TCMSP网络药理学实操指南：成分靶点查询与避坑经验

做网络药理学研究的朋友，十有八九都绕不开TCMSP。这个数据库全称是Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform，中文一般叫中药系统药理学数据库与分析平台。我最早接触它是在做一篇丹参干预心血管疾病的网络药理学分析时，当时需要把丹参的活性成分、作用靶点、相关疾病串成一条证据链，翻了好几个数据库后发现，TCMSP是最适合干这件事的起点。它把中药、成分、靶点、疾病这几层数据都收拢在一个平台上，查询路径清晰，还自带药代动力学参数供筛选，省去了大量翻文献和跨库比对的时间。

这篇文章我会围绕TCMSP的实际使用展开，重点讲清楚成分靶点查询的完整流程、关键参数该怎么用、数据导出后如何整理成可用于网络分析的形式，以及我在实际操作中踩过的坑和补救办法。无论你是刚接触网络药理学的新手，还是已经做过几轮分析想提升效率的研究人员，这篇文章都能给你一份可以直接照着做的操作参考。

1. TCMSP是什么，为什么做网络药理学会绕不开它

1.1 网络药理学研究到底需要什么数据

网络药理学这个方向，说白了就是用系统性的思路去分析“药物-靶点-疾病”之间的关系。中医药领域做这类研究，尤其需要解决一个问题：一味中药里有几十甚至上百种化合物，哪些化合物真正有活性？它们作用于哪些蛋白？这些蛋白又与哪些疾病通路相关？传统实验方法一次只能验证少数几个成分，慢且贵。而网络药理学恰恰擅长利用已有数据库，在计算层面先把候选关系筛出来，再用实验去验证，从而大幅缩小筛选范围。

要做好这件事，至少需要三类数据：一是中药的成分数据，比如丹参包含哪些分子；二是成分对应的靶点数据，也就是每个分子可能结合哪些蛋白；三是疾病相关的基因数据，用于和成分靶点做映射。很多数据库只覆盖其中某一类，比如只做化合物结构、只做蛋白互作、只做疾病基因。这时候就需要一个能把中药成分和靶点绑定起来的工具，这就是TCMSP派上用场的地方。

我第一次用TCMSP时的感受是，这个平台把查询路径做得很直观。你不需要先去PubMed翻几十篇化合物分离鉴定文献，也不需要去TCGA、GTEx这类测序数据库里大海捞针，只需要输入药材名称，就能得到一份成分列表，再点开每个成分就能看到对应靶点。这种设计思路，摆明了就是给网络药理学研究准备的。

1.2 TCMSP能提供什么，和其他数据库比强在哪

TCMSP收录了约500味中药，涵盖超过三万个化合物，并且给每个化合物标注了较为完整的药代动力学性质，包括口服生物利用度（OB）、类药性（DL）、肠上皮通透性（Caco-2）、血脑屏障通透性（BBB）等参数。这些参数不是简单罗列，而是直接服务于化合物筛选，这是普通成分数据库不具备的差异化价值。

举个例子，我在做黄芪的网络药理学分析时，黄芪在TCMSP中能查到几十种化合物，但如果把这些化合物全部纳入网络，网络会变得极其臃肿，且大量低活性成分会让后续富集分析分散到无关通路。利用OB和DL参数进行过滤后，候选化合物能缩到十几二十个，分析信号明显更集中。这相当于帮你在入口处就做了一轮粗筛，后续跟实验验证的匹配度也会更高。

另外一个很实际的优势是，TCMSP为每个化合物分配了MOL编号，而且靶点信息通过基因名和UniProt ID给出，极大方便了与Cytoscape、STRING等工具衔接。很多数据库的靶点只给蛋白名或只给基因名，你还得自己写脚本去换算。TCMSP在这一点上做得比较友好，下载下来的数据基本可以直接进入分析流程。

当然，TCMSP也不是万能的。它收录的中药和成分数据更偏传统主流药材，一些地方用药、鲜用药材、民间草药，或者近年来新分离的化合物，在TCMSP里可能查不到或数据不全。这点后面我会专门讲怎么用其他数据库补位。

