中药网络药理学教程：GBM研究与数据处理方法

中药网络药理学教程是目前全网最受欢迎的资源，它专注于利用网络数据来探究中药在治疗胶质母细胞瘤（GBM）等疾病中的作用。本教程分为两个主要部分：数据获取与整理以及疾病中药交集分析。 1. 数据获取与预处理： - 第一步：Uniprot数据下载 从Uniprot官网（<https://www.uniprot.org/>）获取与GBM相关的蛋白质数据，特别关注TSV格式而非TXT。用户需进入网页，输入关键词，筛选出满足条件（如OB值大于等于30，DL值大于等于0.18）的条目，然后将其下载并转换为TXT格式。 - 第二步：数据整理 在本地创建一个名为"代码处理"的文件夹，使用Python的pandas库读取下载的TSV文件（`pd.read_csv('uniprotkb_glioblastoma.tsv', sep='\t')`），将DataFrame保存为纯文本文件（`df.to_csv('ann.txt', sep='\t', index=False)`）。 2. 疾病中药交集分析： - 疾病中药交集构建 通过访问TCSPM官网(<https://old.tcmsp-e.com/>)，筛选出与GBM相关的中药复方药剂，根据给出的筛选标准（如OB和DL值）选择合适的药物。用户需手动复制特定页面的信息至`Gouqizi_ingredients.txt`，并确保正确格式。 - 自动化处理 对于大量数据，如中药的target信息，不再依赖手动复制，而是采用编程方法。首先，将数据以JSON格式下载，然后通过在线工具（如<https://www.json.cn/> 和 <https://www.bejson.com/>）进行处理。用户需要编写Python脚本，如定义函数`json_to_txt`，将中药的JSON数据转换成`_targets.txt`文件，以便后续分析。 本教程不仅介绍了中药与GBM关联的科学数据获取过程，还展示了如何通过网络资源和编程技术有效地进行数据清洗和整合，为中药网络药理学的研究者提供了一套实用且高效的方法。通过学习和实践这些步骤，读者可以深入了解中药在现代医学中的作用，并掌握数据分析的技能。