网络药理学是大数据和人工智能时代药物系统性研究的新兴交叉学科，强调从系统层次和生物网络的整体角度出发，解析药物及其治疗对象之间的分子关联规律。该学科既体现了疾病和药物系统性研究的新趋势，又符合中医药的整体思维与实践，为系统理解药物和疾病相互作用机制、中医药复杂体系研究、新药研发与评价等提供了新思路、新方法、新技术，有望促进中西医药研究从“还原论”到“系统论”的发展，推动建立“下一代药物研究模式”。
本书是首部专门介绍网络药理学理论、方法和应用的中文专著。全书共分为9章：第1章介绍网络药理学概念与理论以及发展历史；第2、3、4章分别介绍基于人工智能算法的网络药理学在药物研发中的应用、网络药理学的常用数据库与常用软件；第5、6章分别介绍基于网络药理学的中医药现代化、现代药物研究的典型案例；第7、8、9章分别介绍基于药物、疾病的网络药理学实践流程。
本书对网络药理学的发展历程、网络靶标核心理论、主要研究方法、研究成果等进行论述，同时就网络药理学方法、应用与实践进行了多方面研讨和总结。全书理论与应用兼顾，论述深入，案例翔实。
本书适用于网络药理学、中药药理学、药理学、中医学、中西医结合、系统生物学、生物信息学、网络科学等相关专业领域人员，以及对中西医药与信息科学交叉研究感兴趣的人员。

李梢，医学博士，清华大学自动化系长聘教授、生命学院兼职教授、博导、清华大学北京市中医药交叉研究所所长，国家杰出青年科学基金获得者、国家万人计划领军人才、世界中医药学会联合会网络药理学会会长、国家非遗“张一帖”第15代中医传人。1999年提出从生物分子网络角度研究中医药科学内涵的假说，通过交叉学科的艰苦探索和不懈努力，开辟中医药网络药理学研究方向，并在理论、方法和应用上取得系列重要成果。主持国家基金重点、重大研究计划等项目10余项，在Cell子刊等发表190余篇论文，被引用6000余次，多篇论文被评为F1000杰出论文、Nature China亮点论文，拥有国内外专利30余项，领衔制定网络药理学第一个国际标准。成果入选2021中医药十大学术进展、2019中国生物信息学十大应用、2019中华中医药学会十大学术热点、2014世界中医药十大新闻。获中医药国际贡献奖一等奖、李时珍医药创新奖、国家科技进步二等奖、国家教学成果二等奖、2020中国全面小康十大杰出贡献人物等奖励，被国内外学者评价为中医药网络药理学的“开拓者”。

第1章 网络靶标理论与网络药理学
1.1 网络药理学：下一代药物研究模式
1.2 中医药在网络药理学起源和发展中的关键作用
1.3 网络药理学核心理论：网络靶标
1.3.1 网络靶标理论的提出与发展
1.3.2 网络靶标的概念
1.4 网络药理学研究模式和特点概述
1.4.1 “单靶标-局部对抗”研究模式
1.4.2 “网络靶标-系统调节”研究模式
1.4.3 网络药理学分析典型场景
1.4.4 网络药理学研究特点、挑战及发展方向
参考文献
第2章 基于人工智能算法的网络药理学在药物研发中的应用
2.1 运用于网络药理学的人工智能方法介绍
2.1.1 人工智能算法简介
2.1.2 人工智能算法性能评价方法
2.1.3 人工智能方法应用条件
2.1.4 人工智能方法的前沿和展望
2.2 人工智能在网络药理学研究中的应用
2.2.1 药物靶点的预测和发现
2.2.2 药物作用机制的研究
2.2.3 药物新用途的发现
2.2.4 中药物质基础与中医治疗理论的研究
2.3 人工智能方法的应用展望
参考文献
第3章 网络药理学常用数据库
3.1 网络药理学常用中医药数据库
3.1.1 ETCM：中医药百科全书
3.1.2 SymMap：关注证候关联的中医药整合数据库
