R语言和网络药理学：批量处理ETCM的数据

关注公众号，发送R语言，获取学习资料！

  Stay hungry, stay foolish!   

在做网络药理学时经常要用到一个网站：ETCM

ETCM^[1]全称The Encyclopedia of Traditional Chinese Medicine，中药百科全书。

“

ETCM包括常用中药、方剂及其成分的全面、标准化信息。为了促进中药功能和机制的研究，ETCM提供了中药成分、中药和方剂的预测靶基因。ETCM还开发了系统的分析功能，使用户可以探索中草药、方剂、成分、基因靶标、相关通路或疾病之间的关系或建立网络。ETCM供免费的学术使用，数据可以方便的导出。

比如我查询某个中药成分的靶点，可以下载后得到如下的表格：

网药

假如我现在查询了10个成分的靶点，那么就会得到10个csv格式的表格。

表格的第27行，第2列含有我们需要的靶点信息，但是其中还有数字，我们并不需要。

现在我的需求是：把所有表格中的靶点提取出来放到一起。

这在网络药理学中是很常见的操作，下面演示如何用R语言完成这一操作。

先单个试一下

rm(list=ls())
library(stringr)

df <- read.csv("../000files/etcm/tableExport (1).csv",header = F) # 读取文件
df1 <- df[27,2] # 选中单元格
df2 <- gsub(" ","",df1) # 去掉空格
df3 <- str_split(df2,",",simplify = T) # 按照,分割

df4 <- str_extract(df3, "^.*(?=\\()") # 根据正则表达式提取需要的内容，好像叫零宽断言？
df4
##  [1] "ARG2"   "ASL"    "ASS1"   "AZIN2"  "CKM"    "linB"   "NOS1"   "NOS2"  
##  [9] "NOS3"   "SLC7A1" "SLC7A3" "SLC7A4"
#write.csv(df4,file = "tets.csv")

很成功！接下来就是批量操作！

批量处理ECTM的数据

# 列出所有文件
allfiles <- list.files("../000files/etcm/",pattern = ".csv", full.names = T)
allfiles
## [1] "../000files/etcm/tableExport (1).csv" 
## [2] "../000files/etcm/tableExport (10).csv"
## [3] "../000files/etcm/tableExport (2).csv" 
## [4] "../000files/etcm/tableExport (3).csv" 
## [5] "../000files/etcm/tableExport (4).csv" 
## [6] "../000files/etcm/tableExport (6).csv" 
## [7] "../000files/etcm/tableExport (7).csv" 
## [8] "../000files/etcm/tableExport (8).csv" 
## [9] "../000files/etcm/tableExport (9).csv"

# 加载R包
library(tidyverse)
## -- Attaching packages ----------------------------- tidyverse 1.3.1 --
## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.6     v dplyr   1.0.8
## v tidyr   1.2.0     v forcats 0.5.1
## v readr   2.0.1
## -- Conflicts -------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

df <- lapply(allfiles, read.csv, header = F) %>% # 批量读取
  reduce(., rbind) %>% # 合并
  filter(., V1=="Candidate Target Genes") %>% # 选择行
  select(., 2) %>% # 选择列
  apply(.,1, str_replace_all, pattern = " ", replacement = "") %>% # 去掉空格
  str_split(.,",",simplify = T) %>% # 分割
  str_extract(., "^.*(?=\\()") # 正则表达式提取

df4 <- na.omit(df)
df5 <- unique(df4) # 去重
df5
##  [1] "ARG2"     "MIF"      "ADH1B"    "ACO2"     "GLO1"     "ANXA5"   
##  [7] "AHR"      "ASL"      "SHBG"     "ARF1"     "AKR1B1"   "ATP8A1"  
## [13] "AKR1C3"   "ASS1"     "GSTP1"    "ANG"      "DGKD"     "ALDH2"   
## [19] "AZIN2"    "HPGDS"    "APRT"     "DGKG"     "AURKB"    "AR"      
## [25] "CKM"      "ISYNA1"   "BC1747"   "F2"       "CBR1"     "linB"    
## [31] "ITPR1"    "BHMT"     "NR5A1"    "NOS1"     "NAGA"     "C8G"     
## [37] "ntpK"     "DHFRL1"   "NOS2"     "PAEP"     "CPB1"     "PISD"    
## [43] "DNMT1"    "NOS3"     "PAPSS1"   "CS"       "PLA2G1B"  "SLC7A1"  
## [49] "PLA2G2E"  "CTDSP1"   "PRKCA"    "SLC7A3"   "PPARD"    "GNMT"    
## [55] "PROCR"    "SLC7A4"   "TGFBR2"   "HGS"      "PSAP"     "TRDMT1"  
## [61] "HS3ST3A1" "PTDSS1"   "IDH1"     "PTDSS2"   "IDH2"     "PTEN"    
## [67] "IL4I1"    "RHO"      "ITEVIR"   "SCARB1"   "ITPA"     "SMPD3"   
## [73] "LSM6"     "SMPD4"    "MDH2"     "tesA"     "ME2"      "PDE5A"   
## [79] "PLEKHA1"  "RNASE1"   "RNASE3"   "SRC"      "TM0857"   "TM1436"  
## [85] "TNFSF13B" "UCK2"

OK，又是搞定收工的一天！

接下来就可以方便的进行更多的操作了！

参考资料

[1]

ETCM网址: http://www.tcmip.cn/ETCM/index.php/Home/

以上就是今天的内容，希望对你有帮助哦！欢迎点赞、在看、关注、转发！

欢迎在评论区留言或直接添加我的微信！

 
End

欢迎关注公众号：医学和生信笔记

“

医学和生信笔记 公众号主要分享：1.医学小知识、肛肠科小知识；2.R语言和Python相关的数据分析、可视化、机器学习等；3.生物信息学学习资料和自己的学习笔记！

往期回顾