2. 成分靶点查询实操：从药材到活性成分

2.1 快速上手的完整查询流程

打开TCMSP官网，界面上方有Herb name、Ingredient name、Target name等几个检索选项。最常见操作是选Herb name，输入药材的拼音或者中文名。比如查当归，直接输入“Danggui”或“Angelica”，系统会把匹配药材列出来，点击进入该药材的详情页，就能看到所有收录的成分列表。

成分列表很长，每行代表一个化合物，包含MOL编号、分子名称、分子量、AlogP、HBD、HBA、OB、DL、BBB等参数。这时候你要做的是筛选。页面本身没有一键筛选功能，通常做法是把列表下载成CSV文件，用Excel打开，自行设定阈值过滤。下载按钮一般在成分列表的上方或下方，标注为“Download”，点开是CSV格式，数据列完整，够用。

筛选完成后，下一步就是查看成分对应的靶点。回到TCMSP药材详情页，点开某一个成分的MOL编号，会跳转到该分子的详情页面。页面里会列出这个化合物的结构式、分子性质以及已收录的靶点列表。每个靶点通常给出UniProt ID、基因名、蛋白名，部分还附了对应的文献PMID。把这些靶点复制到汇总表里，属于该药材的“成分-靶点”对应关系就建立了。

这里有个操作上的建议：最好不要在网页里一个一个手动复制靶点，效率极低且容易漏。TCMSP其实支持直接从靶点页面导出，但那个功能比较隐蔽。我习惯的做法是，先用浏览器开发者工具看页面结构，或者干脆用Python的requests去抓页面数据，批量提取MOL编号与靶点对应关系。当然，如果你只是做一两次小规模分析，手动整理问题也不大，只是记得把MOL编号和靶点基因名放在同一行对应关系里，因为后面构建网络时每一对关系都要有明确来源。

2.2 核心筛选参数OB、DL、Caco-2到底代表什么

在TCMSP的成分表中，最受关注的三个参数是OB、DL和Caco-2。很多人直接按默认阈值筛选，但不太清楚这些参数的真实含义，我来逐一拆解。

OB即口服生物利用度，指药物经口服进入体循环的相对量。OB越高，说明该成分经口服后能有效到达血液的概率越大。中药传统给药方式以口服为主，因此OB是筛选候选活性成分最常见的过滤条件。TCMSP里OB的默认阈值一般取≥30%，这个数值不是系统官方强制标准，而是文献中普遍采用的经验值。我在做黄芪分析时用的就是OB≥30%，筛完还剩二十几种成分，如果调到40%，候选会明显减少。

DL即类药性，用来评估一个化合物在多大程度上符合已知药物的理化性质特征。DL≥0.18是网络药理学研究中使用最广泛的阈值。很多人不理解为什么是0.18，这个数字来自与DrugBank中药物分子的平均类药性对比，属于统计意义上的经验阈值。DL高的成分更可能在体内表现出类似药物的行为，后续验证成功的概率更高。

Caco-2是肠上皮细胞模型，用来预测药物在肠道的吸收潜力。TCMSP里Caco-2值以数字形式给出，一般大于-0.4认为有较好的肠道吸收能力。但需要注意，这个值低于OB和DL的确定性，因为Caco-2模型只是体外模拟，不能完全代表人体真实吸收情况。实际分析中，很多人并不过滤Caco-2，只在结果讨论时作为辅助参考。

2.3 成分表里的其他参数怎么看

TCMSP成分列表里还有分子量、AlogP、HBD、HBA、BBB等参数。分子量影响药物扩散行为，一般认为大于500的口服药物吸收通常较差，这也就是知名“Lipinski五规则”里的一项。AlogP是脂水分配系数，反映化合物亲脂性，数值适中有利于穿膜，但过高又可能导致溶解度差。HBD和HBA分别是氢键供体和受体数量，与药物和蛋白的结合特性相关，脂肪族和芳香环上的氢键特征会影响分子透过生物膜的能力。

BBB是血脑屏障通透性预测值。如果研究目标是中枢神经系统疾病，这个参数很重要，BBB值高的成分更可能入脑起效。若是外周疾病如心血管、代谢类，BBB反而会影响脱靶风险，这时可以把它作为排除条件。

