简介：面向中药网络药理学入门与实操的R语言学习资料，聚焦TCMSP数据库应用，适合药理学、生物信息学方向的研究生和科研人员。压缩包内含217个文件，整体约23.93MB，视频教程讲解数据获取与处理流程，R/Perl脚本（r、pl）提供可复用分析代码，PDF课件梳理课程知识点，png图展示网络可视化结果，xml、tsv、csv等文件保存中间数据。已有1825人学习下载。内容覆盖TCMSP数据库介绍与访问、R语言环境搭建、数据清洗、药物-靶点网络绘制（igraph）、GO与KEGG功能富集分析等核心主题，视频演示与代码脚本一一对应，并配有PDF课件随堂笔记，便于边看边练、随时复习。通过系统学习可掌握从中药成分筛选、靶点预测到网络解析的完整知识链，为中药复杂作用机制研究和论文写作提供实用工具。

1. TCMSP 中药网络药理学资料：一套能直接跑通的视频与代码

搞中药复方机制研究的人，八成都被 TCMSP 卡过：要么数据库进不去，要么下载了成分表不知道下一步干啥。这套「TCMSP 中药网络药理学资料（视频+代码）」解决的就是从 TCMSP 拿数据到出图出表的完整链路问题——活性成分筛选、靶点预测、PPI 网络构建、GO/KEGG 富集，一套代码从头跑到尾，视频里每一步都有操作演示。适合正在写 network pharmacology 文章、需要补一套标准流程的硕博生和临床科研人员，也适合想快速验证一个复方有没有分析价值的从业者。我拆完这套资料最直接的感受是：它不是把步骤念给你听，而是把「哪里容易断、断了怎么续」也讲清楚了。

这套内容的技术栈核心就两个：TCMSP 数据库的检索与下载规范、R 语言的分析管道。下面按我实际复现的顺序，把数据获取、靶点处理、富集分析、绘图交付和踩坑记录逐一展开。

2. 从 TCMSP 拿数：成分筛选与靶点下载的完整操作

2.1 TCMSP 的 ID 构成与检索参数

TCMSP 的检索 URL 有固定套路，知道这个套路你就能用脚本批量拉数据，不用每次手动点网页。TCMSP 的化合物查询接口核心参数是herb_name，比如我们要分析黄连，URL 构造是：

# 黄连的 TCMSP 成分检索 curl -L "https://old.tcmsp-e.com/tcmspsearch.php?qr=黄连&qsr=herb_name&token=xxxx"

这里qr是查询内容，qsr是查询类型，herb_name表示按中药名检索。返回的是 HTML 页面，里面嵌着一张成分表，字段包括 Mol ID、分子量、OB、DL、HBD、HBA、LogP 等。实际工作中我不太建议直接解析 HTML，更稳的做法是在页面上手动筛选下载 CSV。

参数里有三个最关键的筛选阀值：OB（口服生物利用度）≥ 30%，DL（类药性）≥ 0.18，这是网络药理学文章里默认的筛选标准。有些文章会用 OB ≥ 30% 且 DL ≥ 0.18，也有用 OB ≥ 20% 的，但 TCMSP 官方推荐和大部分文献默认是 30 和 0.18。你如果做创新药筛选可以把阈值拉高到 40/0.25，做机制验证就用默认值，不然成分太少后面没法做网络。

2.2 成分 CSV 的下载与预处理

TCMSP 页面右上角有导出按钮，可以下载成分表的 CSV。这个 CSV 是半结构化数据，列名是中文或英文混排，读进 R 之前要先人工检查一遍。

读入 R 之后的清洗我一般这么写：

# 读取 TCMSP 下载的成分表 herb_csv <- read.csv("黄连_成分.csv", fileEncoding = "GBK", stringsAsFactors = FALSE) # 按 OB 和 DL 筛选活性成分 act_filter <- subset(herb_csv, OB >= 30 & DL >= 0.18) cat("筛选后剩余成分数：", nrow(act_filter), "\n") # 提取 Mol ID 列表，后面拿这个去查靶点 mol_ids <- act_filter$Mol.ID writeLines(mol_ids, "active_mol_ids.txt")

fileEncoding="GBK"是因为 TCMSP 导出的 CSV 是 GBK 编码，直接用read.csv读会乱码。OB >= 30 & DL >= 0.18是双条件同时满足，不是或的关系。writeLines把活性成分的 Mol ID 存成纯文本，下一步靶点获取要用。这里有个容易踩的细节：CSV 里的Mol ID列名可能带空格或不可见字符，读取后先names(herb_csv)确认列名再引用。

