HERB 2.0 — 中医药临床与实验证据一体化知识库

INFOBOX — HERB 2.0 一屏速览

维度	内容
本质	中医药临床证据 + 实验证据一体化数据库 + 知识图谱（非数据集、非挑战赛）
中文名	本草组鉴 2.0（HERB = High-throughput Experiment- and Reference-guided database）
团队	北京中医药大学中医学院 + 中科院计算所 + 华西医院大数据中心 + 广州中医药大学；通讯 Yi Zhao（赵屹）
论文	Nucleic Acids Res. 2025;53(D1):D1404–D1414（doi:10.1093/nar/gkae1037；PMID 39558177）
前作	HERB 1.0（NAR 2021;49(D1):D1197–D1206；PMID 33264402），官网标注 Founded 2021
五类基础实体	中药材 6,892｜成分 44,595｜方剂 6,743｜靶点 15,515｜疾病 30,170
四类证据	临床试验 8,558｜荟萃分析 8,032｜高通量实验 2,231｜参考文献 6,644
知识图谱	9 类实体共 129,441 个；28 类关系共 2,871,083 条（Neo4j + Echarts）
连接图谱	与 2,837 种现代药物 CMap 谱配对；支持 CMap/RGES/ZhangScore 三法；平均 7.3 分钟
临床结论明确者	临床试验 1,941（22.7%）｜荟萃分析 593（7.4%）
获取	主站 http://herb.ac.cn/v2；备用 http://47.92.70.12；下载走 probe2gene 脚本（105 平台）
许可	论文开放获取；数据库本体未声明 CC 许可（需向作者确认）
库内互链	中医家族：mtcmb(1108)/tcmeval-sdt(1053)/tcmssd(1054)/nb-tcm-chm(1116)/tcm-tongue(1052)

HERB 2.0（本草组鉴）做的事情，可以一句话概括：把散落在全球临床试验注册库与文献海洋里的中医药证据，连同分子层面的高通量实验数据，收进同一个结构化的知识网络，并用一张可交互的知识图谱把它们连起来。它是 HERB 1.0（2021）的升级版——1.0 只做实验证据，2.0 首次把"临床证据"这块最高等级的证据接进来：8,558 项临床试验、8,032 项荟萃分析，与 2,231 项高通量实验、6,644 篇参考文献一起，构成中药材、成分、方剂、靶点、疾病五类基础实体加四类证据实体共 129,441 个节点的网络。对做网络药理学、药物重定位、靶点发现或循证中医药研究的人而言，这是目前公开资源里少数能把"临床"与"组学"两端打通的中医药数据库。

导语读法三则：

1. 只想拿数据做分析：直奔 §6 获取与许可——注意主入口是网页数据库，批量下载走 probe2gene 脚本，且数据库本体许可未声明，商用前必须确认。
2. 关心临床证据：直奔 §4 临床证据层——看清"初筛 10 万条 → 纳入 8 千条 → 结论明确者不到两千条"的三级漏斗，别把 8,558 当成"高质量证据数"。
3. 要做知识图谱/网络药理：直奔 §5 知识图谱与连接图谱——129,441 实体、287 万关系的规模与 28 类关系的权重分层，是本条目的技术核心。

§0 导读：这个数据库解决什么问题

中医药（TCM）要走向现代医学，长期卡在一个结构性矛盾上：一方面，中药材、活性成分、方剂的数量极多（《中国药典》收载的中药数以千计，化合物更是数万），且大量已被现代临床与药理研究过；另一方面，这些证据散落各处——临床试验躺在各国注册库，荟萃分析躺在系统综述平台，机制研究散在数以万计的论文与 GEO 表达谱里。研究者想回答"这味药到底有没有现代证据支持、它的分子机制指向哪些疾病"，往往要在五六个数据库之间来回跳转，还没有统一入口。

HERB 2.0 的定位正是**“中医药证据的统一入口”。它在 HERB 1.0（2021）纯实验证据的基础上，做了四件事：其一，首次系统整理临床证据，从公开注册库与文献中筛出 8,558 项临床试验与 8,032 项荟萃分析，并为其中证据链清晰的 1,941 项临床试验、593 项荟萃分析抽出明确临床结论；其二，把实验证据从 1,037 项扩充到 2,231 项，参考文献从 1,966 篇扩到 6,644 篇，新覆盖 376 种疾病；其三，提供一个分析接口**，用户上传自己的基因表达谱，就能与库内中药/成分/方剂/疾病的表达谱做连接图谱（Connectivity Mapping）比对；其四，把全部实体与关系建成知识图谱（129,441 实体、28 类关系、287 万条关系），支持可视化检索。

§0 读法三则：

1. 本条目写的是数据库，不是带标签的训练集。它没有"train/test 划分"这类概念，价值在于"证据整合 + 网络化检索"，所以全文围绕"数据从哪来、规模多大、怎么用、许可如何"展开。
2. 全文所有规模数字均出自 NAR 论文与官网/Database Commons 三源互证；临床与实验数字口径差异（如初筛量 vs 纳入量）是设计使然，不是错误，读时务必区分。
3. 检索时 HERB 有多个"身份词"——“HERB”（缩写）、“本草组鉴”（中文名）、“herb.ac.cn”（域名）、“HERB 1.0/2.0”（版本）。用"HERB"裸词搜会混入大量无关结果，建议用"HERB 2.0 本草组鉴 TCM database"组合（详见 §10 坑 1）。

