源代码利用python脚本实现批量抓取药物靶点信息-peaker.pdfVIP

#源代码#利用Python实现批量抓取药物靶点信息

Peaker

在药物相关研究领域，我们经常需要利用到药物的靶点信息，以

便于我们研究药物的治疗作用。这一信息在很多研究方向上都有重要

意义，例如通过靶点相似性可以推测药物的相似性，从而实现药物重

定位或药物新作用发现。另一方面，通过分析药物靶点之间的相关性，

可以发现新的治疗靶标或药物新靶点。除了治疗领域，在药物副反应

方面，药物靶点信息也起到重要作用，因为药物副反应一方面是脱靶

效应，另一方面是作用于和靶点结构相似的未知蛋白。因此结合靶点

信息，可能会解释部分的药物毒副反应发生机制，识别副反应相关蛋

白。

说了这么多药物靶点的重要性，那么我们通常如何获得药物的靶

点信息呢？很多数据库都收录了药物和蛋白的互作关系，例如

promiscuous，STITCH，supertarget等，但是这些数据库都是基于文献

或预测获得的药物相关蛋白，而最的药物靶点信息还是要依赖于

一级数据库——drugbank。

但是这里又要提到一个问题，就是对于很多药物需要批量检索时

该怎么办？没错，drugbank非常友善的为用户提供了数据，但是

药物靶点信息的数据总大小为几G，全部下来非常耗时，占内存，

同时如此大的数据我们并不能直接使用，通常需要对大数据进行文本

处理，如拆分或提取有效信息等。这一过程实在是非常麻烦。所以今

天为大家提供一种最简单实用的方法——网络爬虫。也就是利用网页

抓取的原理从drugbank数据库批量抓取药物的靶点信息，实现全过程

的自动化一站式服务。

首先我们进入drugbank主页

我们以aspirin为例，在有哪些信誉好的足球投注网站框输入药物名aspirin，点击search进入如

下界面

如图，上方地址栏内为URL地址，下面红框内为查询到的aspirin药物，

乙酰水杨酸。点击药物名进入下面详细信息

如图所示，地址栏为我们最终希望得到的targetURL地址，也就

是说获得这个地址，就可以直接跳转到药物的详细信息，包括靶点信

息的页面。下面我们可以看到红框内的target靶点信息。

那么最关键的问题就是如何获得URL地址呢，URL中有一个

DB00945，也就是找到这个药物ID就可以跳转过来，我们通过上一级

源代码可以看到DB00945的位置，接下来就是通过正则表达式抓取这

个DB00945的信息了。

对于targetURL，也就是目标地址，我们可以找到药物对应的靶点信息，

如图所示，这里程序默认的是抓取UniprotID，因为考虑到后期ID转

换的问题，UniprotID可以更方便的转换为GENEID，或symbol等。

这里我们以第一个target为例，通过源代码找到他的位置，如图所

示。其他的target也可以通过类似的段落格式，基于正则表达式抓取。

接下来我们尝试用Python