biāo)記物搜索數(shù)據(jù)庫。TTD提供了藥物相似性搜索工具,，可以用于預(yù)測化合物的靶標(biāo),。相似性搜索基于Tanimoto相似性，可以通過化合物的MOL,、SDF或SMILES格式輸入,，然后TTD會列出與其相似的化合物和相應(yīng)的Tanimoto相似性分?jǐn)?shù)。得分最高的化合物的靶標(biāo)可以預(yù)測為查詢化合物的靶標(biāo),。

3.STITCH：

http://stitch./

STITCH是一個化合物-蛋白相互作用的數(shù)據(jù)庫,，包含了已知的和預(yù)測的相互作用。當(dāng)前版本涵蓋了來自2031個物種的43萬個小分子和9643763個蛋白之間的相互作用,。STITCH與由同一團(tuán)隊開發(fā)的基因關(guān)聯(lián)數(shù)據(jù)庫STRING共享蛋白數(shù)據(jù),。STITCH收集的數(shù)據(jù)來自人工注釋數(shù)據(jù)庫—如DurgBank、GLIDA,、Matador,、TTD和CTD,；通路數(shù)據(jù)庫—如KEGG、PID,、Reactome和BioCyc,；以及實(shí)驗(yàn)結(jié)果數(shù)據(jù)庫—如ChEMBL、PDSP Ki和PDB,。數(shù)據(jù)庫中的每個相互作用都分配了一個分值,，以指示其相互作用的概率或結(jié)合親和力。當(dāng)通過數(shù)據(jù)庫的web搜索一個化合物時,，STITCH將列出它的相似化合物和相似性分?jǐn)?shù),。此數(shù)據(jù)庫也可用于化合物靶標(biāo)預(yù)測。

4.ChEMBL：

https://www./chembldb

ChEMBL收錄了更多的藥物和小分子,。當(dāng)前版本含有1735442個不同的化合物和11538個靶標(biāo),。數(shù)據(jù)庫提供化合物的結(jié)構(gòu)、功能,、靶標(biāo)和ADMET信息,。這些數(shù)據(jù)是從67722篇公開發(fā)表的學(xué)術(shù)出版物中手工收集的。

5.BindingDB：

http://www./bind

BindingDB提供了實(shí)驗(yàn)測量的蛋白質(zhì)-配體結(jié)合親和力數(shù)據(jù),，包括Ki,、Kd、IC50和EC50的值,。它主要關(guān)注類藥物小分子和被認(rèn)為是藥物靶點(diǎn)的蛋白質(zhì)之間的相互作用,。數(shù)據(jù)收集自美國專利、科學(xué)出版物和其他數(shù)據(jù)庫,，如PubChem、ChEMBL,、PDSP Ki和CSAR（www.csardock.org）,。該數(shù)據(jù)庫于2000年在網(wǎng)上啟動，并不斷更新,。目前BindingDB包含639152個小分子和7026個蛋白質(zhì)靶點(diǎn)之間的1427022個結(jié)合數(shù)據(jù),。

6.ZINC：

https://zinc15./

ZINC提供化合物的購買信息、靶點(diǎn),、臨床試驗(yàn)等方面的信息,。目前，第15版ZINC收錄了超過4億種可購買的“類藥物”化合物,，涵蓋145家公司的204個商業(yè)目錄,。化合物的生物注釋來自第三方數(shù)據(jù)庫,，如HMDB,、ChEMBL和DrugBank,。ZINC將配體-靶標(biāo)結(jié)合的親和力值pKi、IC50,、EC50,、AC50和pIC50標(biāo)準(zhǔn)化為單一的pKi值。該數(shù)據(jù)庫還提供了預(yù)測的靶標(biāo),，預(yù)測算法是相似性集成方法（SEA）與最大的Timimoto相似性相結(jié)合的算法,。應(yīng)用該算法，預(yù)測了超過1.71億個市售化合物對2629個靶標(biāo)的顯著靶向性,。在搜索一種化合物時,，使用者可以獲得有關(guān)其化學(xué)特性、已知和預(yù)測的靶標(biāo),、臨床試驗(yàn)和銷售這種化合物的供應(yīng)商的信息,。