实际操作中，我的建议是：不要把每个参数都当成硬性过滤条件。筛选的核心应该围绕OB和DL，因为这两个参数在同类研究中被验证最多的、也最能体现候选成分的成药潜力。其他参数可以作为后续讨论的数据支撑，而不是前置过滤条件。过度筛选会让候选成分过少，甚至删掉关键活性分子，导致后续通路分析结果失真。

3. 从成分靶点到疾病靶点：网络构建前的数据准备

3.1 靶点标准化，这一步千万别跳过

从TCMSP拿到成分对应的靶点信息后，你会发现一个绕不开的问题：TCMSP里部分靶点的基因名命名方式与新版UniProt或NCBI Gene注释不完全一致，有些甚至只给了UniProt ID而没有标准基因名。如果直接把原始数据扔进Cytoscape或STRING，会出现大量基因名无法匹配、同一靶点不同拼写被当成不同节点的情况。

我通常的流程分三步。第一步，把TCMSP导出的靶点文件中所有基因名统一转成官方gene symbol，这个可以通过UniProt的ID mapping工具或DAVID数据库完成。第二步，将UniProt ID作为原始标识保留，防止出现名称更新后找不回原始记录的情况。第三步，用R或Python检查是否有重复映射、一个靶点映射到多个基因名的问题，手动修正后再进入下一步。

这里有一个很典型的例子，我早期分析时拿到过一个靶点标注为“CYP3A4”，而TCMSP某成分的靶点列表里另一个地方则写的是“cytochrome P450 3A4”，如果不去标准化，这两条记录在构建网络时会被识别成两个节点，数据量小的时候还能发现，数据一大根本看不出来。所以靶点标准化不是锦上添花，是整个网络药理学分析中必须完成的基础数据清洗步骤。

3.2 疾病靶点获取与交集分析

有了成分靶点，下一步要获取疾病靶点。最常用的几个来源是GeneCards、OMIM、DisGeNET。GeneCards范围广，但噪音相对大，检索“coronary artery disease”会出来上千条基因，建议按相关性分数排序后取前几百名，并且用文献报告的核心致病基因做交叉验证。OMIM收录的数据人工审核严格，信息密度高，适合拿来做核心验证。DisGeNET整合了大量文献和数据库来源，还带疾病-基因关联分数，也值得使用。

拿到疾病靶点集合后，把成分靶点与疾病靶点取交集，交集基因就是候选关键作用靶点。这一步很多人直接复制粘贴到Excel，用VLOOKUP或者条件格式去重，简单场景下够用。但如果你的数据集比较大，比如成分靶点有两三千个，疾病靶点也有一两千个，手动操作容易出错。用R的dplyr做inner_join，或Python的pandas做merge，效率高得多。

交集基因的数量通常会直接影响后续分析的策略。若交集基因少于10个，说明候选靶点过于集中，建议放松疾病靶点筛选条件，或扩大成分筛选范围；若交集基因超过100个，又说明信号过于弥散，需要提高OB、DL筛选阈值，或者考虑用更具体的疾病亚型重新检索靶点。这个调整过程没有标准答案，核心是保持研究问题的聚焦性。

3.3 用Cytoscape构建成分-靶点-疾病网络

数据准备完成后，就进入网络可视化和分析阶段。Cytoscape是网络药理学分析中的主力工具，支持节点和关系边的导入、布局、样式调整，还有大量分析插件。把整理好的三列表格——成分、靶点、来源（TCMSP或疾病数据库）——导入Cytoscape后，节点之间会形成以靶点为中心的网络拓扑结构。

操作上有几个要点。第一，节点类型要区分开，成分节点、靶点节点、疾病节点分别用不同颜色和形状，这样才能一眼看出层次关系。第二，边的粗细或者透明度可以设置成代表证据强度，比如TCMSP来源的边和疾病数据库来源的边用不同线型。第三，保存网络时要保留原始属性表，别只存图形。后续如果要做网络拓扑参数分析，比如度中心性、介数中心性，必须依赖属性数据。

在构建网络之后，通常还会用Cytoscape里的MCODE插件做模块分析，找出网络中的密集连接区域；再用ClueGO或DAVID做通路富集分析，看候选靶点主要富集在哪些通路。TCMSP筛出的成分靶点，经过这轮分析，往往能帮你把作用机制聚焦到炎症、凋亡、氧化应激等几条核心通路上。