§1 数据库速览：十问十答

Q1：HERB 2.0 到底是"数据集"还是"数据库"？
是数据库（database），准确说是"多证据整合型知识库"。它的核心产物是一套结构化的实体-关系网络（知识图谱）加上四个证据层的数据表，而不是一批固定的样本文件。研究者通过网页浏览、检索、图谱查询和在线分析接口使用它。因此本库把它归入"知识图谱/药物发现"域，而非影像或信号类数据集。

Q2："HERB"三个字母是什么意思？
HERB 是英文缩写：High-throughput Experiment- and Reference-guided database of traditional Chinese medicine——直译"高通量实验与文献引导的中医药数据库"。中文名"本草组鉴"取自"本草"（中医药传统）与"组鉴"（组学鉴定/整合），是 HERB 1.0 就沿用的官方中文名。

Q3：规模有多大？
五类基础实体：中药材 6,892、活性成分 44,595、方剂 6,743、基因靶点 15,515、疾病 30,170。四类证据：临床试验 8,558、荟萃分析 8,032、高通量实验 2,231、参考文献 6,644。知识图谱把这些节点连成 28 类关系、2,871,083 条关系。

Q4：和 HERB 1.0 比，升级在哪？
四个维度：数据类型（1.0 只有实验证据，2.0 首次纳入临床证据——临床试验与荟萃分析）、内容（高通量实验 1,037→2,231，参考文献 1,966→6,644，新增方剂组件与 376 疾病实验）、可用性（新增上传表达谱的连接图谱分析接口）、可视化（新增独立知识图谱页与实体详情页跨引用导航）。

Q5：临床证据是不是很多？
要分层看。初筛命中 102,151 项临床试验、54,855 项荟萃分析（含大量假阳性），人工与半自动筛选后纳入 8,558 与 8,032 项；其中证据链完整、能抽出明确临床结论的仅 1,941（22.7%）与 593（7.4%）项——后者才是真正"结论可用"的核心层。

Q6：实验数据从哪来？
来自 1,206 个 GEO Series（GSE），包含 22,560 个 GEO 样本（GSM）；HERB 团队对这些样本做了统一的重新分析与质控，形成 2,231 项高通量实验（一项 = 一次对照-处理比较），覆盖 54 味中药、261 个成分、9 个方剂与 376 种疾病。数据以 77.9% 微阵列 + 22.1% RNA-seq 为主，物种为人和小鼠。

Q7：连接图谱（Connectivity Mapping）是做什么的？
把中药/成分/方剂/疾病的表达谱签名，与 Broad Institute 的 CMap 参照谱（涵盖 2,837 种现代药物）做相似性打分。若你的药物表达谱与某中药高度同向或反向，就提示二者可能作用于同一通路。HERB 提供三种算法：CMap（默认）、RGES、ZhangScore，用户还能上传自己的表达谱在线跑，平均 7.3 分钟 出结果。

Q8：知识图谱有什么特别？
九类实体、28 类关系。关系分两层：18 种内建关系（权重恒为 1，如"中药材-含有-成分"这类确定事实），10 种非内建关系（权重 0–1，依证据强度动态计算，如"成分-关联-疾病"）。这种"确定关系 + 概率关系"的分层设计，使图谱既能存硬事实，又能承载证据强度不确定的推断型连接。

Q9：谁能用、用来干什么？
三类典型用户：网络药理学与药物发现团队（查中药-成分-靶点-疾病通路，做药物重定位）；循证中医药研究者（查某疗法有无临床试验/荟萃分析支持）；医学 NLP / 知识图谱研究者（把 129,441 实体 287 万关系的规模作为图谱抽取与链接预测的语料）。

Q10：许可怎么算？
论文是 NAR 开放获取（可自由阅读引用）；但数据库本体在官网、Database Commons 与论文中均未声明公开再分发许可（没有 CC 协议），只标注"Accessible"。因此学术使用通常没问题，但商用、再分发、批量镜像前应向通讯作者（Yi Zhao，biozy@ict.ac.cn）书面确认——这是本条目最需要提醒的合规点（坑 5）。

§2 数据构成与实体体系

2.1 五类基础实体

HERB 2.0 的基础实体是中医药研究的五个"名词"：

实体类型	英文	数量	说明与来源
中药材	herb	6,892	多来源去冗余（1.0 为 7,263，2.0 精简）
活性成分	ingredient	44,595	中药小分子（1.0 为 49,258，同样去冗余）
方剂	formula	6,743	2.0 新增：据《中国药典》2020 版、CFDA 批准中成药、国家中医药管理局 2018/2022 经典名方
基因靶点	target	15,515	文献人工整编 + HIT 2.0；与 GenBank/GeneCards/TTD 交叉引用
疾病	disease	30,170	文献整编；与 DisGeNET/OMIM/HPO/Disease Ontology 交叉引用

一个值得注意的"缩水"：中药材从 1.0 的 7,263 降到 6,892，成分从 49,258 降到 44,595。这不是数据丢失，而是去冗余规范化——把不同来源中指向同一实体的条目合并（例如同一味药的多别名、同一化合物的多数据库编号）。规模"变小"反而意味着实体解析更干净，对下游图谱构建是好事。

2.2 四类证据与证据金字塔

HERB 2.0 把四类证据对齐到"经典医学证据金字塔"模型——金字塔越高层，证据等级越高：

证据类型	数量	金字塔层级	关键构成
临床试验	8,558	高（顶层证据）	覆盖 249 中药/375 成分/59 方剂；556 疾病；119 国家
荟萃分析	8,032	高（顶层证据）	覆盖 267 中药/399 成分/336 方剂；485 疾病；81 国家
高通量实验	2,231	中（机制证据）	54 中药/261 成分/9 方剂；376 疾病；1,206 GSE
参考文献	6,644	基础（原始文献）	提取 2,447 靶点 + 956 疾病