三、靶標(biāo)預(yù)測的在線平臺

一些中藥數(shù)據(jù)庫和化合物-蛋白質(zhì)相互作用數(shù)據(jù)庫,，如TCMSP,、TTD、BATMAN-TCM和STITCH,，也提供靶標(biāo)預(yù)測服務(wù),。即當(dāng)我們搜索這些數(shù)據(jù)庫時，一些結(jié)果實(shí)際上是由數(shù)據(jù)庫的算法預(yù)測的,。目前已有一些專門用于靶標(biāo)預(yù)測的web服務(wù)器和軟件,，可以像這些數(shù)據(jù)庫一樣應(yīng)用于中藥藥理學(xué)的研究。本節(jié)介紹一些提供藥物靶標(biāo)預(yù)測服務(wù)的非商業(yè)在線平臺,。

1. SuperPred：

http://prediction./

SuperPred提供化合物靶標(biāo)和ATC碼的預(yù)測,，其預(yù)測是基于相似性原理。其靶標(biāo)預(yù)測是將輸入化合物針對包含約341000個化合物,、1800個靶標(biāo)和665000個化合物-靶標(biāo)相互作用的數(shù)據(jù)庫進(jìn)行篩選來執(zhí)行的,。這個數(shù)據(jù)庫是從SuperTarget、ChEMBL和BindingDB中提取化合物-靶標(biāo)相互作用數(shù)據(jù)而構(gòu)建的,。ATC碼的預(yù)測是將輸入化合物與2600個已知ATC碼的化合物進(jìn)行相似性比對來做的,。ATC藥品編碼由世界衛(wèi)生組織（WHO）公布，它根據(jù)藥物的治療和化學(xué)特性對藥品進(jìn)行分類,。

2.SwissTargetPrediction：

http:///

SwissTargetPrediction基于與已知化合物的二維和三維結(jié)構(gòu)的相似性來預(yù)測化合物的靶標(biāo),。預(yù)測可以在人、大鼠,、小鼠三種不同物種中進(jìn)行,。已知的化合物-靶標(biāo)相互作用來自第16版的ChEMBL數(shù)據(jù)庫，它由280381個小分子與2686個靶標(biāo)間的相互作用構(gòu)成,，其中大多數(shù)靶標(biāo)（66%）是人的蛋白,。SwissTargetPrediction為每個預(yù)測靶標(biāo)提供一個分?jǐn)?shù),，以評估預(yù)測正確的可能性。它還通過不同物種之間的同源性映射進(jìn)行預(yù)測,，并提供正確可能性得分,。

3.TargetNet：

http://targetnet./home

TargetNet是基于QSAR（定量結(jié)構(gòu)-活性關(guān)系）模型預(yù)測化合物的靶標(biāo)。該模型在數(shù)學(xué)上將分子的特定化學(xué)特征與其生物活性聯(lián)系起來,，使用七種不同的分子指紋來描述分子的化學(xué)特性,。預(yù)測使用一種機(jī)器學(xué)習(xí)算法—Naive Bayes分類器。將BindingDB數(shù)據(jù)庫用作訓(xùn)練數(shù)據(jù)集,。經(jīng)過篩選后,，該數(shù)據(jù)庫中109061個化合物、623個靶蛋白用于模型構(gòu)建,。當(dāng)用戶輸入化合物時,，TargetNet就輸出該分子對于623個靶蛋白的預(yù)測分?jǐn)?shù)。

4.PharmMapper：

http:///pharmmapper/

PharmMapper根據(jù)藥效團(tuán)模型預(yù)測化合物的靶標(biāo)蛋白,，它通過將所查詢化合物的藥效團(tuán)與內(nèi)部藥效團(tuán)模型數(shù)據(jù)庫匹配來執(zhí)行預(yù)測,。目前，PharmMapper的內(nèi)部藥效團(tuán)數(shù)據(jù)庫包括53184個不同的藥效團(tuán)模型,。