3.1.3 BATMAN-TCM：中药分子机制的生物信息学分析平台
3.1.4 TCMID：用于中药分子机制分析的中医药整合数据库
3.1.5 其他中医药数据库
3.2 网络药理学常用生物相关数据库
3.2.1 OMIM：人类孟德尔遗传病在线数据库
3.2.2 HPO：人类表型本体数据库
3.2.3 DisGeNET：疾病基因关联数据库
3.2.4 MalaCards：疾病信息数据
3.3 网络药理学常用靶标相关数据库
3.3.1 TTD：治疗靶标数据库
3.3.2 PDB：蛋白质晶体结构数据库
3.3.3 GeneCards：基因信息数据库
3.3.4 KEGG：京都基因与基因组百科全书
3.4 网络药理学常用蛋白相互作用数据库
3.4.1 BioGRID：生物学通用相互作用数据库
3.4.2 DIP：蛋白质相互作用数据库
3.4.3 IntAct：分子相互作用数据库
3.4.4 STRING：基因/蛋白相互作用关系数据库
参考文献
第4章 网络药理学常用软件
4.1 网络药理学软件功能框架及分类
4.1.1 总体软件功能需求
4.1.2 网络药理学软件功能框架及分类
4.2 网络药理学常用的web软件
4.2.1 药物靶标预测web软件
4.2.2 药物适应症分析web软件
4.2.3 基因功能富集分析Web软件
4.2.4 蛋白相互作用网络构建web软件
4.3 基于图形化界面操作的软件
4.3.1 差异基因富集分析软件
4.3.2 网络分析软件
4.4 基于编程语言的工具包
4.4.1 NetworkX
4.4.2 igraph
参考文献
第5章 网络药理学和中医药现代化研究案例
5.1 网络药理学与中医证候研究案例
5.1.1 寒、热证候及对证方剂的网络药理学研究案例分析
5.1.2 慢性乙型肝炎致肝纤维化的“同病异证”研究案例分析
5.2 网络药理学与中药方剂研究案例
5.2.1 中药复方距离的交互信息模型DMIM研究分析
5.2.2 六味地黄丸复方的网络药理学分析
5.3 网络药理学与中药创制研究案例
5.3.1 基于网络靶标的多成分协同识别方法
5.3.2 青蒿素抗恶性疟原虫的多靶点机制研究分析
5.4 网络药理学与民族药研究案例
5.4.1 三种稀莶草的化学成分和药理作用对比研究分析
5.4.2 白花蛇舌草抗非小细胞肺癌的机制研究分析
5.5 网络药理学与国际传统医药研究案例
5.5.1 巴西红厚叶提取物的抗癌活性研究分析
5.5.2 滨海前胡提取物对骨关节炎的保护作用
参考文献
第6章 网络药理学与现代药物研发案例
6.1 复杂疾病内在机制和干预靶标
6.1.1 转录因子POU3F2调节精神疾病患者脑组织的基因共表达网络
6.1.2 基于网络的CRISPR-Cas9组合筛选识别人类细胞中的协同作用模块
6.2 药物系统性作用机制
6.2.1 基于网络的计算药物疗效筛选
6.2.2 通过转录响应发现药物作用机制和药物重定位
6.3 多靶标药物研发
6.3.1 缺血性中风：从单一药物靶标到协同的网络药理学
6.3.2 联合网络药理学与表型筛选开发新的止痛类药物
6.4 药物重新定位
6.4.1 基于网络的药物重定位预测及基于人群的验证
6.4.2 基于网络药理学的药物重定位发现新的抗抑郁药物
6.5 组合药物研发
6.5.1 基于网络的药物组合预测
6.5.2 结合基因组和网络特征预测协同的抗癌药物组合
参考文献
第7章 基于药物的网络药理学实践流程
7.1 寻找单味中药或方剂的有效成分
7.1.1 数据采集与处理
7.1.2 网络构建与可视化
7.1.3 网络分析与预测
7.1.4 验证与总结
7.2 阐述单味中药或方剂的药效机制
7.2.1 数据采集与处理
7.2.2