这里提醒一句，Cytoscape的版本兼容性有时候会作妖，一些老插件用不了新版3.9以上的运行环境。我做项目时习惯把Cytoscape版本和插件版本一起记录在实验笔记里，确保后续重跑分析时不会因为环境不一致而数据不可复现。

4. 实操避坑指南：常见问题与解决思路

4.1 数据库运行时的高频问题速查

TCMSP虽然整体稳定，但毕竟是学术课题组维护的平台，访问速度和页面稳定性都无法跟商业数据库相比。实际操作中可能遇到的问题，我整理成速查表，都是我亲身经历过的。

这些问题的共性在于，TCMSP本质上是学术资源，不是商业级产品，做研究时要有心理准备，留足数据获取和清洗的时间，不要把数据库访问想象成用搜索引擎那样丝滑。

4.2 数据质量与覆盖不足的应对

TCMSP收录的化合物和靶点数据，很大一部分来自文献报告和公共数据库的历史注释，因此存在两个现实问题：收录滞后和证据偏少。

滞后表现在，近年新分离的天然产物、新解析的靶点结合机制，在TCMSP里大概率查不到。你如果研究的是偏门药材或新发现的活性成分，不要指望TCMSP直接给全答案。我做过一次关于某种地方习用药材的分析，在TCMSP里只能找到寥寥三个化合物，完全不足以构建有意义的网络。这时我改用中药药理学数据库ETCM，以及文献信息更丰富的BATMAN-TCM，才凑齐了基本的成分-靶点关系。

证据偏少则意味着，一个成分有时只对应一两个靶点，并不是它的真实靶点全貌，只是已有研究只报道了这一两个。这种情况在分析中很常见，如果你的核心成分恰好是这种数据稀薄的状态，我建议你把这个成分的SMILES结构式拿出来，丢进SwissTargetPrediction做结构相似性反向预测，再结合STRING的蛋白质互作关系做扩展。这样获得的候选靶点虽然来自计算预测，但可以作为实验验证前的参考假设。

还有一个容易忽略的问题，就是TCMSP数据库中药名与药材基原之间的联系。同名药材在不同基原、不同产地条件下，成分差异可能很大。TCMSP里收录的是通用药材信息，不一定对应你实验中使用的具体批次。因此在论文或报告中引用数据时，要明确说明数据来源于TCMSP数据库，并标注查询日期，这既是学术严谨性的要求，也是数据可重复性的保证。

4.3 版本陈旧、基因名命名差异的交叉验证方法

TCMSP的靶点信息更新并不频繁，有些基因名还停留在旧版本命名规则里。比如肿瘤坏死因子在旧注释中写作TNF，这算是好的；有的则用别名甚至全名形式，导致后续分析匹配不上。这种情况下，交叉验证是最好的解决办法。

第一步，用UniProt的Retrieve/ID mapping把TCMSP里的靶点标识批量转成当前版本的gene symbol。第二步，用STRING数据库或BioGRID数据库验证这些基因之间的互作关系是否合理。第三步，抽几个核心基因到PubMed查阅近期文献，确认这些靶点与疾病关联没有被更新的研究推翻。

我在实际操作中还会做一件事：把TCMSP里查到的成分靶点与DrugBank中相同成分的已知靶点做对比，凡是两边都出现的靶点，后续讨论中可以作为高置信结果优先解释；只有TCMSP单方面出现的，则用更严谨语气表述，避免过度解读。

5. TCMSP之外的补充查询方案与延伸工具

5.1 成分结构反推靶点的替代路径

当你发现TCMSP里某个目标药材的靶点数据不足时，可以考虑从成分结构出发做反向预测，SwissTargetPrediction和PharmMapper是两条比较成熟的路径。

SwissTargetPrediction的思路是，通过比较目标分子的结构相似性，找到已知靶点的相似配体，从而预测目标分子可能结合的蛋白。你需要做的只是把成分的SMILES式或结构文件上传上去，选择物种为人类，平台会返回带有概率分数的靶点列表。我把这个方法用在TCMSP数据补全时，通常将预测靶点概率阈值设在0.5以上，再与TCMSP已有靶点做合并。

