为在一个系统层面上理解某中药、化合物与其预测靶标之间的复杂关系，构建中药-化合物-靶标网络。应用中药的的预测靶标与疾病相关靶标建立蛋白-蛋白相互作用（PPI）网络，从而对预测靶标与某疾病相关靶标之间的直接及间接相互作用进行分析。
基于大数据的中药靶标预测，流程图如下
中药化合物数据库
从本公司构建和积累的数据库中查找指定中药中已知的化学成分。本数据库包含药典中的中药、中药处方、化合物，还有已知的上万个靶标和与靶标相关的上万种疾病。可进行化合物-靶标-疾病的网络分析，可用于分析药物的作用机。
蛋白-蛋白相互作用数据
数据库整合了不同来源的已知或预测的蛋白质相互作用数据。包括几百种不同的生物来源和数量超过150万的蛋白质。在本研究中所应用的PPI数据均经过实验验证或来自于专业数据库。
已知的疾病相关靶标收集
已知的疾病靶标数据主要从多种在线数据库中整合获得。
本研究采用SEA方法对化合物进行靶点预测，该方法是基于分子指纹计算查询中药活性成分与靶点库中对应配体分子的相似度。
中药主要通过其多成分、多靶点的特点发挥广泛的生理及药理学作用。为了在一个系统层面上理解化合物与其预测靶标之间的复杂关系，应用中药、其活性化合物骨架以及相应的预测靶标建立了中药-骨架-预测靶标网络。
为了进一步了解中药与疾病的直接作用关系，我们对它的预测靶标和疾病相关靶标进行了比较。如图所示，发现有多个预测靶标与肝硬化相关靶点重叠（即相同靶点），说明这写靶标与肝硬化直接相关。我们将这些靶点定义为直接相关靶标。
疾病相关靶标，直接相关以及间接在相关蛋白之间的蛋白-蛋白相互作用网络。（A）预测靶标与疾病靶标之间直接和间接相互作用网络（点的大小代表节点度）；（B）蛋白-蛋白相互作用网络中分析得到重要普通预测靶标。
为了进一步探索中药在cAMP signaling pathway中的相互关系，我们将相关靶点映射到该通路中，总共有十几个候选靶标参与到该通路过程中。从图中可以看出，该中药可能通过调节通路中的多个等基因的表达从而作用于cAMP signaling pathway。
在这部分研究中，我们主要通过基于大数据的网络药理学及数据挖掘的方法对某中药进行整合药理学研究。
首先构建中药-化合物-预测靶标的网络，阐述中药、化合物及预测靶标间的关系。
通过对中药的预测靶标进行疾病富集分析，发现其主要作用于某疾病，故选其为靶疾病，进行药理作用分析。
通过分析PPI网络，我们发现多个重要的预测靶标与疾病治疗靶标间接相关。说明这蛋白在疾病相关的信号转导中占有重要的地位，定义为间接相关靶标。
通过对候选靶标的功能进行分析，我们发现其化学成分可以调节至少几十条信号通路。