哈喽小伙伴们大家好~小果在之前给大家介绍了使用TCMSP和BATMAN-TCM获取药物主要成分及靶点的操作，那么今天小果就给大家介绍一下BATMAN-TCM的扩展用法，因为BATMAN-TCM不仅仅是一个数据库，更是一个很好用的分析工具，如果使用得当甚至可以帮助大家一站式解决网络药理学分析哦。在这里小果也要介绍一下，小果自己开发的生信工具http://www.biocloudservice.com/home.html也是非常方便好用的一站式绘图能手，欢迎小伙伴们前来使用哦~废话不多说，我们赶紧开始吧~（如果小伙伴们有什么更加细节的问题欢迎随时来找小果哦~小果在生信耕耘十余年，非常乐意帮助生信路上新的小伙伴们~需要服务器的小伙伴们也可以来找小果租，小果专门搭建的用于生信分析的服务器性价比拉满哦）
在BATMAN分析完成后我们可以看到一共有三个结果界面：target prediction result(目标预测结果)、bioinformatics analyses of potential targets(潜在靶点的生物信息学分析)、network visualization(网络可视化)。在上一章节我们介绍过了第一个界面target prediction result，那么小果今天就给大家介绍其他两个界面。
bioinformatics analyses of potential targets
针对target prediction result界面中显示潜在的中医靶点，BATMAN-TCM提供了三种富集分析，包括KEGG生物通路、OMIM/TTD疾病富集分析和GO功能注释。bioinformatics analyses of potential targets界面中将显著富集的KEGG生物通路、OMIM疾病表型/TTD疾病和GO功能术语（包括生物过程、分子功能和细胞成分），以及相应的P值和靶点显示在这里。
KEGG pathway
KEGG Pathway是京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes，KEGG）中的一个重要组成部分，它包括了代谢、调控、通路、生化、疾病、药物等相关的分子相互作用和关系网络。KEGG Pathway数据库将生物代谢通路划分为7类，包括新陈代谢、遗传信息处理、环境信息处理、细胞过程、生物系统、人类疾病和药物开发。其中，新陈代谢通路图是通过手工绘制的。
KEGG Pathway共包含5个大类，具体为物种特异的通路图（org-organism-specific pathway maps for “org” linked to gene entries），这些通路图以绿色框的形式展示。
在adjusted p-value栏中越小的值越可信，非常可信的值会用红色标出，后面的targets栏标出了对应的靶点数量。点击KEGG pathway ID可以进入KEGG中相应的通路图了；点击Pathway Graph可直观显示通路富集情况；点击Targets列蓝色数字可显示富集到该条目的基因。
通过select table view 可以更改视图，KEGG hierarchy可以使用树视图来显示路径的层次结构。
Disease
OMIM（Online Mendelian Inheritance in Man，人类在线孟德尔遗传数据库）是一个不断更新的人类孟德尔遗传病的数据库。该数据库由约翰斯·霍普金斯大学医学院负责编撰与维护，主要关注人类基因变异和表型性状之间的关系，对应的等位基因会有特定的MIM编号。OMIM数据库中的数据记录被分为不同的类别，以便用户能够更方便地检索和查询。
TTD数据库（Therapeutic Target Database，治疗靶点数据库）是一个专注于药物研发领域的数据库，它主要提供关于药物靶点与疾病关系的详细信息。TTD数据库收集并核实了药物的疗效药靶，这些疗效药靶包括成功靶标（对应至少一种已批准的药物）、临床试验靶标（对应临床试验药物，但尚未获得批准的药物）、专利记录靶标（在专利和后续文献中引用的靶标）和文献报道的靶标。
Disease界面显示基于OMIM或者TTD数据库疾病基因关联的疾病富集分析结果。
Gene Ontology
Gene Ontology（GO）是一个在生物信息学领域中广泛使用的本体，涵盖了生物学的三个方面：细胞组分（Cellular Component，CC）、分子功能（Molecular Function，MF）和生物过程（Biological Process，BP）。
GO是一个有向无环图（DAG）型的本体，使用了is_a、part_of和regulates三种关系。它使用有控制的词汇表和严格定义的概念关系，以有向无环图的形式统一表示各物种的基因功能分类体系，从而较全面地概括了基因的功能信息，纠正了传统功能分类体系中常见的维度混淆问题。
在基因表达谱分析中，GO常用于提供基因功能分类标签和基因功能研究的背景知识。通过GO分析，可以发掘与基因差异表达现象关联的单个特征基因功能类或多个特征功能类的组合。此外，GO还广泛应用于功能注释、数据解释、比较基因组学和代谢重建等领域。
在此页面上GO富集分析结果以树状结构呈现，显示了GO项之间的层次关系。
Network visualization
中药是典型的“多组分、多靶点”药剂，其分子机理特别适合通过网络分析进行研究，这样可以简单直观地捕捉中药的复杂性。“成分-靶点-通路/疾病”关联网络，有助于直观了解中医药“多组分、多靶点、多通路”的联合治疗机制和潜在的疾病治疗机制。
在该页面绘制的关联网络中，有4种以不同形状和颜色区分的节点，包括中药的成分、靶点、生物通路和OMIM/TTD疾病，以及3种关联：成分-靶点关联（需要蛋白质是已知的或成分的潜在靶点）、靶点-通路关联（需要靶蛋白是生物通路的成员）和靶点-疾病关联（需要靶点蛋白是已知的疾病相关基因）。此外，为了强调重要元素，靶节点、通路节点和疾病节点的大小与它们在网络中的程度成正比，分别定义为作用于靶标的化合物数量、通路中涉及的靶点数量和已知疾病相关基因的靶点数量。
我们可以选择查看“全网络视图”和“简化网络视图”两种类型的网络视图。在“简化网络视图”中，网络中仅显示那些显著富集的通路/疾病（调整后的P值<=用户设置的截止值）。
网络图是根据预测的候选靶蛋白绘制的，每个查询 TCM 成分的分数>=Score_cutoff（用户定义）。
在图片上方的滑块可以选择靶点连接的数量，选择的数量越大则绘出的靶点越少越可信。
以上就是BATMAN-TCM分析结果界面的全部内容和讲解啦，那么今天的分享就到这里啦，是不是非常详尽呢~这么方便的一站式网络药理学分析平台小伙伴们快去抓紧时间上手吧！！！比起自己研究代码，不断debug，有这么一种好用的一站式工具平台不是很香嘛！不过话说回来，小果开发的一站式生信工具也是非常方便快捷、毫不逊色哦~（http://www.biocloudservice.com/home.html）小伙伴们如果在平时的生信学习中遇到了什么不懂的问题欢迎大家随时来找小果哦~小果在生信耕耘十余年，非常乐意帮助生信路上新的小伙伴们~下次小果将向大家分享疾病基因的获取，那么我们下一期再见啦~