网络药理学：3、零基础复现一篇生信文章：筛选疾病靶点、GeneCards、OMIM、TTD使用教程

鸡鸭扣

已于 2024-10-01 21:54:21 修改

阅读量829

点赞数 7

分类专栏：中药网络药理学文章标签： python 爬虫 TCMSP GeneCards OMIM 生信网络药理学

于 2024-07-25 00:13:25 首次发布

本文链接：https://blog.csdn.net/zhiaidaidai/article/details/140676053

版权

中药网络药理学专栏收录该内容

18 篇文章 10 订阅

订阅专栏

一、前言

药物和疾病英文名

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.com/tcmsp.php
GeneCards网站首页：https://www.genecards.org/
OMIM网站首页：https://www.omim.org/（没什么用，建议直接去到OMIM geneMap页面）
OMIM geneMap页面：https://www.omim.org/search/advanced/geneMap
SwissADME网站：http://www.swissadme.ch/index.php
SwissTarget网站：http://swisstargetprediction.ch/
PharmMapper网站：https://lilab-ecust.cn/pharmmapper/index.html
Pubchem网站：https://pubchem.ncbi.nlm.nih.gov/

本文复现的论文步骤（重要）

本文复现的步骤是筛选疾病靶点

二、GeneCards数据库筛选疾病作用靶点

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。
在这里插入图片描述

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）
在这里插入图片描述

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：
在这里插入图片描述

然后我们需要选中表头，然后点击“筛选”下的“筛选”。
在这里插入图片描述
之后就可以看到表头的每一个都出现了筛选图标。

随后我们需要将表格列宽调整到合适的列宽。选中表头后，按住Alt键，然后依次按下H（表示“主页”选项卡）、O（表示“格式”菜单）、I（表示“自动调整列宽”）。

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。
在这里插入图片描述

三、OMIM数据库筛选疾病作用靶点

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。
在这里插入图片描述

或者你可以通过首页来到gene Map页面
在这里插入图片描述

下载搜索结果

如下下载搜索结果
在这里插入图片描述

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。

excel相关快捷键：按住键盘的SHIFT + CTRL不放开，然后按下下箭头即可选中当前列的所有数据，再按ctrl + C复制。

最终数据的格式是：将逗号和前后空格都删除，并去重，一个基因名就占一行。

在这里插入图片描述
你可以选择如下两种方法之一：

excel处理

在这里插入图片描述
选中所有数据后，选择【分列】。然后选中【分隔符号】【逗号+空格】【常规】【完成】，可以看到数据变成类似如下格式：

分别选中每列数据，选择【删除重复值】，在这里我们是为了删除空格。
在这里插入图片描述
当一列数据的右边存在数据时，可能冒出弹窗如下：

选择【以当前选定区域排序】即可。

然后将所有列全部移到一列下，则得到我们想要的格式的表格文件了。

注意最后还是要遍历一遍整个表格，有什么小问题手动操作一下。

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