金字塔的意义在于证据分层检索：一个中医药研究者可以按"从强到弱"逐层下钻——先用顶层临床试验/荟萃分析确认疗效证据，再用高通量实验追机制，最后用原始文献溯源。这正是 HERB 2.0 相对单类数据库的核心价值。

2.3 临床证据的"三级漏斗"

临床证据是本条目最容易被误读的部分，务必看清三级漏斗：

1. 初筛命中：临床试验 102,151 项 + 荟萃分析 54,855 项（从公开注册库与文献检索得到，含大量假阳性——很多是"涉及中药"但主题并非评价中医药疗法的研究）；
2. 语义筛选后纳入：临床试验 8,558 项 + 荟萃分析 8,032 项（经语义判断确认与 TCM 疗法评价相关）；
3. 临床结论明确：临床试验 1,941 项（22.7%）+ 荟萃分析 593 项（7.4%），配备 2,903 / 563 篇支持论文——这才是"能抽出明确结论"的精华层。

临床试验分期分布也值得一提：1 期 12.5%、2 期 19.6%、3 期 12.6%、4 期 11.3%；约 3,964 项采用严格的随机双盲（或三盲/四盲）设计。这意味着顶层证据中有相当一部分具备高方法学质量。

2.4 实验证据的覆盖不均衡

高通量实验侧，2,231 项实验覆盖的实体远少于总量：54 味中药、261 个成分、9 个方剂、376 种疾病。对照 6,892 味中药与 44,595 个成分的总量，实验证据的覆盖率不到 1%。这是中药组学研究领域的普遍现实——绝大部分中药/成分尚无公开表达谱数据。使用者应把"有实验证据"本身当作一个稀缺标签，而非默认所有实体都有机制数据。

2.5 参考文献层的抽取产物

从 6,644 篇参考文献中，HERB 团队抽取出 2,447 个靶点与 956 种疾病，涉及 435 味中药、955 个成分、159 个方剂。这一层是"实体-关系"的原始证据来源，支撑了知识图谱里大量非内建关系的置信度评分。

§3 知识图谱：129,441 个实体如何连成网

3.1 图谱规模

HERB 2.0 知识图谱是本条目技术的核心：

• 实体：9 种类型，共 129,441 个（5 类基础实体 + 4 类证据实体）；
• 关系：28 种关系类型，共 2,871,083 条关系；
• 技术栈：后端 Neo4j 图数据库存储；前端 Echarts（JavaScript） 可视化。

（理论上 9 类实体两两可组成 36 种关系，实际建了 28 种——未建的关系多因实体间缺乏证据支撑。）

3.2 关系的两层权重设计

28 种关系按可靠性分两层，这是 HERB 图谱区别于普通"三元组仓库"的关键：

• 内建关系（18 种）：权重恒为 1。这类关系是"定义性"的确定事实，例如"中药材包含某成分"“试验研究某中药”——它们由数据的结构直接决定，无需推断；
• 非内建关系（10 种）：权重在 0–1 之间，依证据强度评分。这类关系是"推断型"的，例如"某成分可能关联某疾病"，权重反映支持证据的强弱与数量。

非内建关系的证据分布很能说明问题：99.9% 的关系仅由单一证据类型支持，只有 **3,702 条（0.1%）**由至少两类证据交叉支持；**51,195 条（1.9%）**拥有多个证据实例。换句话说，图谱里绝大多数"推断连接"目前还只是孤证，跨证据类型的确证是稀缺的——使用者应据此判断某条关系的可信层级。

3.3 图谱怎么用

官网提供独立的知识图谱页，用户可通过按钮/下拉菜单查询某实体，展开它与其他实体及证据的关系网络。实体详情页右上角还有跨引用导航，可直接跳到图谱中对应节点。对做链接预测、实体对齐、图神经网络的研究者，129,441 实体 × 287 万关系的本草知识图谱是一个有真实领域语义的图数据来源。

§4 临床证据层：从 10 万条筛选到 2 千条结论

4.1 为什么要做"三级漏斗"

临床证据的采集难点不在"找"，而在"判"。从 ClinicalTrials.gov、PROSPERO 等公开平台检索"涉及中医药"的研究，会命中十万量级——其中大量是：以中药为对照药但主题并非评价中医药；标题含中药名但实际研究的是其他干预；或仅有注册信息无结果。HERB 团队用语义判断逐条筛查，把 102,151 项临床试验与 54,855 项荟萃分析收敛到 8,558 与 8,032 项"确与中医药疗法评价相关"的记录。

4.2 三级漏斗的完整数字

层级	临床试验	荟萃分析
初筛命中（含假阳性）	102,151	54,855
纳入（相关）	8,558	8,032
临床结论明确	1,941（22.7%）	593（7.4%）
配套支持论文	2,903 篇	563 篇
涉及中药/成分/方剂	96/165/13	40/129/61

这是本条目最需要强调的数字纪律：8,558 是"纳入的中医药临床试验数"，不是"高质量证据数"；真正能给出明确临床结论的只有 1,941 项。引用时应明确指向哪一层，避免把"纳入量"当"证据量"。

4.3 质控深度：不止于"有/无"