四,、疾病數(shù)據(jù)庫

臨床實(shí)踐證明，中藥方劑在治療多種慢性復(fù)雜疾病方面療效顯著,。復(fù)雜疾病是一種多因素疾病,，受多種基因的影響，并與生活方式和環(huán)境因素相關(guān),。有許多數(shù)據(jù)庫收集與疾病相關(guān)的基因信息,，它們是中藥網(wǎng)絡(luò)藥理學(xué)研究的重要資源。本節(jié)介紹幾個具有代表性的疾病數(shù)據(jù)庫,。

1. OMIM：

https:///  

OMIM（在線孟德爾人類遺傳數(shù)據(jù)庫）提供所有已知遺傳性疾病的遺傳成分和相關(guān)基因的信息,，它是一個全面的、權(quán)威的人類基因,、遺傳表型以及它們之間的關(guān)系的數(shù)據(jù)庫,。OMIM包含超過15000個與所有已知孟德爾病相關(guān)的基因,。OMIM的信息來自公開發(fā)表的生物醫(yī)學(xué)文獻(xiàn),，數(shù)據(jù)庫每天更新。

2.DisGeNET：

http://www./

DisGeNET是一個綜合性的基因-疾病關(guān)聯(lián)（GDA）關(guān)系數(shù)據(jù)庫,，它提供了人類疾病的最新知識,，包括孟德爾病、復(fù)雜疾病和環(huán)境疾病,。DisGeNET中的信息來自專家注釋的知識庫,、GWAS,、動物模型和科學(xué)文獻(xiàn)。具體地說,，其數(shù)據(jù)來源包括CTD,、UnPROT/SWISPROT、ClinVar,、Orphanet,、 the NHGRI-EBI GWAS Catalog、GAD (Genetic AssociationDatabase),、 MGD (the Mouse GenomeDatabase),、 RGD (the Rat GenomeDatabase)、 PsyGeNET,、 the Human Phenotype Ontology,、LHGDN (the Literature Human Gene Derived Network), 以及BeFree [80]。DisGeNET給每個GDA多個評分,?？煽啃苑郑?/span>confidence score）由GDA在所有數(shù)據(jù)源中重復(fù)出現(xiàn)次數(shù)的多少，反映該GDA的可靠性,；疾病特異性指數(shù)（DSI）與該基因相關(guān)的疾病數(shù)量成反比,，而疾病多效性指數(shù)（DPI）與該基因相關(guān)的不同疾病類別的數(shù)量成反比。高DSI的GDA表明該基因?qū)υ摷膊「鼮樘禺?，?/span>DPI的GDA意味著該基因?qū)υ摷膊∷鶎俚募膊☆悇e更為特異,。DisGeNET（v5.0）包含了20370個疾病（表型）與17074個基因之間的561119個基因-疾病關(guān)聯(lián)關(guān)系,。

3.MalaCards：

http://www./

MalaCards數(shù)據(jù)庫是人類疾病及其注釋的綜合匯編,。當(dāng)前版本包括來自72個來源的19592種疾病的信息。對于每一種疾病,，數(shù)據(jù)庫都會顯示一張帶有關(guān)于該疾病的各種注釋信息的網(wǎng)頁卡,，例如疾病分類、疾病概況,、相關(guān)聯(lián)的疾病,、相關(guān)基因、治療藥物和出版物,。網(wǎng)頁卡的“基因”部分提供了與該疾病相關(guān)的基因列表,。MalaCards給每個疾病-基因關(guān)聯(lián)關(guān)系分配一個優(yōu)先分，它是這對關(guān)系在八個數(shù)據(jù)庫（OMIM,、ClinVar,、Orphanet、SwissProt的Humsavar、GeneTests,、DISEASES,、Novoseek和GeneCards）得分的加權(quán)和。對于每一種疾病,，MalaCards定義了一組“精英”(Elite)基因,，這些基因與這種疾病的關(guān)聯(lián)關(guān)系來自人工注釋和可靠資源。MalaCards中每種疾病的相關(guān)基因的平均數(shù)多于OMIM少于DisGeNET,。

