admin管理员组文章数量:1533852
前言
本机环境与复现文章
- 需要已装好python、R语言环境。本人使用的是mac。
- 要复现的文章是:Investigation into the Molecular Mechanisms of Rheum against Esophageal Cancer Based on Network Pharmacology and Experimental Validation
英文名
- 大黄英文名:Dahuang
- 食管癌英文名:esophageal cancer
网站地址
- TCMSP网站地址:https://old.tcmsp-e/tcmsp.php
- GeneCards网站首页:https://www.genecards/
- OMIM网站首页:https://www.omim/(没什么用,建议直接去到OMIM geneMap页面)
- OMIM geneMap页面:https://www.omim/search/advanced/geneMap
- SwissADME网站:http://www.swissadme.ch/index.php
TCMSP筛选药物活性成份
论文原文步骤
TCMSP筛选大黄的活性成分。以“大黄”为关键词,筛选标准包括口服生物利用度(OB)≥ 20% 和药物相似性(DL)≥ 0.18,以识别具有潜在药理活性的成分。
复现步骤
网站首页
首先进入TCMSP网站如下:
网站搜索
直接输入大黄英文名Dahuang
之后点击搜索,出现如下页面,点击拉丁名称后会跳转
搜索结果初筛
可以看到这里出现了搜索结果列表,我们只关注两列:OB(生物利用度)和DL(药物相似性)
这里每列点击后其实都可以切换顺序/倒序排序的,具体可见点击列明后的显示的是上箭头还是下箭头。
但是当列过窄时可能和筛选图标重叠,我们可以手动按住列的分割线将列拉宽点。
然后点击筛选图标,按照论文原文的生物利用度(OB)≥ 20%
和药物相似性(DL)≥ 0.18
进行筛选。
筛选后就从一开始的92条数据变为了29条数据(因为数据库一直在变动,所以筛选后不是29条也问题不大~)
下载数据
随后我们需要下载数据,在这里你可以选择以下任意方式之一:
手动粘贴
因为数量不多,所以可以手动粘贴到txt文件或者xlsx文件中,如下:
代码爬虫
本人写了个爬虫脚本,如下。
使用前提是下载你所使用的浏览器对应的`driver`,譬如你用的是`chrome`,那么要下`chromedriver`。
在这里我提供了`chromedriver`在本文章的资源绑定里面。
ps:不保障每人都能使用成功该脚本,受各种因素影响捏。
本人纯纯为爱发电,不提供代码的售后服务,有问题可在评论区留言,看到即回。
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from bs4 import BeautifulSoup
import pandas as pd
options = webdriver.ChromeOptions()
driver = webdriver.Chrome(options=options)
def get_related_targets(url):
# 打开目标网页
driver.get(url)
# 等待页面加载完成
WebDriverWait(driver, 10).until(
EC.presence_of_element_located((By.XPATH, "//a[contains(text(), 'Related Targets')]"))
)
related_targets_tab = WebDriverWait(driver, 10).until(
EC.element_to_be_clickable((By.XPATH, "//a[contains(text(), 'Related Targets')]"))
)
related_targets_tab.click()
# table = driver.find_element((By.XPATH, '//*[@id="grid2"]/div[2]/table'))
WebDriverWait(driver, 10).until(
EC.presence_of_element_located((By.XPATH, '//*[@id="grid2"]/div[2]/table'))
)
# 初始化DataFrame来存储所有页面的表格数据
all_pages_data = pd.DataFrame()
# 循环遍历所有分页
while True:
# 获取当前页面的HTML
html = driver.page_source
soup = BeautifulSoup(html, 'html.parser')
# 使用Selenium获取表格数据
table = driver.find_element(By.CSS_SELECTOR, '#grid2 > div.k-grid-content > table')
rows = table.find_elements(By.TAG_NAME, 'tr')
data = []
for row in rows:
cols = row.find_elements(By.TAG_NAME, 'td') # 或者 'th' 如果是表头
cols_text = [ele.text.strip() for ele in cols]
data.append(cols_text)
# 将当前页面的数据添加到DataFrame
# 跳过表头,直接使用数据行创建DataFrame
df = pd.DataFrame(data)
all_pages_data = pd.concat([all_pages_data, df], ignore_index=True)
# 尝试点击下一页按钮,如果找不到则跳出循环
try:
# 等待“下一页”按钮可点击
next_page_btn = WebDriverWait(driver, 10).until(
EC.element_to_be_clickable(
(By.CSS_SELECTOR, '#grid2 > div.k-pager-wrap.k-grid-pager.k-widget > a:nth-child(4)'))