HERB 2.0 的临床层还做了细颗粒质控标注：

• 83 味中药的临床试验、28 味中药的荟萃分析，标注了药材产地、加工方法等信息；
• 13 个方剂（临床试验）、46 个方剂（荟萃分析）标注了生产商、组成、质量评价方法。

这意味着研究者不仅能查"某中药有没有临床试验"，还能追问"试验里用的是哪个产地、哪种加工方式"——对中药研究而言，产地与炮制方式直接影响药效，这类元数据是关键。

4.4 LLM 语义判断的教训

论文报告了一个很有价值的负面结果：用 ChatGPT 3.5 与 Gemini 对临床证据做语义判断，总准确率仅 51.3%，几乎等于抛硬币；且错误中假阴性只占 1.4%，假阳性高达 98.6%——即 LLM 倾向于把不相关的研究误判为相关。这对所有想用通用大模型自动化中医药文献筛选的团队是一记警钟：通用 LLM 目前不足以胜任中医药领域的精细语义判断，人机协同或领域微调仍属必需。

§5 实验证据与连接图谱

5.1 高通量实验的重新分析流水线

HERB 2.0 实验侧的 2,231 项高通量实验，来自 1,206 个 GEO Series（GSE），包含 22,560 个 GEO 样本（GSM）。团队对这些原始样本做了统一重新分析（reprocessing），而非简单搬运 GEO 元数据。实验覆盖：

• 54 味中药、261 个成分、9 个方剂、376 种疾病；
• 数据类型：77.9% 微阵列、22.1% RNA-seq；
• 物种：Homo sapiens 与 Mus musculus；
• 时间跨度：2001–2024 年；
• 对照组/处理组平均生物学重复数：5.7 / 6.4。

一项"高通量实验"（HERB EXP）的定义是一次对照-处理比较，因此同一 GSE 可能贡献多项 EXP。论文以 ITCM 数据库为对照，强调 HERB 重分析了 22,560 个测序样本（ITCM 仅 1,488 个），凸显其重新分析的规模优势。复现性方面，55.2% 的 EXP 对之间 Pearson 相关系数 > 0.5，说明同一实体的多次实验整体上相互印证。

5.2 连接图谱（Connectivity Mapping）

连接图谱的思路源自 Broad Institute 的 CMap（Connectivity Map）：用一个"表达谱签名"（上调/下调基因列表）去匹配参照谱，找到作用方向相似（同向）或相反（反向）的药物/扰动。HERB 2.0 把它移植到中医药：

• 参照谱：与 2,837 种现代药物的 CMap 表达谱做成对相似性评估；
• 三种算法：CMap（默认）、RGES、ZhangScore，用户可调映射阈值与方向（相似/相反/两者）；
• 映射成果（绝对连接性得分 > 80 时）：
  • 中药→CMap 化合物：19 味中药、145 个成分、4 个方剂、286 种疾病，共映射到 2,205 个 CMap 化合物；
  • 中药→疾病：20 味中药、183 个成分、2 个方剂映射到 132 种疾病。

5.3 在线分析接口

用户可在"Analyze"页上传自己的基因表达谱（上调/下调基因按重要性排序），选择库内的中药/成分/方剂/疾病参照谱（基于人类样本）做连接图谱分析。可用后端数据集含 22 味中药、198 个成分、4 个方剂、308 种疾病。自动计算平均耗时 7.3 ± 0.6 分钟，并支持导出结果。这是 HERB 2.0 从"静态数据库"迈向"可计算平台"的关键功能。

§6 获取与许可：入口、脚本与合规红线

6.1 访问入口

入口	地址	说明
主站	http://herb.ac.cn/v2	官方正式入口，v2 对应 2.0 版
备用	http://47.92.70.12	裸 IP 备站，未启用 HTTPS（稳定性/安全性未公开保证）
FAQ	http://herb.ac.cn/v2/FAQ/	常见问题解答
平台文档	华西生物医学大数据中心 herb2 文档页	中文使用说明（浏览/检索/分析/图谱）

6.2 数据获取方式

HERB 2.0 是一个"网页数据库"而非"打包数据集"，获取形态有三：

1. 网页浏览/检索：按实体类型（中药/成分/方剂/靶点/疾病）浏览与筛选，查看详情页；
2. 知识图谱查询：独立图谱页做实体-关系探索与可视化；
3. 脚本下载：下载 probe2gene 自定义脚本（内含 105 个平台的探针-基因转换文件），供用户把上传的表达谱映射到基因层面。

值得注意：目前未见整库打包下载（如一次性 zip/Parquet 发行包），批量获取需自行抓取网页或联系团队——这对希望离线分析或做大规模机器学习的研究者是一个实际门槛。

6.3 许可与合规红线

• 论文本体：Nucleic Acids Research，Oxford University Press 开放获取，可自由阅读、引用；
• 数据库本体：未声明公开再分发许可。官网、Database Commons 条目与论文中均无 CC 协议或类似授权声明，Database Commons 仅标注 Accessibility: Accessible。

因此本条目给出明确的合规建议：学术研究使用通常无障碍；但商用、再分发、批量镜像或把数据嵌入商业产品前，务必向通讯作者（Yi Wang 团队 / Yi Zhao，biozy@ict.ac.cn）书面确认授权范围。切勿默认"开放访问"等于"可自由再分发"（坑 5）。

6.4 与库内可获取性光谱的对照

在千方库的中医家族中，HERB 2.0 是体量最大、唯一打通"临床+实验+图谱"三端的资源，但其可获取性是"网站开放、许可未声明"的中间态——比完全开放的 CC 数据集受更多限制，但比纯请求制资源更易触达。使用者应据自身用途（研究 vs 商用）判断是否可接受这一状态。

