参考：https://www.sohu.com/a/316309297_170798
解螺旋 官方
文章标题：systematic elucidation of the mechanism of
geraniol via network pharmacology
期刊：Drug Design, Development and Therapy
文中提及的数据库信息：
网络药理学基本概念与常用数据库
基本介绍
研究对象：geraniol，牻牛儿醇
为芳香植物精油提取出来的有效成分
作者使用的方法
- 通过TCMSP获得geraniol的druggability（成药性）
- 通过CTD获得其潜在治疗靶标。
- 通过GeneMANIA 评估靶标功能。
- 通过WebGestalt对相关基因（候选）进行了GO和KEGG富集分析。（分子功能与通路信息）
- 通过Cytoscape构建 化合物-靶标-疾病网络。
实验步骤
研究对象的基本信息
geraniol结构式从pubchem上获取。(ciD: 637566)
右图给了整个实验的workflow。真的简单有木有～
接着通过TCMCP数据库，获取了12种ADME相关的特性，包括Caco-2, human OB, BBB, and Lipinski’s rule。
而我们的主角geraniol，拥有23.93%的口服生物利用度。
获取药物靶标基因
通过CTD数据库获得41种潜在基因。
并通过设定chemical-gene interaction 阈值“>=1”，且剔除非人源基因，筛选图上38种。
评估靶标基因功能
it was found that 37.05% had physical interactions, 20.16% exerted co-localization, and 19.43% displayed similar co-expression characteristics.
- 借助 geneMania，显示38种“过滤靶标”相互关系。节点表示各个靶标蛋白。
GO 与KEGG富集分析
-
使用WebGestalt进行GO及KEGG分析
靶基因根据A. 生物过程类。B. 细胞结构类。C. 分子间作用类。三种，没种类再对各基因进行功能分类。
-
KEGG 结果
靶基因共参与10条KEGG通路。作者应用significant false discovery rate (FDR)-adjusted P-value进行筛选。通路里有凋亡、癌症等通路。
网络化构建与分析
The red oblong, green inverted triangles, and blue circles correspond to geraniol, target genes, and pathways, respectively.
讨论
药物最好能满足Lipinski’s rule of five
包括：
consideration molecular weights (MWs) ,500 Da, a LogP ,5, as well as numbers of hydrogen-bond donors and acceptors less than 5 and 10,
如今该五原则已作为药物的优化标准广泛应用：
Today, the rule of five is generally referred to as a guideline for drug optimization.
通过KEGG与GO分析。这些靶基因与抗炎、慢性/过敏性鼻炎等有关。涉及的通路，包括凋亡与癌症。
由cytospace 网络分析结果可知：
Multiple target therapeutic medicaments are more effective for the treatment of complex diseases, for instance allergic rhinitis, cancers, and are less vulnerable to adaptive resistance. Hence, geraniol could be a promising resource that may be utilized as chemical moiety, lead compound, or an active ingredient for future drug discovery.
可以进一步发现其他的一些潜在疾病关系，如适应性耐受等。
至此完全结束
ps: 是真的简单啊！
