科研 Skill
中药网络药理学
tcm-network-pharmacology
用TCMSP等数据库构建成分-靶点-通路网络并做富集分析,批判性讨论方法学局限。适用于中药机制假设生成与论文方法复核。
发布者 Codar安全审核通过v0.1.0更新于 2026-11-18
SKILL.md
中药网络药理学(TCM Network Pharmacology)
适用场景
- 为某中药或复方的作用机制提出可检验的假设(候选成分、候选靶点、候选通路),以指导后续实验设计。
- 评审或复核已发表网络药理学论文的数据来源、筛选标准和可复现性。
- 将网络药理学预测与转录组/蛋白组等实测数据整合,提高假设的可信度。
- 为计算验证和细胞/动物实验筛选优先验证的"成分—靶点"对。
边界与不适用
- 仅限科研用途。不提供任何个体的诊断、处方、药物剂量或治疗建议;网络药理学结果不能推导出"某药可治某病"的临床结论。
- 不把"名医经验方"或方剂传统功效当作已验证证据来"反证"预测结果;也不能用预测结果去"证明"传统理论。
- 纯计算预测的结论只是假设。没有实验验证(体内外实验、成分实测吸收入血)的研究,应在标题和结论中如实表述为"基于网络药理学的预测/探索"。
- 已知方法学问题须在报告中正面讨论,而非仅在局限部分一笔带过:
- 数据库不一致:不同数据库收录的成分、靶点差异很大,部分靶点来自预测而非实验,且更新频率不一,同一药材在不同库得到的结果可能几乎不重叠。
- OB/DL 阈值的武断性:TCMSP 常用 OB ≥ 30%、DL ≥ 0.18 是经验阈值,OB 为计算预测值,未考虑肠道菌群代谢、前药转化、煎煮过程化学变化、成分实际含量;可能误删关键成分(如部分苷类)或保留含量极低的成分。
- 忽略剂量与含量:网络只表示"是否可能作用",不体现成分浓度能否达到靶点有效浓度。
- 富集分析偏倚:靶点列表偏向研究充分的基因(如 TNF、IL6、AKT1、TP53 几乎在所有研究中出现),KEGG 通路富集结果高度同质化,提示特异性不足。
- 网络拓扑的过度解读:度值高的"核心靶点"往往只是数据库中研究较多的基因。
工作流
-
问题与方案预设
- 输入:研究对象(单味药/复方)、疾病。
- 操作:在分析前写出方案:数据库及版本、检索日期、ADME 筛选标准、靶点物种与标准化规则、疾病靶点来源及筛选阈值、富集分析背景基因集与校正方法。
- 产出:分析方案(建议作为补充材料公开)。
-
成分获取与筛选
- 操作:从 TCMSP、HERB、BATMAN-TCM、ETCM 等至少两个来源获取成分,记录各库差异;结合文献中经质谱鉴定的成分(尤其是入血成分)作为优先依据;ADME 筛选阈值若采用 OB/DL,需说明理由并做阈值敏感性分析。
- 决策点:有该药材/复方的 UPLC-Q-TOF-MS 等实测成分或血清药物化学数据时,应以实测成分为主。
- 产出:成分表(含来源数据库、PubChem CID、SMILES、筛选依据)。
-
成分靶点预测
- 操作:区分"实验证实靶点"(如来自文献/ChEMBL 活性数据)与"预测靶点"(SwissTargetPrediction 等,需报告概率阈值);统一转换为 UniProt ID 和人类基因符号。
- 产出:成分—靶点表(含证据类型)。
-
疾病靶点获取
- 操作:GeneCards(报告 relevance score 阈值)、DisGeNET、OMIM 等;或使用 GEO 差异表达分析结果(更具疾病特异性)。
- 产出:疾病靶点表;与药物靶点取交集(报告韦恩图数字)。
-
网络构建与分析
- 操作:STRING 构建 PPI(报告物种、置信度阈值如 0.4/0.7、是否隐藏孤立节点);Cytoscape 构建"药材—成分—靶点—通路"网络,用 CytoHubba/MCODE 等识别核心模块,报告所用算法。
- 决策点:核心靶点排名应与"随机靶点集"或"任意药物"的结果对比,检验特异性。
-
富集分析
- 操作:GO 与 KEGG 富集(clusterProfiler 或 DAVID/Metascape),报告背景基因集、多重检验校正(BH)与阈值、数据库版本;注意以全基因组作为背景会夸大显著性。
- 产出:富集结果表与图。
-
验证与整合
- 操作:分子对接仅是计算层面的补充,不能替代实验;推荐用细胞/动物实验、SPR/CETSA 等结合实验、转录组或蛋白组验证关键预测。
- 产出:验证计划或验证结果,以及"预测—验证"一致性表。
-
报告
- 操作:对照 WFCMS《网络药理学评价方法指南》中关于可靠性、规范性、合理性的要求自查。
工具与数据源
- 成分/靶点数据库:TCMSP、HERB(及 HERB 2.0)、BATMAN-TCM(及 2.0 版)、ETCM(及 v2.0)、SymMap、TCMID、PubChem(https://pubchem.ncbi.nlm.nih.gov)、ChEMBL(https://www.ebi.ac.uk/chembl)。数据库可用性和网址时有变动,以实际访问为准并记录访问日期。
- 靶点预测:SwissTargetPrediction(http://www.swisstargetprediction.ch)、SEA、PharmMapper。
- 疾病靶点:GeneCards(https://www.genecards.org)、DisGeNET、OMIM(https://www.omim.org)、GEO(https://www.ncbi.nlm.nih.gov/geo)。
- 标识转换:UniProt(https://www.uniprot.org)。
- 网络:STRING(https://string-db.org)、Cytoscape(https://cytoscape.org)及插件 CytoHubba、MCODE、ClueGO。
- 富集:R
clusterProfiler、org.Hs.eg.db、enrichplot;Metascape;DAVID。
最小示例:GO/KEGG 富集(R)
# BiocManager::install(c("clusterProfiler", "org.Hs.eg.db"))
library(clusterProfiler)
library(org.Hs.eg.db)
