（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）

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

本文标签： 网站数据库药理学之大代码