PharmMapper则走的是药效团匹配路线，它通过反向找靶算法，把化合物结构映射到药效团数据库中的已知靶点上，适合拿来做新化合物靶点探索。它的输出结果包含Fit Score，一般不直接作为阈值，而是先取排名前五十的靶点，再用文献验证。这两条路径在TCMSP数据满足不了需求时，能发挥很好的补充作用。

当然，计算预测得到的靶点一定要标注为“预测结果”，不能当作已验证事实写入论文。很多人用预测数据时没有标注来源，这是学术不端的边缘行为，必须避免。

5.2 疾病-药物关联的更广查询思路

疾病靶点的获取和验证，TCMSP本身不提供，需要用外部疾病数据库配合。GeneCards因其收录广泛，最常用于首次检索，但它的结果里可能包含大量间接关联基因，甚至假阳性。我建议在GeneCards检索结果的基础上，再叠加OMIM中的核心基因列表，同时参考GWAS数据库已报道的疾病相关位点，这样三个来源的并集可以扩大覆盖面，三个来源的交集则可以作为高置信候选。

如果研究涉及的是肿瘤方向，还可以加入TCGA或GEPIA的差异表达数据作为外部验证。把疾病靶点限定在特定组织中确实高表达的基因，候选基因集合会更贴近真实病理机制。我在分析乳腺癌相关靶点时，就是先用GeneCards拿全貌，再用GEPIA对候选基因做癌组织与正常组织的表达差异验证，最后富集分析的结果比单纯用GeneCards清晰很多。

做疾病靶点映射时容易犯的一个错误是：把所有数据库检索来的基因不加区分直接合并，导致背景噪音过大。我的习惯是先建好证据等级，比如文献报道过因果关系的标记为A级，多个数据库共同收录且关联分数高的标记为B级，仅单库收录且关联分数一般的标记为C级。这样可以随时清楚哪些是核心靶点，哪些是候选拓展靶点。

5.3 批量数据处理与保存规范

网络药理学研究涉及的数据往往是多数的、多来源的，如果靠手工维护，出错概率极高。我建议从一开始就建立规范的数据管理流程：每个数据库下载的原始数据单独存一个文件夹，以“数据库名-查询日期-检索词”命名；清洗后的标准数据统一存成CSV，另开一个字段记录清洗规则；最终用于网络分析的表格再单独做一版，确保每一步可追溯。

具体的批量处理工具，我常用Python的pandas。读取TCMSP导出的成分表后，用apply函数生成新的筛选列，再统一汇总为一个数据框。靶点合并时，用merge按UniProt ID关联，能自动去掉Excel合并时常见的重复行问题。R语言的处理逻辑类似，dplyr和tidyr组合包可以完成大多数清洗操作。

保存数据时要特别注意编码问题，CSV文件大多建议保存为UTF-8 without BOM，否则导入Cytoscape或R环境时容易出现乱码。另外，所有中间数据不要覆盖原始文件，哪怕你觉得清洗后的版本才是有用的，原始数据也是一切分析可信度的根源。

6. 写在最后的一点个人经验

TCMSP是网络药理学入门学习中最合适的起点数据库，但它的价值不完全在于给你一个“正确答案”，而在于帮你在复杂的中药成分世界里建立起一条可追踪的证据路径。数据分析的每一条边、每一个靶点，背后都应该能回答出“这个信息从哪来、经过什么处理、置信度如何”。这套方法论，远比某个数据库本身重要。

我踩过的坑换来的经验是：不要等问题出现后才补救，数据下载和清洗阶段就做好记录，后面分析会顺畅得多；不要迷信默认参数，OB和DL只是入门筛，具体研究场景下要对筛选阈值和理由做出明确说明；不要只看TCMSP，它与外部数据库的交叉验证才是产出可靠结论的基础。

如果你第一次用TCMSP做成分靶点查询，建议先拿一味常用药材完整走一遍流程，从成分列表下载、参数筛选、靶点导出、标准化清洗，再到Cytoscape画出一个简单网络。走完这一步，再去应对多药材、多靶点的大数据分析，就会游刃有余很多。