§7 生态与影响

7.1 中医药数据库的版图

HERB 2.0 处在中医药数据资源的一个特殊位置：多数同类库要么偏传统知识（如中药性味归经、方剂配伍的典籍数据库），要么偏单一模态（如只做表达谱、只做化合物结构）。HERB 2.0 的差异化在于跨证据等级整合——把临床证据（金字塔顶层）与实验证据（机制层）放进同一实体体系，并用知识图谱统一检索。这使它同时服务两类原本割裂的用户：循证医学研究者与网络药理学家。

7.2 与相邻资源的互补

• 上游数据源：GEO（高通量实验原始样本）、ClinicalTrials.gov 与 PROSPERO（临床证据原始记录）、CMap（连接图谱参照谱）；
• 实体交叉引用：GenBank / GeneCards / TTD（靶点）、DisGeNET / OMIM / HPO / Disease Ontology（疾病）；
• 对照资源：ITCM 数据库（论文自述 HERB 重分析 22,560 样本 vs ITCM 1,488 样本）。

HERB 2.0 的角色更像"整合者与再分析者"——它不生产原始数据，而是把分散资源重新分析、规范化、联结，因此其价值高度依赖上游数据的可得性与再分析质量。

7.3 引用与影响力

论文发表于 Nucleic Acids Research 数据库专刊（NAR 2025 D1 期），该刊是生物信息学数据库领域权威。"数据库专刊"这一发表的定位本身说明 HERB 2.0 被领域认可为一个基础设施级资源。引用数方面，Europe PMC 记 55 次（2026-10-10 时点）、OUCI 记 62 次（另有更晚时点口径）——两源计数略有差异，属计数时点不同（坑 2）。

7.4 对中医药 AI 研究的意义

HERB 2.0 对 AI 研究者的价值有两层。其一是语料价值：129,441 实体与 287 万关系的领域知识图谱，可用于链接预测、实体对齐、图神经网络等任务，且带真实的中医药语义（而非通用百科图谱）。其二是基准价值：论文自测的"LLM 临床证据判断准确率仅 51.3%"是一个现成的负面基准——它标记出通用大模型在中医药领域的能力缺口，为领域微调、检索增强、人机协同等方向提供了明确的改进靶点。

§8 方法学启示

8.1 "证据金字塔对齐"是可迁移的设计范式

HERB 2.0 最有借鉴意义的设计，是把不同类型的数据显式对齐到证据等级模型。这不只是分类，而是给了使用者一个"证据强度"的心理坐标：查临床试验 = 看强证据，查高通量实验 = 看机制，查参考文献 = 溯源。任何多源知识库都可以借鉴这种"用领域公认的分级框架组织异构数据"的思路。

8.2 去冗余比堆数量更重要

中药材从 7,263 降到 6,892、成分从 49,258 降到 44,595——2.0 在"实体总量"上反而"缩水"。这反映一个成熟数据库的判断：实体解析（entity resolution）的质量比数量更重要。把别名、跨库重复项合并干净，下游的图谱构建与检索才可靠。追求"条目最多"的库往往在这一点上吃亏。

8.3 关系的权重分层是图谱可用性的关键

28 种关系分"内建（权重 1）/非内建（权重 0–1）"两层，让图谱既能存确定事实，又能承载概率推断。更重要的是，论文诚实披露了非内建关系中 99.9% 仅由单一证据支持——这种披露让使用者能正确估计关系可靠性，而不是被"287 万条关系"的规模数字误导。规模与可靠性是两件事，HERB 2.0 把两者都摆了出来。

8.4 负面结果的公开价值

论文把"LLM 判断准确率仅 51.3%、假阳性 98.6%“写进正文，而非隐去——这种做法在数据库论文中并不常见，却对社区贡献巨大：它直接告诉后续研究者"这条路目前走不通”，避免重复踩坑。对中医药 AI 而言，这类诚实的负面基准比又一个"我们的方法达到 SOTA"更有价值。

§9 与库内条目的关系

9.1 千方库中医家族图谱

HERB 2.0 与库内五条中医药条目构成一个可互链的同域家族：

条目	rid	定位	与 HERB 2.0 的关系
mtcmb	1108	多任务中医评估基准	同域，偏 LLM 评测；HERB 偏知识库
tcmeval-sdt	1053	中医辨证思维四步推理评测	同域，偏推理评测
tcmssd	1054	中医证候标准化数据库	同域，偏证候；HERB 含疾病实体可互补
nb-tcm-chm	1116	宁波中药材果实图像（20 类 3,784 图）	同域，偏视觉；实体层可与 HERB 中药材互参
tcm-tongue	1052	中医舌诊舌象数据集	同域，偏诊断影像

重要消歧：以上五条与 HERB 2.0 均为同域不同团队、不同资产，切勿合并。HERB 2.0 是其中唯一覆盖"临床证据 + 实验证据 + 知识图谱"三合一的资源，体量最大。

9.2 检索路径建议

• 精确检索：用 "HERB 2.0" 本草组鉴 或 "HERB" TCM database herb.ac.cn 组合；避免裸词 HERB（会混入大量无关结果，坑 1）。
• 引用临床证据时：务必注明是哪一层数字——"纳入 8,558 项临床试验"与"临床结论明确 1,941 项"含义不同（§4.2）。
• 引用知识图谱规模时：同时说明关系权重分层与"99.9% 非内建关系为单证据支持"，避免规模数字被误读为可靠性（§3.2）。

