為在一個系統層面上理解某中藥、化合物與其預測靶標之間的復雜關系，構建中藥-化合物-靶標網絡。應用中藥的的預測靶標與疾病相關靶標建立蛋白-蛋白相互作用（PPI）網絡，從而對預測靶標與某疾病相關靶標之間的直接及間接相互作用進行分析。
基于大數據的中藥靶標預測，流程圖如下
中藥化合物數據庫
從本公司構建和積累的數據庫中查找指定中藥中已知的化學成分。本數據庫包含藥典中的中藥、中藥處方、化合物，還有已知的上萬個靶標和與靶標相關的上萬種疾病?？蛇M行化合物-靶標-疾病的網絡分析，可用于分析藥物的作用機。
蛋白-蛋白相互作用數據
數據庫整合了不同來源的已知或預測的蛋白質相互作用數據。包括幾百種不同的生物來源和數量超過150萬的蛋白質。在本研究中所應用的PPI數據均經過實驗驗證或來自于專業數據庫。
已知的疾病相關靶標收集
已知的疾病靶標數據主要從多種在線數據庫中整合獲得。
本研究采用SEA方法對化合物進行靶點預測，該方法是基于分子指紋計算查詢中藥活性成分與靶點庫中對應配體分子的相似度。
中藥主要通過其多成分、多靶點的特點發揮廣泛的生理及藥理學作用。為了在一個系統層面上理解化合物與其預測靶標之間的復雜關系，應用中藥、其活性化合物骨架以及相應的預測靶標建立了中藥-骨架-預測靶標網絡。
為了進一步了解中藥與疾病的直接作用關系，我們對它的預測靶標和疾病相關靶標進行了比較。如圖所示，發現有多個預測靶標與肝硬化相關靶點重疊（即相同靶點），說明這寫靶標與肝硬化直接相關。我們將這些靶點定義為直接相關靶標。
疾病相關靶標，直接相關以及間接在相關蛋白之間的蛋白-蛋白相互作用網絡。（A）預測靶標與疾病靶標之間直接和間接相互作用網絡（點的大小代表節點度）；（B）蛋白-蛋白相互作用網絡中分析得到重要普通預測靶標。
為了進一步探索中藥在cAMP signaling pathway中的相互關系，我們將相關靶點映射到該通路中，總共有十幾個候選靶標參與到該通路過程中。從圖中可以看出，該中藥可能通過調節通路中的多個等基因的表達從而作用于cAMP signaling pathway。
在這部分研究中，我們主要通過基于大數據的網絡藥理學及數據挖掘的方法對某中藥進行整合藥理學研究。
首先構建中藥-化合物-預測靶標的網絡，闡述中藥、化合物及預測靶標間的關系。
通過對中藥的預測靶標進行疾病富集分析，發現其主要作用于某疾病，故選其為靶疾病，進行藥理作用分析。
通過分析PPI網絡，我們發現多個重要的預測靶標與疾病治療靶標間接相關。說明這蛋白在疾病相關的信號轉導中占有重要的地位，定義為間接相關靶標。
通過對候選靶標的功能進行分析，我們發現其化學成分可以調節至少幾十條信號通路。