今天我们来看一篇2021年5月份发表在Frontiers in pharmacology期刊上题为“Identification of Tumor Necrosis Factor-Alpha (TNF-α) Inhibitor in Rheumatoid Arthritis Using Network Pharmacology and Molecular Docking”高分网络药理学文章。

这篇白芍治疗类风湿性关节炎(RA)也是采用了经典网络药理学文章套路。其基本套路如下：

1. 中药化学成分收集，并筛选出活性化合物

2. 活性化合物靶点预测

3. 疾病相关数据收集

4. 交集靶点

5. 蛋白互作分析

6. “化合物-靶点-疾病”网络构建

7. 生物学分析

8. 分子对接验证

（图片1，来源于frontiers in pharmacology）

所以从上面的步骤中，我们看出整篇论文不涉及实验过程，纯数据挖掘。接下来我们来看一下具体的内容：

一、化合物收集和活性成分筛选

首先在TCMSP搜索白芍，并收集相关化学成分。接着利用OB和DL值筛选出有效化学成分。一共收集到活性成分13个（如表1）。

（表1，来源于frontiers in pharmacology）

二、靶点预测

利用收集到的活性成分在TCMSP系统查找相应的靶点，共79个。所得靶点在Uniprot数据库中转换为相应的基因型。

三、RA相关基因收集

   在Genecards和OMIM数据库中查找RA基因，删除重复基因后，得总基因。

四、交集靶点

利用Veeny 2.1网站画出韦恩图，并得到交集靶点49个（图2A和表2）。

（表2，来源于frontiers in pharmacology）

五、蛋白互作分析（PPI）

将上述得到的交集靶点带入STRING数据库中，进行PPI分析(图2B)

（图片2，来源于frontiers in pharmacology）

六、“化合物-靶点-疾病”网络构建

     利用Cytoscape软件构建“化合物-靶点-疾病”的网络，并利用拓扑网络筛选出核心化合物和重要靶点（图3和表3）

（图片3，来源于frontiers in pharmacology）

（表3，来源于frontiers in pharmacology）

七、生物学分析

生物学分析主要是GO分析和KEGG分析。本研究中利用R软件“clusterprofile”等语言包对交集靶点进行生物性分析，得到79个生物学功能（图4, 18个最显著生物功能）和50个信号通路（图5, 20个最显著信号通路）

（图片5，来源于frontiers in pharmacology）

八、分子对接

TNF-α与丁子香萜， DPHCD， (+)-儿茶素，β-谷甾醇，芍药苷，谷甾醇和山奈酚等活性化合物进行分子对接，计算化合物与TNF-α结合能大小（表4），以其大小作为两者之间结合的强弱。图片7显示的是各化合物与TNF-α结合的空间构想。

（表4，来源于frontiers in pharmacology）

（图片6，来源于frontiers in pharmacology）

从上面这篇高分SCI论文过程，我们不难看出，只要我们学习了网络药理学和分子对接技术相关实操，要实现这样一篇实验数据是非常容易的。