2.3 靶点获取的两种方式和推荐路径

活性成分确定后，需要拿 Mol ID 去 TCMSP 查对应靶点。TCMSP 的靶点数据在成分详情页里，每个 Mol ID 会列出它作用的 protein target。常见做法有两种：一是用 TCMSP 网页手动逐个复制，二是用脚本遍历 Mol ID 请求靶点接口。我推荐后者，但你得先确认 TCMSP 当前是否要求登录——这个问题在避坑章节细说，这里先给脚本方案。

# 遍历 Mol ID 获取靶点（适合 TCMSP 未强制登录时） library(httr) library(jsonlite) mol_list <- readLines("active_mol_ids.txt") target_list <- list() for (mid in mol_list) { url <- paste0("https://old.tcmsp-e.com/tcmspsearch.php?qr=", mid, "&qsr=mol_id&token=xxxx") res <- tryCatch(GET(url, timeout(20)), error = function(e) NULL) if (is.null(res)) next # 解析返回的靶点表，这里假设返回 JSON parsed <- tryCatch(fromJSON(content(res, "text", encoding = "UTF-8")), error = function(e) NULL) if (!is.null(parsed) && length(parsed) > 0) { target_list[[mid]] <- parsed$target_name } Sys.sleep(1) # 礼貌访问，别把 TCMSP 打挂了 } target_df <- stack(target_list) names(target_df) <- c("target", "mol_id") write.csv(target_df, "targets_raw.csv", row.names = FALSE)

timeout(20)防止某个请求卡死整个循环，Sys.sleep(1)做请求间隔，这是批量抓取的基本礼仪。fromJSON假设接口返回 JSON，如果 TCMSP 改版返回 HTML，这段就要换成rvest::html_table()解析。解析失败时tryCatch会返回NULL，循环继续跑，不会中断。

这里强调一句：如果 TCMSP 当前版本要求登录且做了人机验证，上面的脚本大概率拿不到数据。我的处理习惯是——先看视频里演示的是哪个版本的页面，再决定用脚本还是手动导出。视频里如果带的是新版页面，就把脚本当成备用方案，优先走手动下载。

3. 靶点名称标准化与 PPI 网络构建：避开 UniProt 的暗坑

3.1 从靶点名到标准 Gene Symbol

TCMSP 返回的靶点名通常是 protein name，比如「Prostaglandin G/H synthase 2」，这不是基因名。做网络药理学的标准动作是把它映射到 UniProt 的 Gene Symbol（比如 PTGS2）。这一步不做，后续 STRING 和富集分析全都会卡住。

TCMSP 页面里其实带了一个Gene Symbol字段，但很多情况下是空的或者对应的是旧 ID，我一般会拿 target name 去 UniProt 批量检索。

# 用 UniProt ID mapping API 做靶点标准化 library(httr) target_names <- unique(target_df$target) map_results <- c() for (tn in target_names) { query_url <- paste0("https://rest.uniprot.org/uniprotkb/search?query=", URLencode(paste0("protein_name:", tn)), "&fields=gene_primary&format=tsv") res <- GET(query_url, timeout(30)) if (status_code(res) == 200) { tsv_text <- content(res, "text", encoding = "UTF-8") lines <- strsplit(tsv_text, "\n")[[1]] if (length(lines) > 1) { gene_sym <- strsplit(lines[2], "\t")[[1]][1] map_results <- c(map_results, gene_sym) } else { map_results <- c(map_results, NA) } } else { map_results <- c(map_results, NA) } Sys.sleep(0.5) } target_df$gene_symbol <- map_results[match(target_df$target, target_names)]

这里有个细节：UniProt 检索protein_name:时要加URLencode，否则蛋白名里的空格和冒号会导致 400 错误。fields=gene_primary只要基因主名，避免返回多个别名。映射不上的是因为 TCMSP 的 target name 和 UniProt 的 protein name 不完全一致，比如带亚基描述或物种限定词。映射不上的别硬删，先用别名再查一轮，实在没有就标 NA，后续分析时会自动忽略。