4.DigSee：

http://210.107.182.61/geneSearch/

DigSee[86]是一個文本挖掘搜索引擎,，它提供證據(jù)語句，描述通過生物事件參與疾病發(fā)展的基因,。目前,，DigSee支持所有疾病類型和重要的生物學(xué)事件，如點(diǎn)突變,、基因表達(dá),、調(diào)節(jié)（正調(diào)節(jié)、負(fù)調(diào)節(jié)）,、磷酸化,、定位、結(jié)合,、轉(zhuǎn)錄,、催化、乙?；?、羥基化、泛素化,、甲基化,、糖基化以及DNA甲基化等。當(dāng)前版本（v2.01）包含14608個人類基因,。通過輸入疾病,、基因或生物事件，用戶可以獲得帶有突出證據(jù)句子的Medline摘要,。

五,、用于網(wǎng)絡(luò)和功能分析的在線和軟件工具

由于中醫(yī)方劑是多組分、多靶標(biāo)的藥物,，,，在生物網(wǎng)絡(luò)背景中對其靶標(biāo)進(jìn)行研究，有助于揭示其作用機(jī)制,。利用網(wǎng)絡(luò)藥理學(xué)方法,，可以識別中藥方劑中受活性成分調(diào)控的信號通路、檢測靶蛋白之間的相互作用,、以及靶蛋白在網(wǎng)絡(luò)中的作用,，這有助于闡明中藥治療效應(yīng)，更好地闡明其作用機(jī)制,。這里介紹一些可用于中醫(yī)藥網(wǎng)絡(luò)藥理學(xué)研究的在線平臺和軟件工具,。

1. BATMAN-TCM：

http://bionet./batman-tcm

BATMAN-TCM是研究中藥分子機(jī)制的在線生物信息學(xué)分析工具。用戶可以輸入中藥復(fù)方,、草藥或化合物進(jìn)行分析,，該工具將預(yù)測復(fù)方或草藥中化合物的靶標(biāo)，對預(yù)測的靶標(biāo)進(jìn)行功能分析,，并構(gòu)建和可視化成分-靶點(diǎn)-通路/疾病關(guān)聯(lián)網(wǎng)絡(luò),。靶標(biāo)的功能分析輸出靶標(biāo)所富集的生物通路、基因本體（GO）和疾病,。此工具中的復(fù)方－草藥－化合物關(guān)聯(lián)數(shù)據(jù)是從TCMID數(shù)據(jù)庫中提取,，并利用相似性算法對中藥成分的潛在靶點(diǎn)進(jìn)行預(yù)測。此算法根據(jù)與DrugBank,、TTD和KEGG數(shù)據(jù)庫中已知藥物－靶點(diǎn)相互作用的相似性,　對潛在藥物－靶點(diǎn)相互作用進(jìn)行排序,。此工具為中藥復(fù)方分析提供了一站式快速服務(wù)。

2.DAVID：

https://david./

通路富集分析用于識別顯著富集一組基因或蛋白的信號通路,。通常,，藥物靶標(biāo)富集的通路被認(rèn)為是最有可能受到藥物調(diào)控的。通路富集分析已廣泛應(yīng)用于中藥網(wǎng)絡(luò)藥理學(xué)的研究,。使用在線生物信息學(xué)平臺DAVID可以很容易地進(jìn)行富集分析,。在DAVID平臺上，用戶可以上傳基因/蛋白列表,，然后使用DAVID的功能注釋工具對基因進(jìn)行注釋,。該工具從生物通路、GO條目,、蛋白-蛋白相互作用,、蛋白功能域、疾病關(guān)聯(lián),、基因的組織表達(dá),、文獻(xiàn)等方面為輸入的基因列表提供豐富的分析。DAVID的功能注釋聚類工具基于不同注釋項中基因的共同關(guān)聯(lián),，可以將相似,、冗余、混雜的注釋項分組成注釋組,，該服務(wù)將一長串注釋項壓縮成較少的基因功能組,，從而幫助用戶更好地解釋其基因列表的功能。