§10 避坑清单：八个已踩过的坑

坑 1："HERB"是高频歧义词，裸词检索会翻车。HERB 既是本数据库缩写，也是英文常用词"草本/香草"，还会撞上大量同名项目、地名、人名。检索时必须加限定词（如 HERB 2.0 本草组鉴、herb.ac.cn、Nucleic Acids Research TCM），否则结果池会被污染。同理，"herb"作 slug 关键词查重会大面积误命中。

坑 2：引用数双口径。Europe PMC 记 55 次（2026-10-10 抓取）、OUCI 记 62 次——两源计数时点与方法不同。本条目按"约 55–62"记录并注明双源，勿单引一个数字当权威值。

坑 3：临床证据三级漏斗的数字勿混用。初筛 102,151/54,855（含假阳性）→ 纳入 8,558/8,032 → 结论明确 1,941/593。这三个层级常被混引，尤其"8,558"易被误当作"高质量临床试验数"。引用时须锁定层级。

坑 4：数据库更新时点早于论文见刊。Database Commons 记 Last update 2024-11-18、Version 2.0；论文正式出版 2025-01-06。数据库先行上线、论文后见刊，属正常节奏，但引用"版本时点"时应指数据库更新日而非见刊日。

坑 5：数据库本体许可未声明，别当开放数据用。论文是开放获取，但数据库本身无 CC 协议声明，Database Commons 仅记 Accessible。学术用无碍，商用/再分发/镜像前须书面确认——这是本条目最容易踩的合规坑。

坑 6：实验证据覆盖率极低，别假设"都有机制数据"。2,231 项实验只覆盖 54 味中药、261 个成分（对照 6,892/44,595 总量，覆盖率 <1%）。“库里有这味药"不等于"库里有这味药的实验数据”。

坑 7：知识图谱的"规模"不等于"可靠性"。287 万条关系里，非内建关系 99.9% 仅由单一证据支持。引用图谱规模时应附上权重分层与证据分布，否则会高估图谱的确证程度。

坑 8：备用入口是裸 IP、无 HTTPS。官方给的主站是 http://herb.ac.cn/v2（HTTP，非 HTTPS），备用 http://47.92.70.12 更是裸 IP。传输为明文，长期稳定性无保证——生产环境对接前应评估，敏感数据勿经此传输。

§11 总结

11.1 三句话总结

1. 它是什么：HERB 2.0（本草组鉴）是一个中医药临床与实验证据一体化数据库 + 知识图谱，把 8,558 项临床试验、8,032 项荟萃分析、2,231 项高通量实验与 6,644 篇参考文献整合进 129,441 个实体、287 万条关系的网络。
2. 它强在哪：跨证据等级整合（临床+实验）+ 连接图谱在线分析 + 知识图谱可视化，是公开资源中少数能把中医药"临床端"与"组学端"打通的基础设施。
3. 它的坑在哪：临床证据有三层数字易混，数据库本体许可未声明，实验覆盖率极低，"HERB"是高频歧义词。

11.2 适合谁

• 做网络药理与药物重定位：查中药/成分/方剂-靶点-疾病通路，用连接图谱找与已知药物同向/反向的中药；
• 做循证中医药：查某疗法有无临床试验/荟萃分析支持，按证据金字塔逐层下钻；
• 做知识图谱与医学 NLP：用 129,441 实体 287 万关系作为图谱抽取/链接预测语料；
• 做中医药基础研究：查某中药的活性成分构成与已知靶点。

11.3 不适合谁

• 想要批量下载整库做离线训练：HERB 2.0 无整库打包下载，批量获取需抓取或联系团队（§6.2）；
• 想要明确的商用授权：数据库本体许可未声明，商用前须确认（坑 5）；
• 想要完整的高通量表达谱覆盖：实验数据覆盖率 <1%（坑 6）；
• 想要干净的机制证据：非内建关系 99.9% 为单证据支持（坑 7）。

11.4 30 秒决策卡

若你……	建议
查中药有没有临床证据	用主站按实体检索，先看顶层临床试验/荟萃分析
找药物重定位线索	用 Analyze 页上传表达谱做连接图谱
建中医药知识图谱	用 129,441 实体/287 万关系，注意关系权重分层
想商用/再分发	先向 biozy@ict.ac.cn 确认许可
想批量离线分析	需自行抓取，无官方打包包

§12 数据来源与采集流水线详解

12.1 五类基础实体的采集路径

HERB 2.0 的基础实体不是"凭空录入"，而是遵循一条"多源汇集 → 实体解析 → 交叉引用"的标准流水线。理解这条流水线，能帮助使用者判断某个实体条目的可信度与完备度。

中药材（herb，6,892）：来源于多份权威中药名录与文献的汇集，然后做去冗余。此处有一个反直觉的现象——2.0 的中药材数（6,892）少于 1.0（7,263）。这不是遗漏，而是实体解析的结果：同一味药在不同来源中可能有多个别名（正名、别名、地方名、拉丁名），1.0 曾把它们当独立条目收录，2.0 合并归一。对使用者而言，条目数"缩水"意味着"查某味药时命中率更高、更不会看到同一味药的多个分身"。

活性成分（ingredient，44,595）：与中药材同理，从 1.0 的 49,258 精简到 44,595，合并了跨库重复的化合物条目（同一化合物在不同数据库中的编号可能不同）。

