网络药理学：16、速通流程版
一、筛选疾病靶点
GeneCards
- 下载数据得到
GeneCards-SearchResult.csv - 通过
Relevance score≥1.0得到GeneCards.csv - 步骤2只保留
Gene Symbol，即基因名这一列得到GeneCards_gene_names.csv
OMIM
- 下载数据得到
OMIM-Gene-Map-Retrieval.xlsx - 只保留
Gene/Locus，即基因名这一列得到OMIM.xlsx - 处理
OMIM.xlsx，得到单个基因名只占一行、去重、去除空格的OMIM_gene_names.xlsx
TDD
- 手动粘贴
Target Name小括号里面的基因名称，加上列名GeneName，得到TDD_gene_names.csv
汇总
- 取三个数据库的交集或并集（一般取交集），去重，得到
disease.xlsx，数据量为几千个为合适的。
二、筛选药物成分
TCMSP
- 用
OB≥30%, DL≥0.18标准筛选后手动粘贴数据得到TCMSP.xlsx（数据量太少就用OB≥20%, DL≥0.18）
SwissADME二次筛选
- 用
高GI和两条yes于Druglikeness标准进行二次筛选，得到SwissADME.xlsx，最终数据量为几条到十几条。
三、查询成分相关信息
TCMSP根据成分名称（Molecule Name）获取其mol2格式文件
PubChem根据成分名称获取其2D结构的SDF格式文件
四、预测成分靶点
PharmMapper
- 用
SDF(2D或3D都可)/MOL2格式文件上传任务（一般2D的SDF最常用） - 下载任务数据集，命名为
成分名称_pharmMapper.csv - 对步骤2得到的文件进行处理，列只要
Norm Fit和Uniplot，得到成分名称_pharmMapper_uniplot.csv - 对步骤3得到的文件进行处理，只要
Norm Fit≥0.9的数据行，得到成分名称_pharmMapper_filtered.csv - 对步骤4得到得文件进行处理，列只要
Uniplot，去重，得到pharmMapper_filtered.csv，数据量在几十到几百正常。
SwissTargetPrediction
- 下载数据集，分别命名为
成分名称_SwissTargetPrediction.csv - 选取
Probability的Top15，分别命名为成分名称_SwissTargettPrediction_top15.csv
如果
Probability为0，那么即使在top15也不要选，数据量小时可以选择Top 20/Top 25，或者干脆≥0.7或≥0.1或＞0的都可。数据量过多时，probability大于10也可以。大于中位数也行。
- 对步骤2得到的文件进行处理，列只要
Common（靶点名）、Uniprot ID、Probability，分别命名为成分名称_SwissTargetPrediction_filtered.csv - 对步骤3得到的文件进行处理，把所有成分汇总，只保留列
Common name和Uniprot ID，并去重，得到SwissTargetPrediction_top15_filtered.csv，数据量在几十到几百正常。
汇总
- 取两个数据库的交集或并集（一般取交集，数据量过小就取并集），只保留
Uniplot列，去重，得到drug.xlsx，数据量为几百个为合适的。
五、Uniprot转化为基因名
- 对成分靶点的数据文件转换为基因名，将
From列改为Uniplot，将To列改为GeneName，命名为drug_genes.xlsx
六、成分靶点和疾病靶点做韦恩图
- 命名为
venn.png