夜雨聆风引言：为什么要看可成药基因组？
做药物靶点研究，方向一旦选偏，后面的实验投入往往也会跟着偏掉。很多项目到了临床后期才暴露问题，症结不一定在药物分子本身，也可能出在靶点没选准。所谓"可成药基因组"（Druggable Genome），指的是那批更可能被小分子、抗体或其他治疗手段干预的基因。先把它们找出来，后面的筛选通常会省力不少。
这份课程资源整理自 DGIdb（Drug-Gene Interaction Database），把常用的可成药相关数据集中到了一起，后面无论是下载、筛选还是继续分析，都会顺手一些。
什么是DGIdb？
DGIdb 是一个公开的药物-基因相互作用数据库，整合了 BaderLab、CancerCommons、ChEMBL、GuideToPharmacology、TTD（治疗靶点数据库）等多个专业数据源。截至目前，数据库收录了超过 80,000 条基因记录 和近 100,000 条药物相互作用信息，既有已上市药物，也包含实验性化合物。
它有一处很实用，就是可药性注释。除了告诉你某个基因和哪些药物有关，DGIdb 还会标出这个靶点是不是核激素受体、激酶、临床可行动靶点等类别。前期做初筛时，这层信息往往就够用了，能先把候选范围压下来。
数据集内容详解
本课程提供的数据包里主要有三个文件，分别对应基因信息、靶点分类和药物相互作用。
1. genes.tsv —— 基因主表（80,235条记录）
这个文件包含基因名称、标准化 HGNC ID、来源数据库及版本等基础信息。数据已经过 DGIdb 规范化处理，后面再和 TCGA、GTEx、CCLE 等组学数据对接，会方便一些。
2. categories.tsv —— 靶点分类（32,796条记录）
如果只是想先做一轮筛选，一般会先看这个文件。里面列出了不同的靶点类别，比如：
NUCLEAR HORMONE RECEPTOR（核激素受体）：如 PXR、PPARG 等代谢疾病相关靶点 CLINICALLY ACTIONABLE（临床可行动）：如 AKT1、ABL 等已有明确干预依据的靶点
有了这层分类，候选基因的范围就能先缩一轮。
3. interactions.tsv —— 药物-相互作用网络（98,240条记录）
真正往下深挖时，可以重点看这个文件。里面包括：
相互作用类型：如激动剂（agonist）、抑制剂（inhibitor）、激活剂（activator）等 相互作用评分：用于衡量药物和靶点之间的关联强度 药物属性：如是否 FDA 批准、是否抗肿瘤药物、是否免疫治疗药物
如果要做老药新用（Drug Repurposing）研究，就可以直接筛选"已批准的抗肿瘤抑制剂"这类组合。
典型应用场景
如何高效使用这份数据
如果想尽快上手，可以按这个顺序来：
先打开 categories.tsv，按疾病类型或靶点类别做第一轮筛选 再看 interactions.tsv，结合 interaction_type 和 approved 字段找候选药物 如果手里已经有表达数据、突变数据或 DepMap 依赖性数据，就可以用 HGNC ID 直接合并 最后再把相互作用表导入 Cytoscape 或 Gephi，做成网络图看整体关系
写在最后
这份基于 DGIdb 的可成药基因集，数据量够，结构也清楚，接到后面的分析流程并不费事。它既能帮你先判断"哪些基因可能可成药"，也能顺着药物相互作用关系继续往下看。
不管是做肿瘤免疫、代谢疾病，还是 AI 辅助药物发现，这份数据都可以作为一个起点。如果对几个文件之间的对应关系还不太熟，建议配合课程里的视频讲解和 PPT 一起看，理解起来会轻松一些。
关注【biofSCI】，回复 M117，立即获取课程脚本、数据与视频讲解！