3.2 STRING 网络构建与 TSV 导出

靶点基因标准化后，下一步是构建 PPI 网络。标准工具是 STRING 数据库，把基因列表粘贴到 STRING 的 «Multiple Proteins» 页面，选择物种 Homo sapiens，检索后导出 TSV。

关键参数设置是：confidence score 选 0.400（中等置信度），这个值最常用，网络不会太稀疏也不会太乱。meaning of network edges 选 confidence，这样边的粗细代表置信度。导出时勾选 «second shell» 的 no more than 5 interactors，不然网络会膨胀到没法看。

导出 TSV 后读入 R，我习惯转换成 edge list 格式：

# STRING 导出 TSV 转 edge list string_tsv <- read.table("string_interactions.tsv", header = TRUE, sep = "\t", quote = "") # string_tsv 的 node1 和 node2 是 Ensembl ID，先映射回 gene symbol # 这里假设你已经用 bitr() 转换过了，直接用转换后的结果 edges <- string_tsv[, c("node1_symbol", "node2_symbol", "combined_score")] # combined_score 是 0-1000 的整数值，一般按 >400 过滤 edges <- subset(edges, combined_score >= 400) write.csv(edges, "ppi_edges.csv", row.names = FALSE)

combined_score >= 400对应 STRING 网页上 0.4 的置信度阈值，800 对应 0.8。做核心网络用 700 以上，做全貌用 400。导出 TSV 的时候注意勾选 «displayed data» 而不是全量数据，不然文件里多出很多无关列。

3.3 Cytoscape 出图与节点布局

拿到 edge list 以后，Cytoscape 里 Import Network from File 直接拖进去就能成图。我一般会再算一遍 degree 值，用 degree 映射节点大小，用 combined_score 映射边的透明度。布局用 force-directed 的预设，跑一遍后手动调几轮，把离群节点拉回来。

这里有个效率技巧：Cytoscape 每次手动调布局很费时间，你可以用 R 的RCy3包批量控制 Cytoscape 出图。但视频里演示的通常是纯手动路径，因为手动调整的空间更大；脚本出图适合做批量复方对比时用。

4. 功能富集分析：GO 与 KEGG 的落地实操

4.1 clusterProfiler 的 ORA 分析

PPI 网络建好之后，常规套路是把网络里的核心基因拿出来做 GO 和 KEGG 富集。这里用clusterProfiler做 ORA（过表达分析），不是 GSEA。ORA 适合基因数量在几十到几百的场景，GSEA 需要表达矩阵，网络药理学场景下基本用不到 GSEA。

library(clusterProfiler) library(org.Hs.eg.db) # 核心基因列表，从 PPI 网络里按 degree 取 top 50 core_genes <- readLines("core_genes.txt") # ORA 分析：GO 生物学过程 go_ora <- enrichGO(gene = core_genes, OrgDb = org.Hs.eg.db, keyType = "SYMBOL", ont = "BP", pAdjustMethod = "BH", pvalueCutoff = 0.05, qvalueCutoff = 0.05, readable = FALSE) head(go_ora@result[, c("ID", "Description", "pvalue", "p.adjust", "Count")])

keyType="SYMBOL"表示输入的是基因符号。如果你的输入是 Entrez ID，这里要改成ENTREZID。ont="BP"选生物学过程，也可以换成CC或MF，跑全量的话把ont参数设为"ALL"，但结果会很长，阅读不友好。pAdjustMethod="BH"是 Benjamini-Hochberg 校正，网络药理学文章的标配，别选bonferroni，太严格会把结果压没了。

readable=FALSE是因为输入已经是 SYMBOL，不需要再转换。如果你输入的 Entrez ID，这里要设readable=TRUE把 ID 显示成基因名。

4.2 KEGG 富集与通路可视化

KEGG 富集和 GO 几乎一样，区别是数据库不同。clusterProfiler的enrichKEGG函数需要联网访问 KEGG API，网络不稳定时会失败，建议设置镜像或多次重试。