)
if "k-state-disabled" not in next_page_btn.get_attribute("class"):
# 点击按钮
next_page_btn.click()
WebDriverWait(driver, 2).until(
EC.presence_of_element_located((By.CSS_SELECTOR, '#grid2 > div.k-grid-content > table'))
)
else:
print("已到达最后一页")
break
except Exception as e:
print("发生错误:", e)
break
# 关闭WebDriver
driver.quit()
# # 打印所有页面的数据
# print(all_pages_data)
# 如果需要,可以将数据保存到文件
all_pages_data.to_csv('targets.txt', index=False, header=False)
if __name__ == '__main__':
url = "https://old.tcmsp-e/tcmspsearch.php?qr=Coptidis%20Rhizoma&qsr=herb_en_name&token=5d5532b4c3e1a1d1aa9817e3b8d8b89a"
# 需要换成初筛后的网址
get_related_targets(url)
开通会员
该网站貌似有会员服务,会提供另一个版本的网站,可选hhh
SwissADME筛选药物活性成分
论文原文步骤
使用SwissADME数据库进行了二次筛选,选择了具有高胃肠道吸收(GI absorption)并符合Lipinski、Ghose、Veber、Egan和Muegge等药物相似性标准的成分。经过这一筛选过程,最终确定了具有已知靶点的大黄七个活性成分:EUPATIN, Emodinanthrone, Physcion-9-O-beta-D-glucopyranoside_qt, 大黄酸, Toralactone, 大黄素, 和 Physcion。
复现步骤
批量获得SMILES序列号
可以见我的另一篇博客:http://t.csdnimg/m366Q
筛选
拿到SMILES序列号后去SwissADME中进行转化,如下,点击Run
然后根据原文的"选择了具有高胃肠道吸收(GI absorption)",就是看图1处是否为High。
原文的“符合Lipinski、Ghose、Veber、Egan和Muegge等药物相似性标准”,就是看图2框中的地方是否有两个及以上的yes。
Uniprot数据库
GeneCards数据库筛选疾病潜在靶点
网站首页和搜索
进入GeneCards网站首页后,搜索食管癌英文esophageal cancer,随后点击搜索。
搜索结果下载
点击Export
后点击Export to Excel
(这个的下载会有点慢,可以先做下一步DisGeNET)
搜索结果初筛
Genecards下载的文件名也默认都是GeneCards-SearchResults.csv
,我们打开下载的文件,如下:
我们首先需要选中表头,然后点击“筛选”下的“筛选”。
之后就可以看到表头的每一个都出现了筛选图标。
根据原文步骤相关性评分(Relevance score) ≥ 1.0
,我们点击Relevance score的筛选图标后选择“数字筛选”,而后出现如下面板,输入相关信息点击确认后可以看到表格的最下方显示我们从7548条中筛选出了7227条,之后将这些数据复制到新的excel文件中。
DisGeNET数据库筛选疾病潜在靶点
OMIM数据库筛选疾病潜在靶点
网站搜索
直接来到OMIM geneMap页面,搜索食管癌英文esophageal cancer,随后点击搜索。
或者你可以通过首页来到gene Map页面
下载搜索结果
如下下载搜索结果
搜索结果处理
在OMIM下载的数据的文件名称都是OMIM-Entry-Retrieval.xlsx
我们点开来看,如下,我们只需要关注或者说,提取Gene/Locus
这一列即可。
你可以选择如下两种方法之一:
excel处理
注意将逗号和前后空格都删除,并去重,一个基因名就占一行,最终结果如下:
代码处理
我写了一个python脚本,代码如下:
ps:这只是一个片段代码,如果直接跑是跑不出来结果的(
def get_gene_from_OMIM(OMIM_file_name):
# 读取Excel文件
df = pd.read_excel(OMIM_file_name, skiprows=4) # 跳过前4行非数据行
# 提取"Gene/Locus"列
gene_locus_column = df['Gene/Locus'].dropna()
# 创建一个空列表来存储处理后的基因名
cleaned_genes = []
# 遍历"Gene/Locus"列
for item in gene_locus_column:
# 检查是否为字符串类型
if isinstance(item, str):
# 去除双引号并去除两端空格
item = item.replace('"', '').strip()
# 分割基因名并去除每个基因名两端的空格
genes = [gene.strip() for gene in item.split(',')]
# 添加到列表中
cleaned_genes.extend(genes)
gene_df = pd.DataFrame(cleaned_genes, columns=['Gene/Locus'])
print("omim_df 's row is: ", len(gene_df))
return gene_df
版权声明:本文标题:(待更)零基础复现一篇生信网络药理学文章之大黄素篇(含所有代码、TCMSP网站、SwissADME数据库、GeneCards网站、DisGeNET数据库、OMIM网站使用教程) 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dianzi/1724844001a993578.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论