我在筛选中药/复方化学成分时，优先使用TCMSP、TCMID、HERB等经典中药系统药理学数据库。中药成分数量繁杂，并非所有成分都能在体内发挥药效，因此必须设置严格的ADME药代动力学筛选标准。

这也是顶刊的基本要求：统一限定口服生物利用度OB≥30%、类药性DL≥0.18，同时结合Lipinski五原则进一步剔除无成药潜力的化合物。

对于数据库未收录的微量成分、新型提取物，我会借助PubChem获取SMILES结构式，再通过SwissADME完成虚拟ADME评估，保证候选成分均具备口服药物的基本特性。

拿到合格的活性成分后，下一步就是预测潜在作用靶点。

日常研究中我常用SwissTargetPrediction、PharmMapper、TargetNet等工具：前者基于结构相似性预测，后者依托三维药效团与机器学习模型，多工具联用可降低假阳性。

为把控数据质量，我会设置预测概率得分＞0.1的筛选阈值，剔除低可信度靶点；最后将所有靶点统一映射至UniProt数据库，标准化为人源基因符号并去重，完成靶点数据的规整。

仅依靠GeneCards、OMIM、DisGeNET等数据库挖掘疾病基因，容易引入大量噪音数据。现阶段我的研究都会整合GEO、TCGA临床样本转录组数据，借助R语言limma、DESeq2包筛选差异表达基因（DEGs）。

统计阈值严格设定：|log_2FC|>1，且经Benjamini-Hochberg校正后P<0.05。

为进一步筛选核心疾病基因，我会引入WGCNA加权基因共表达网络分析，通过构建基因共表达模块，结合基因显著性、模块成员度锁定与疾病表型强相关的枢纽基因。

最后利用维恩图，将药物预测靶点、传统疾病靶点、转录组差异基因取交集，得到的交集基因，就是中药干预疾病的核心网络靶标，也是后续网络构建的核心节点。

交集靶点只是一份静态基因列表，想要解析基因间的互作关系，必须构建蛋白质-蛋白质相互作用（PPI）网络，并通过拓扑分析挖掘关键枢纽基因。

这一步我主要使用STRING数据库与Cytoscape软件组合完成。

将核心交集靶点导入STRING，为过滤假阳性互作，常规研究设置置信度＞0.4；若网络节点过多，则提升阈值至0.7~0.9，同时删除孤立节点，导出网络文件。

把文件导入Cytoscape，依托cytoHubba插件开展多算法分析。单一拓扑算法存在局限性，高分文章普遍采用多算法交叉验证。

我会重点使用四类核心指标：

分别提取每种算法排名前20的节点，再用维恩图取交集，最终重叠基因即为决定疾病进程与药物疗效的核心枢纽基因。

锁定核心靶点后，就需要通过富集分析阐释靶点参与的生物学过程与信号通路，解答“中药成分通过哪些途径发挥作用”这一核心问题。

使用R语言clusterProfiler包完成GO/KEGG富集分析，相比在线工具，该工具可保证分析可重复、图形可视化效果更佳。实操中先通过org.Hs.eg.db完成基因名转换，再执行富集运算，统一设置P＜0.05、Q＜0.05，并采用BH法进行多重检验校正，严控假阳性。

富集完成后，将中药成分-核心靶点-信号通路-疾病重新整合，在Cytoscape中绘制全景网络图，直观呈现中药“多成分、多通路”的协同调控模式，彻底突破传统单靶点研究的局限。

网络药理学的预测结果属于计算机模拟推论，想要提升研究说服力，必须补充结构生物学层面的验证，也就是分子对接与分子动力学模拟，这也是顶刊研究的标配环节。

这是验证“成分-靶点”结合能力的核心手段，标准操作流程如下：

❶ 从PDB数据库下载靶蛋白晶体结构，用PyMOL、AutoDockTools去除水分子、杂原子，补充极性氢、分配电荷，修复残缺肽链，完成蛋白预处理；

❷ 对中药活性小分子进行能量最小化优化，标记可旋转键；

❸ 参照蛋白共结晶配体划定结合口袋（网格盒），无已知结合位点时借助DoGSiteScorer预测口袋位置；

❹ 运行对接计算，以结合能≤-5.0kcal/mol作为有效结合判定标准，结合能≤-7.0kcal/mol代表二者亲和力极强；

❺ 最后用可视化软件分析氢键、疏水作用、π-π堆积等非共价相互作用。

静态的分子对接无法模拟蛋白在体内的动态构象变化。

对于筛选出的高亲和力复合物，我会进一步开展分子动力学模拟：

将复合物置于水溶液体系，模拟生理环境下蛋白与小分子的动态结合过程。通过RMSD判断构象稳定性、RMSF分析氨基酸残基柔性，结合MM-PBSA算法计算结合自由能，从动态层面证实二者的结合效应。

仅做计算模拟的研究只能归为预测分析，体内外湿实验验证才是证明结论真实有效的关键。

除了常规的qPCR、Western Blot检测基因与蛋白表达外，目前顶刊更看重小分子与靶蛋白直接物理结合的证据，而CETSA与DARTS两大无标签技术，是当前中药靶点确证的主流选择。

小分子与靶蛋白结合后，会提升蛋白热稳定性，蛋白熔解温度向高温偏移。

实操上我会设置药物组与DMSO对照组，对细胞/组织样本进行梯度加热，裂解离心后通过Western Blot检测可溶性蛋白含量，绘制熔解曲线。

若药物组曲线明显右移，即可证明小分子在活细胞内直接结合靶蛋白。该技术最大优势是贴合活体生理环境，适合检测跨膜蛋白。

小分子结合蛋白后会引发构象改变或空间位阻，让蛋白抵御蛋白酶的水解作用。

实验全程冰浴操作，提取细胞裂解液后分组加药孵育，再加入梯度浓度的链霉蛋白酶进行酶解，适时终止反应后通过Western Blot检测蛋白条带。

若加药组蛋白条带丰度显著高于对照组，即可证实二者存在直接结合。该技术无需加热，尤其适用于热稳定性异常的蛋白。

结合自身课题实践和领域最新进展，我总结出一套标准的药物-靶点-疾病网络研究完整闭环：

多源数据整合 → ADME&靶点筛选 → 交集核心靶标提取 → PPI拓扑分析 → 枢纽基因筛选 → GO/KEGG功能富集 → 成分-靶点-通路网络图绘制 → 分子对接+动力学模拟 → CETSA/DARTS湿实验验证。

这套流程融合了生物信息学、计算化学、分子生物学多学科技术，也是当前阐释中药多靶点作用机制最科学的范式。

对于做中药网络药理学、靶点筛选的研究者来说，摒弃单一数据库分析、补齐分子模拟与湿实验验证环节，是提升研究深度与文章档次的核心方向。