# KEGG 通路富集 kegg_ora <- enrichKEGG(gene = core_genes, organism = "hsa", keyType = "kegg", pvalueCutoff = 0.05, qvalueCutoff = 0.05, use_internal_data = FALSE) # 看前 10 条显著通路 kegg_result <- as.data.frame(kegg_ora) head(kegg_result[order(kegg_result$p.adjust), ][1:10, c("ID", "Description", "p.adjust", "Count")])

organism="hsa"是人类，别的物种要改成对应的 KEGG 三字母缩写，比如小鼠是mmu，大鼠是rno。use_internal_data=FALSE表示从 KEGG 在线 API 取数据，如果设成TRUE会用本地缓存的 KEGG 数据，但那个数据更新不一定及时。keyType="kegg"是 KEGG 自己的基因 ID，如果你的核心基因是 SYMBOL，先用bitr()转成 Entrez ID 再传进来：

# SYMBOL 转 Entrez ID conv <- bitr(core_genes, fromType = "SYMBOL", toType = "ENTREZID", OrgDb = org.Hs.eg.db) kegg_ora2 <- enrichKEGG(gene = conv$ENTREZID, organism = "hsa", pvalueCutoff = 0.05)

bitr转换会丢失匹配不上的基因，转换后看看conv的行数，如果丢太多回去查基因名拼写。

4.3 富集结果的可视化与解读

富集结果的图一般三件套：气泡图（dotplot）、条形图（barplot）、通路网络图（cnetplot）。clusterProfiler自带绘图函数，直接传对象就行。

# 气泡图：横轴是 GeneRatio，纵轴是通路名，点大小是基因数，颜色是 p.adjust dotplot(kegg_ora, showCategory = 15, font.size = 10) ggsave("kegg_dotplot.png", width = 8, height = 6, dpi = 300) # cnetplot：展示基因-通路连接关系 cnetplot(kegg_ora, showCategory = 5, categorySize = "pvalue")

showCategory=15控制显示的条目数，不是越多越好，15 条以内读者能一眼看到主要富集结果。font.size=10是防止通路名太长互相遮挡。cnetplot 的categorySize="pvalue"让节点大小反映显著性，如果图太密，把showCategory降到 3 或者把边缘模糊关掉。

富集结果解读是很多人的知识盲区：不要照着 p 值最小的通路逐条念，核心是看通路之间的关联模式——比如多个条目都指向炎症反应，那结论就是该复方可能通过抗炎通路起效。这条逻辑要写进文章讨论部分，不是罗列表格。

5. 避坑与常见问题：TCMSP 网络药理学最容易翻车的五个点

5.1 TCMSP 强制登录导致脚本失效

现象：脚本批量请求 TCMSP 接口时返回 302 重定向或验证码页面，解析不到任何靶点数据。

原因：TCMSP 新版加强了访问控制，需要登录才能查看靶点，部分接口还加了 JS 人机验证。旧版old.tcmsp-e.com的接口保持兼容，但不是所有数据都能通过脚本拿全。

解决：优先走视频里演示的路径——先手动登录，在网页端筛选和导出 CSV。脚本方案保留在本地，但只用于 TCMSP 开放接口还正常时。登录后的 session 如果要用脚本维持，可以在浏览器开发者工具里复制 Cookie 到httr::set_cookies()，但改版频繁，不建议长期依赖。

5.2 UniProt 映射大量失败，基因列表少了一半

现象：TCMSP 的 target name 拿去查 UniProt，三分之一查不到 Gene Symbol。

原因：TCMSP 的靶点数据是早年整理的，蛋白名包含旧名、别名或带物种注释（如 "human"）。UniProt 搜索对精确匹配要求高，蛋白名的空格和特殊字符会影响查询结果。

解决：换检索字段，把protein_name:换成protein_name:"..."精确短语搜索；或者先用 TCMSP 页面自带的 Gene Symbol 字段，缺失的再用 UniProt 补。别名映射问题可以用org.Hs.eg.db的mapIds()做二次匹配，能捞回来不少。

5.3 STRING 导出 TSV 后基因名对不上

现象：STRING 导出的 TSV 里 node1 和 node2 列是 Ensembl ID（如 ENSG0000012），和你输入的 gene symbol 不一致。