3.CMap：

https://portals./cmap/；

https://

CMap（Connectivity Map）是一個基于基因表達(dá)特征的相似性,，發(fā)現(xiàn)疾病-基因-藥物關(guān)系的在線平臺,。CMap數(shù)據(jù)庫包含了大量經(jīng)藥物或生物活性化合物處理的人類細(xì)胞系的基因表達(dá)譜。使用CMap提供的在線軟件工具,，用戶可以將自己實(shí)驗(yàn)產(chǎn)生的基因表達(dá)譜（如疾病條件或藥物處理的）與數(shù)據(jù)庫中的所有擾動特征進(jìn)行比較,，CMap給出了一個從 1到-1的分?jǐn)?shù)（在新版CMap-L1000v1中為 100到-100），以量化查詢的基因表達(dá)譜與數(shù)據(jù)庫中表達(dá)譜之間的相似性,。正分表示正相關(guān)程度,，負(fù)分表示負(fù)相關(guān)程度。因此,，兩種化合物干預(yù)后表達(dá)譜的高度正相關(guān)表明,，這兩種化合物可能對細(xì)胞產(chǎn)生相似的生理效應(yīng)。因此,，對于中藥干預(yù)后的表達(dá)譜,，可以在CMAP中搜索與其相似分在１分附近的藥物，由這些藥物的作用可以推斷中藥的效應(yīng),。

CMap的最初版本（build 02）包含1309個小分子干預(yù)5個人類細(xì)胞系所產(chǎn)生基因表達(dá)譜共6100個instance,。2017年，發(fā)布了新一代的CMAP（CMAP-L1000v1）,，它被擴(kuò)展到19811個小分子化合物和9個人類細(xì)胞系,，其中除了小分子化合物，新版本還包括在細(xì)胞系上處理其他干擾因子（18493 shRNAs,，3462 cDNAs和314 biologics）,，其核心數(shù)據(jù)集（touchstone）包含了2429個小分子、3799個基因敲除和2160個基因共表達(dá),。CMap build02版可以用任意郵箱注冊使用,，CMAP-L1000v1版只能用非商業(yè)郵箱注冊使用。

4.Cytoscape：

http:///

Cytoscape是一款用于在網(wǎng)絡(luò)構(gòu)建,、可視化和分析的免費(fèi)軟件,。Cytoscape的軟件核心提供了構(gòu)建、可視化,、布局和分析網(wǎng)絡(luò)的基本功能,。網(wǎng)絡(luò)拓?fù)浞治鍪侵兴幘W(wǎng)絡(luò)藥理學(xué)研究中的一個重要課題，它可以識別在網(wǎng)絡(luò)中起關(guān)鍵作用的重要節(jié)點(diǎn),。使用Cytoscape的工具“NetworkAnalyzer”可以很容易地進(jìn)行網(wǎng)絡(luò)拓?fù)浞治觥?/span>

Cytoscape的核心功能可以通過一系列應(yīng)用程序（App）進(jìn)行擴(kuò)展,，這些應(yīng)用程序可以從軟件的菜單界面安裝和應(yīng)用。用戶首先需要從Cytoscape的網(wǎng)站下載這個軟件,，然后安裝到Cytoscape中,。例如,，一個名為“clusterMaker”的應(yīng)用程序提供了一系列方法，如kmeans,、MCL,、Glay社區(qū)檢測算法，來將網(wǎng)絡(luò)劃分為網(wǎng)絡(luò)模塊,。

Cytoscale軟件界面友好，對中藥網(wǎng)絡(luò)藥理學(xué)的研究具有重要意義,。