方剂（formula，6,743）：这是 2.0 全新增加的实体类型，1.0 完全没有。其来源有三：《中国药典》2020 版收载的成方制剂、CFDA（国家食品药品监督管理总局）批准的中成药、国家中医药管理局 2018 与 2022 年发布的经典名方目录。方剂实体的引入，把"单味药研究"扩展到"配伍研究"——这是中医药区别于现代药物的核心特征（复方配伍），因此方剂组件的加入是 2.0 在内容维度上的重要升级。

基因靶点（target，15,515）：由文献人工整编加上 HIT 2.0 数据库的补充构成，并与 GenBank（序列）、GeneCards（基因注释）、TTD（治疗靶点数据库）交叉引用。交叉引用的意义是：使用者从 HERB 查到某靶点后，可顺着外部 ID 跳到其他库，形成跨库检索链。

疾病（disease，30,170）：由文献整编，并与 DisGeNET（基因-疾病关联）、OMIM（人类孟德尔遗传）、HPO（人类表型本体）、Disease Ontology（疾病本体）交叉引用。疾病实体的规范化（用本体对齐）使得 HERB 里的"某疾病"能与现代医学术语体系对接，而非停留在中文病名层面。

12.2 从 GEO 到"高通量实验"的再分析链

实验证据侧的处理链最能体现 HERB 的"再分析者"角色，其工序大致为：

1. 检索定位：从 GEO 检索与中药/成分/方剂相关的表达谱研究，命中 1,206 个 GSE；
2. 样本汇集：这些 GSE 共含 22,560 个 GSM（样本）；
3. 统一再分析：不直接采用原作者的分组与统计，而是统一跑质控、归一化、差异表达分析，重新界定"处理组 vs 对照组"的比较单元；
4. 实验单元定义：一项 HERB EXP = 一次对照-处理比较，因此一个 GSE 可能贡献多项 EXP，2,231 项实验正是这样累加出来的；
5. 实体映射：把每次比较关联到具体的中药/成分/方剂与疾病实体上；
6. 相似性计算：对所有配对的 EXP 计算相关性与连接性得分。

这条链的价值在于一致性：不同 GSE 由不同实验室、不同平台、不同年份产生，若直接比较会引入巨大的批次效应。统一再分析（同一套流水线）大幅降低了这种异质性。论文给出的证据是：55.2% 的 EXP 对之间 Pearson 相关系数 > 0.5——若数据完全不可比，这一比例会低得多。

12.3 微阵列与 RNA-seq 的混合构成

实验数据以 77.9% 微阵列（microarray） 与 22.1% RNA-seq 为主，这一比例反映了 2001–2024 这一时间跨度的技术变迁：早期（2001 年起）的数据几乎全是微阵列，2015 年后 RNA-seq 占比逐渐上升。使用者需要注意：微阵列与 RNA-seq 的数值分布特性不同，HERB 在再分析时需做跨平台归一化，下游使用时应意识到这一潜在的平台效应。

物种方面，数据主要来自 Homo sapiens（人类）与 Mus musculus（小鼠）。这意味着部分"中药-疾病"关联证据是在小鼠模型上得到的，向人类外推时需谨慎——尤其是在做临床转化研究时，应区分证据来自人还是小鼠。

12.4 临床证据的检索与语义判断

临床证据的采集流程是 2.0 的另一个技术亮点：

1. 多源检索：从临床试验注册库（如 ClinicalTrials.gov）与系统综述平台（如 PROSPERO）检索与中医药相关的记录；
2. 初筛命中：得到 102,151 项临床试验与 54,855 项荟萃分析（含大量假阳性）；
3. 语义判断：逐条判断该记录是否真正"评价中医药疗法"——这一步用人工规则结合（半）自动化，但论文明确报告了 LLM 辅助的失败（准确率 51.3%，见 §4.4）；
4. 纳入：确认相关的 8,558 项临床试验与 8,032 项荟萃分析进入数据库；
5. 结论抽取：进一步筛出证据链完整、结论明确的 1,941 项临床试验与 593 项荟萃分析，并为每项配备支持论文（2,903 篇 / 563 篇）。

关键区分：第 4 步的"纳入"与第 5 步的"结论明确"是两回事。纳入意味着"这项研究与中医药疗法评价相关"，结论明确意味着"我们能从中抽出一条清晰的临床结论"。前者是候选池，后者是精华层。

§13 实体关系类型体系

13.1 28 种关系的构成逻辑

HERB 2.0 的知识图谱有 28 种关系类型。理论上 9 类实体两两组合可形成 36 种关系（含自反），实际建了 28 种——未建的 8 种多是因缺乏证据或语义不成立（例如"参考文献-参考文献"之间通常无需建边）。

28 种关系按可靠性分两层：

内建关系（18 种，权重 = 1）——由数据结构直接决定的确定型关系，典型如：

关系示例	语义	权重
中药材 → 含有 → 成分	这味药含有该化合物	1
方剂 → 组成 → 中药材	该方剂由这些药组成	1
临床试验 → 研究 → 中药材/成分/方剂	该试验的对象	1
荟萃分析 → 涵盖 → 临床试验	该荟萃分析纳入的试验	1
高通量实验 → 涉及 → 疾病	该实验针对的疾病	1
参考文献 → 支持 → 证据	文献与证据的支撑关系	1

非内建关系（10 种，权重 0–1）——依证据强度动态评分的推断型关系，典型如：

关系示例	语义	权重特征
成分 → 关联 → 疾病	该成分可能作用于该疾病	0–1，依证据强弱
中药材 → 关联 → 靶点	该药可能影响该靶点	0–1
成分 → 关联 → 靶点	化合物-靶点潜在作用	0–1
疾病 → 相似 → 疾病	疾病间分子相似性	0–1

