网药-案例share

成分信息收集

hsbd-2049mol.smi

靶点信息收集

# ETCM数据库 寻找他们的已知靶标（确证+基于配体相似性的潜在靶点）
# 85.3 /home/yqyang/zzy/hsbd/np/mgp/mol-targets/hsbd-mols-targets

# do2.sh 的逻辑如下：
1. 根据 hsbd-2049mol.smi 中的smi，去数据库(etcm-mols-smi-targets-fyl.csv)中匹配smi，若得到了唯一的匹配结果，则进行后续操作（929/2049）；
2. 判断数据库中，该靶点是否具有确证靶点，若有，将靶点信息记录至mol-targets-name/$a.txt（文本处理，使得每一行仅有一个靶点名称），进一步的，根据etcm-targets-yls.csv，将靶点名称替换为UniProt ID（需要名称-ID之间是唯一对应），结果记录至 mol-targets-id/$a.txt；
3. 判断数据库中，该靶点是否具有潜在靶点（基于配体相似性的预测方法），其余步骤与步骤二一致。


# 85.3 /home/yqyang/zzy/hsbd/np/get-hsbd-mols-targets/all-2049
HSBD consists of 14 herbs, and we can find corresponding information for 2049 compounds in the ETCM2.0 database. Furthermore, we found that 929 of the compounds match perfectly (the grep result returns only one line), with 510 hsbd-targets.txt corresponding targets.


# 85.3 /home/yqyang/zzy/hsbd/np/get-hsbd-mols-targets/insert
# 从Genecards上下载“SARS-CoV-2”相关蛋白（excel),共7096个有UniProt ID
# 与HSBD-D3AI 成分潜在靶点取交集
cat genecards-SARS-CoV-2.txt hsbd-targets.txt |sort|uniq -d >insert


(base) [yqyang@localhost insert]$ wc -l *
 7095 genecards-SARS-CoV-2.txt
  510 hsbd-targets.txt
  236 insert
 7841 总用量

PPI

# insert对应的236个UniProt ID 直接输出strings (选择人源）

成分-靶点-通路网络图

# 85.3 /home/yqyang/zzy/hsbd/np/mgp/mol-gene-pathway.sh
# 该脚本的逻辑如下：
1. 根据整理后的KEGG结果文件，构建 通路-靶点关联；
2. 根据 去重后的靶点信息，找到能作用于这些靶点的成分；
3. 大量的文本操作，输出固定格式的文件。

# 化合物数量过多，做了一些限制
1. 修改输入数据：舍去潜在靶点数小于10的化合物，还剩218个
for i in `ls mol-targets-id`; do
    line_count=$(wc -l < mol-targets-id/$i)  # 获取文件行数
    echo "$i has $line_count lines"  # 打印文件名和行数


    # 如果文件行数小于 10，则删除该文件
    if [ "$line_count" -lt 10 ]; then
        echo "Deleting file: mol-targets-id/$i"
        rm mol-targets-id/$i
    fi
done


2. 修改脚本mol-gene-pathway.sh：舍去对应的化合物数量小于10的靶点（这部分靶点不查找对应化合物）


for a in `awk '{print $2}' ${pathway_num}pathway-${gene_num}gene.txt|sort|uniq`
do
#grep -w "$a" mol-targets-id/TCMID*|sed 's/mol-targets-id\///g'|sed 's/.txt:/ /g'>>test
    # 查找每个分子对应的基因
    genes=$(grep -w "$a" mol-targets-id/TCMID* | sed 's/mol-targets-id\///g' | sed 's/.txt:/ /g')


    # 统计该分子对应的基因数量
    gene_count=$(echo "$genes" | wc -l)


    # 如果基因数量 >= 10，保存到 test 文件
    if [ "$gene_count" -ge 10 ]; then
        echo "$genes" >> test
    fi
done


3. 实际操作中，上述两个方法效果都没有有效减少成分数量，故采用以下步骤
# 统计原始输出文件9pathway-78gene-184mol.txt中每个成分的degree
for i in `grep mol label.txt |awk -F ',' '{print $1}'`;do num=`grep -w ${i} ../9pathway-78gene-184mol.txt |wc -l`;echo "$i $num">>111;done
# 大概看一下degree 分布
sort -k2,2nr 111
# 选出degree小于4的化合物
awk '$2<4{print $1}' 111 >degree_less_than_4_mol
# 把这些化合物从 9pathway-78gene-184mol.txt删除，得到9pathway-78gene-32mol.txt
for i in `cat degree_less_than_4_mol`;do sed -i "/$i/d" 9pathway-78gene-184mol.txt;done
mv 9pathway-78gene-184mol.txt 9pathway-78gene-32mol.txt

GO/KEGG分析