TCM-Network-Pharmacology

KO | EN

gitlite — search

#javascript #ai #typescript #golang #rust #deep-learning #linux #nodejs #windows #awesome #cli #awesome-list #mcp #ios

TCM-Network-Pharmacology

(★ 30)

中药网络药理学，包括预后基因筛选，分子对接，分子验证，各类图表的绘制等，设计了Python和R语言两种版本。The whole process of TCM network pharmacology, including prognostic gene screening, mapping of various diagrams and molecular docking verification

TCM-Network-Pharmacology 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# TCM-Network-Pharmacology

***中药网络药理学全过程***

## 网站和工具

### 成分/靶点获取网站

[TCMSP](https://old.tcmsp-e.com/tcmsp.php) [TCMBank](https://www.tcmbank.cn/) 
[HERB](http://herb.ac.cn/) [swisstarget](http://www.swisstargetprediction.ch/) 
[PubChem](https://pubchem.ncbi.nlm.nih.gov/)

### 疾病数据库

[DRUGBANK](https://www.drugbank.ca/) [Digsee](http://210.107.182.61/geneSearch/) 
[TTD](http://db.idrblab.net/ttd/) [Genecards](https://www.genecards.org/) 
[OMIM](https://omim.org/) [Disgenet](https://www.disgenet.org/) [Malacards](https://www.malacards.org/) 
[TCGA](https://portal.gdc.cancer.gov/)[GEO](https://www.ncbi.nlm.nih.gov/geo/) 
[HAGR](https://genomics.senescence.info/)[msigdb](https://www.gsea-msigdb.org/gsea/msigdb)

### 工具

[R](https://www.r-project.org/) [cytoscape](https://cytoscape.org/) 
[systemsDOCK](http://systemsdock.unit.oist.jp/iddp/home/index) 
[CPI-BIO](http://cpi.bio-x.cn/drar/) [PharmMapper](https://omictools.com/pharmmapper-tool)

## 1、黄芪六一汤有效成分的筛选

使用[TCMSP数据库](https://old.tcmsp-e.com/tcmsp.php)，选择检索种类为"Herb name"，检索黄芪。
然后根据公认标准筛选口服生物利用度（OB≥30%）和药物相似性（DL≥0.18），
共获得黄芪的20个作用化合物(\data\pre\chemicals\_hq.xlsx)和甘草的69个化合物。 然后根据smile值，
使用[swisstarget数据库](http://www.swisstargetprediction.ch/)获取化合物作用靶点，
其中部分化合物没有smile值则使用[TCMBank数据库](https://www.tcmbank.cn/)，或者[HERB](http://herb.ac.cn/)获取作用靶点

## 2、衰老相关基因

从[HAGR](https://genomics.senescence.info/)和[msigdb](https://www.gsea-msigdb.org/gsea/msigdb)
数据获取细胞衰老相关基因，将两者取交集后构建基因蛋白互作网络

### HAGR数据库

该库本身提供了下载链接，我在下载后对其进行了清洗

### msigdb数据库
以"aging"作为关键词，Search Filters中collection设置为"all collections"，
source species设置为"Homo sapiens",contributors设置为"all contributions"

在msigdb数据库中共得到56个衰老相关基因集

## 3、小细胞肝癌预后相关基因_TCGA数据库

```R
library("survival")
library("survminer")
```

使用[TCGA数据库](https://portal.gdc.cancer.gov/)通过TCGA-LIHC数据集(2023年1月,n=377)，
下载clinical（临床信息），点击Metadata（样本信息），cart（基因文件）[/data/TCGA数据库]获取转录组测序数据与临床数据，
并排除了临床数据不完整的患者队列

我们使用了Harmony软件包进行批次效应调整，接下来，基于拟合多因素Cox回归和lasso回归，构建预后效果评价分类模型

以"stranded_first"作为特定基因的表达水平评价量，临床信息中选择vital_status：
生存状态（例如，存活、死亡）和days_to_death：诊断后至死亡的天数，作为评价的临床指标，
最后得到如下结果：[data/washed_data/TCGA/data_exp_clinical.xlsx]

最后整合得到如下表格：
| 病例ID | 基因名 | 生存时间 | 结局 |
| ------ | ------ | ------- | ---- |
| ID1    | GeneA  | 时间1   | 结果1 |
| ID2    | GeneB  | 时间2   | 结果2 |
| ID3    | GeneC  | 时间3   | 结果3 |

### 描述性分析
首先使用生存分析中的Cox比例风险模型建立一个风险评分系统，然后利用风险评分中位数对其进行分组，
将其分为“高风险组”和”低风险组“，并绘制生存分析图（针对筛选出的基因）
（考虑部分做的好的数据）

## 4、KEGG富集分析

## 5、分子验证

### 5.1 分子对接验证

### 5.2 分子动力学验证

### 5.3 关键靶点基因的生存分析

TCM-Network-Pharmacology

TCM-Network-Pharmacology 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

TCM-Network-Pharmacology

TCM-Network-Pharmacology 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README