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

  1. 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)。
  2. 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)。
  3. 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)。
  4. 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)。
  5. 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。
  6. 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。
  7. 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。
  8. 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

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

中医药学研究面向中医药科研(不提供诊疗与处方建议):古籍文献整理、方剂配伍数据挖掘、证候分析、网络药理学、中药质量化学计量学、术语标准化与知识图谱、临床证据综述。

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

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。