targets <- c("PTGS2", "ESR1", "AKT1", "MAPK1", "IL6", "TNF", "NOS2", "PPARG")
ids <- bitr(targets, fromType = "SYMBOL", toType = "ENTREZID", OrgDb = org.Hs.eg.db)
ego <- enrichGO(ids$ENTREZID, OrgDb = org.Hs.eg.db, ont = "BP",
pAdjustMethod = "BH", pvalueCutoff = 0.05, readable = TRUE)
ekegg <- enrichKEGG(ids$ENTREZID, organism = "hsa", pvalueCutoff = 0.05)
head(as.data.frame(ego))
head(as.data.frame(ekegg))
enrichKEGG 默认在线获取 KEGG 数据,需记录获取日期;如需指定背景基因集,使用 universe 参数。
质量检查
- 所有数据库注明名称、版本、访问日期;检索与筛选参数可复现。
- 成分优先使用实测/入血成分;ADME 阈值的理由与敏感性分析已报告。
- 靶点区分实验证实与计算预测,ID 已标准化,物种一致。
- PPI 置信度阈值、核心靶点算法、富集背景集与多重校正已报告。
- 讨论了 TNF、IL6、AKT1 等"通用热点靶点"的特异性问题,并做随机对照或比较。
- 结论措辞与证据层级匹配:无实验验证则不写"阐明了机制"。
- 对照 WFCMS《网络药理学评价方法指南》完成自查。
- 未给出任何临床用药或剂量建议,未把传统功效或名医经验当作验证证据。
输出格式
- 表 1 成分表:
药材 | 成分 | 来源库 | PubChem CID | OB | DL | 实测/入血证据 | 是否纳入。 - 表 2 成分—靶点表:
成分 | 靶点(Gene) | UniProt | 证据类型 | 来源。 - 表 3 核心靶点:
靶点 | 度 | 中介中心性 | 算法 | 是否为通用热点靶点。 - 表 4 富集结果:
ID | 描述 | 基因数 | p.adjust | 基因。 - 报告章节:方案与数据库 → 成分与靶点 → 网络与富集 → 验证 → 方法学局限(逐条回应上述已知问题)→ 结论(以假设表述)。
参考规范与文献
- 世界中医药学会联合会,《网络药理学评价方法指南》,2021(发表于《世界中医药》)。
- Hopkins AL. Network pharmacology: the next paradigm in drug discovery. Nature Chemical Biology, 2008.
- Li S, Zhang B. Traditional Chinese medicine network pharmacology: theory, methodology and application. Chinese Journal of Natural Medicines, 2013.
- Ru J, et al. TCMSP: a database of systems pharmacology for drug discovery from herbal medicines. Journal of Cheminformatics, 2014.
- Fang S, et al. HERB: a high-throughput experiment- and reference-guided database of traditional Chinese medicine. Nucleic Acids Research, 2021.
- Szklarczyk D, et al. STRING 数据库系列论文,Nucleic Acids Research。
- Yu G, et al. clusterProfiler: an R package for comparing biological themes among gene clusters. OMICS, 2012.
示例提示词
请基于 TCMSP 和 STRING 构建丹参-川芎药对的成分-靶点-通路网络,并写明筛选阈值与方法局限。
所属插件
安装该插件会一并获得同领域的 8 个 Skill / MCP。
同插件的其他科研 Skill
- 中医古籍文献整理整理中医古籍版本、校勘与方剂出处考证,产出可溯源文献证据表。适用于经典名方考证、学术源流梳理,不提供临床诊疗建议。
- 中医药临床证据综述制定中英文数据库检索式,按PRISMA筛选、RoB 2评偏倚、GRADE定证据等级。适用于中医药临床研究的系统评价与Meta分析。
- 中药材分子鉴定用ITS2等DNA条形码鉴定药材基原物种,处理多基原与降解样品局限。适用于药材真伪鉴别研究,不替代法定检验。
- 方剂配伍规律挖掘对方剂做药名规范化、关联规则与网络聚类分析,发现候选核心药组。适用于用药规律挖掘,结果仅为待验证假设,不作处方依据。
- 中药质量化学计量学建立HPLC指纹图谱、PCA/OPLS-DA判别分析与含量测定方法学验证。适用于中药材质量标准研究与产地批次差异分析。
- 证候与症状数据分析对症状量表数据做术语规范、潜在类别与因子分析,探索统计学证候模式。适用于证候分型研究,结果不用于个体辨证诊断。
- 中医术语标准与知识图谱建立中医药术语与WHO/ICD-11标准的映射,设计本体并用Neo4j构建知识图谱。适用于数据整合与科研检索,不作临床决策系统。
常见问题
中药网络药理学能做什么?
用TCMSP等数据库构建成分-靶点-通路网络并做富集分析,批判性讨论方法学局限。适用于中药机制假设生成与论文方法复核。
如何安装中药网络药理学?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「中药网络药理学」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
中药网络药理学需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
中药网络药理学经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。