原因：STRING 默认以 Ensembl ID 作为内部标识，即使输入的是 gene symbol，导出时仍可能显示为 Ensembl ID。

解决：在 STRING 页面导出 TSV 时，勾选 «Export as tabular» 的下拉选项里选 gene symbol 版本，或者导出后用bitr()把 Ensembl ID 映射回 SYMBOL。我一般用后者，因为bitr()的结果可以直接用于后续分析。如果是stringdb的 R 包导出，调用get_edges()后手动指定id_type="gene_symbol"。

5.4 富集分析结果 p 值全为 1

现象：enrichGO跑完，所有条目 pvalue 都是 1 或接近 1，没有任何显著富集。

原因：多数时候是基因列表太短，或者基因列表里混入了大量非编码基因和假基因，导致背景集和基因集重叠率过高。也有可能是keyType传错了，比如传了 SYMBOL 但设置了ENTREZID，全部匹配失败。

解决：检查core_genes里基因名是否为标准 SYMBOL 写法，比如EGFR不能写成Egfr。然后用bitr()做一次校验，看转换成功的比例。如果基因数少于 20，富集分析没有统计学意义，建议回到 PPI 网络，扩大置信度阈值把更多节点纳入核心基因集合，或者改用超几何检验手算。

5.5 TCMSP 下载的 CSV 用 R 打开乱码

现象：read.csv("xxx.csv")打开后，中文列名变成乱码或问号。

原因：TCMSP 导出 CSV 的编码是 GBK / GB18030，R 默认按 UTF-8 读取，必然乱码。Windows 下 R 4.0 之后的read.csv默认fileEncoding=""，不会自动识别 GBK。

解决：read.csv加上fileEncoding="GBK"或"GB18030"。如果你已经读进来且乱码了，用iconv(text, "GBK", "UTF-8")重新编码。Mac 和 Linux 上 R 对 GBK 支持稍差，必要时先在 Excel 里另存为 UTF-8 CSV 再读。

这五条是我复现时实际撞过的墙，前两条影响数据完整性，后三条影响分析结果，每一条都能卡住半天以上。视频里有几条已经讲过，但我更建议你把上面五条存成一个 checklist，每次跑新复方时先过一遍。

6. 从跑通到交付：结果验证、批量备图与交付清单

一套网络药理学跑通和跑好之间还差一个验收集。我自己的习惯是，任何复方分析都要经过以下三个验证才算交付。

第一步是结果合理性验证。富集到的通路里必须有 1 到 2 条与复方主治疾病强相关的通路，否则前面数据可能就有问题。比如分析黄连解毒汤，结果里没有炎症相关通路和氧化应激条目，那大概率是靶点映射阶段出错了。验证方法是：随便抽 5 个核心基因，去 PubMed 上查它们与目标疾病的关联文献，关联度低就得回头查基因映射。

第二步是图表参数的统一。网络药理学文章通常要拼多张图，单张图配色、字号、分辨率要一致。导图时我统一用dpi=300、字号不小于 8pt、图片宽度统一 8 英寸。以下是交付文件的最小集合：

文件命名我建议统一用复方名_数据类型.ext的格式，比如huanglian_tcmsp_components.csv，一方面自己能分清，另一方面投稿时审稿人看起来也专业。

第三步是代码环境的留档。R 包的版本差异经常导致结果对不上，交付时我会在 R 里跑一次sessionInfo()，把输出存成session_info.txt一并附上。这个动作很多教程不会教你，但对复现至关重要——三个月后再回来看自己的脚本，没有版本记录等于给未来挖坑。

拆完这套资料，我最大的感受是：TCMSP 网络药理学不是一个黑匣子，它是一套有固定节奏的流水线。数据获取、ID 标准化、网络构建、富集分析、交付成图，每一段都有标准动作和对应坑位。从那以后我每次拿到新复方，都强制自己走一遍「先下载 CSV → 校验基因名 → 跑 PPI → 看富集 → 存 sessionInfo」的完整闭环，宁可慢半小时，也不在投稿前夜返工。这套资料里的视频和代码给我省掉的不是学习时间，而是和 TCMSP 斗智斗勇的暗坑时间。希望帮到你——少踩一个坑，就多一篇论文的时间。

本文还有配套的精品资源，点击获取