13.2 非内建关系的证据分布深度解读

论文披露的非内建关系证据分布是理解图谱可靠性的关键：

• 99.9% 的关系仅由单一证据类型支持——即某条"成分-疾病"关联，可能只有一篇参考文献提到，没有高通量实验或临床试验佐证；
• 0.1%（3,702 条） 的关系由至少两类证据支持——这些是交叉确证率最高的连接，最值得信任；
• 1.9%（51,195 条） 的关系拥有多个证据实例（同一类证据的多个实例，如三篇文献都提到该关联）。

如何用这组数字：若你在做药物重定位，应优先选取"多证据类型支持"的关联（0.1% 那部分），因为它们的结论最稳健；若你在做探索性挖掘，可用单证据关系作为假设来源，但必须自行验证。切忌把 287 万条关系等价齐观——其中绝大多数还只是"待验证的线索"，而非"已确立的事实"。

13.3 图谱的技术实现

• 存储层：Neo4j 图数据库。选择图数据库而非关系型数据库，是因为中医药知识天然是网络结构（药-成分-靶点-疾病的多跳关联），图查询（如"找连接 A 与 B 的所有路径"）在 Neo4j 中远比 SQL 联接高效。
• 可视化层：Echarts（JavaScript 图表库）负责前端关系网络渲染，支持交互式展开/收起节点。
• 访问层：独立知识图谱页 + 实体详情页的跨引用导航按钮，让用户在浏览实体时能一键跳进图谱。

13.4 图谱的应用场景

应用场景	用法	依赖的图谱能力
药物重定位	找"成分-疾病"关联，推断老药新用	非内建关系 + 权重
机制推测	从"药-成分-靶点-疾病"多跳路径找作用通路	多跳遍历
方剂解析	拆解方剂组成，分析配伍的靶点分布	方剂-中药-成分内建关系
靶点发现	从疾病反查可能相关的中药/成分	反向遍历
链接预测研究	用图谱做 GNN 训练/评测	全图结构

§14 与其他中医药数据资源的横向对比

14.1 与 HERB 1.0 的逐项对比

维度	HERB 1.0（2021）	HERB 2.0（2025）	变化
基础实体	中药/成分/靶点/疾病	中药/成分/方剂/靶点/疾病	+方剂
中药材	7,263	6,892	去冗余
活性成分	49,258	44,595	去冗余
方剂	—	6,743	新增
靶点	12,933	15,515	+2,582
疾病	28,212	30,170	+1,958
临床证据	无	8,558 + 8,032	全新
高通量实验	1,037	2,231	+1,194
参考文献	1,966	6,644	+4,678
连接图谱	有（部分）	有 + 在线分析接口	增强
知识图谱	无独立图谱	129,441 实体/287 万关系	全新
可视化	基础	独立图谱页 + 跨引用导航	增强

核心升级可归纳为：从"实验证据库"升级为"临床+实验证据平台"。1.0 关心的是"这味药在分子层面做了什么"，2.0 进一步回答"它在临床层面有没有效果"。

14.2 与同类中医药数据库的差异

资源	侧重	与 HERB 2.0 的差异
ITCM	中医药组学	论文自述 HERB 重分析 22,560 样本 vs ITCM 1,488 样本
传统中药典籍库（性味归经类）	传统知识	偏记载，无现代临床/组学整合
CMap（Broad）	现代药物连接图谱	HERB 把中药映射到 CMap，是下游使用者
通用化合物库（PubChem 等）	化学结构	无中医药语境与证据分层

HERB 2.0 的生态位是"整合 + 分层 + 网络化"：它不追求单点最强（论化合物结构不如 PubChem，论连接图谱不如 Broad CMap），而是把中医药的临床与组学证据在一个统一体系内组织起来，并提供跨层检索。

14.3 相对优势与相对短板

相对优势：

1. 覆盖"中药-成分-方剂-靶点-疾病"五类基础实体，体系完整；
2. 临床证据与实验证据同库，支持"从疗效到机制"的连贯检索；
3. 知识图谱规模大（129,441 实体），且有关系权重分层；
4. 提供在线连接图谱分析，从静态库走向可计算平台；
5. 论文在 NAR 数据库专刊发表，方法学披露充分（含负面结果）。

相对短板：

1. 数据库本体许可未声明，商用与再分发受限；
2. 无整库打包下载，批量使用门槛高；
3. 实验证据覆盖率 <1%，多数实体无高通量数据；
4. 界面与文档以中英文混合，部分说明仅中文；
5. 备用站为裸 IP、无 HTTPS。

§15 使用教程：三类任务的操作路径

15.1 任务一：查某味中药的完整证据画像

假设研究者想知道"黄芪"（Astragalus）现代研究到什么程度。操作路径：

1. 进主站（http://herb.ac.cn/v2），在搜索框输入中药名；
2. 看基础信息：详情页显示该药的别名、拉丁名、所含成分数、相关靶点数；
3. 下钻临床证据：切到临床证据标签，看是否有临床试验/荟萃分析——注意区分"纳入"与"结论明确"两级（§4.2）；
4. 下钻实验证据：看是否有高通量实验（若"黄芪"在 54 味有实验的中药之列，则能看到表达谱数据与疾病覆盖）；
5. 看连接图谱：详情页会显示该药的连接图谱结果（与哪些 CMap 化合物同向/反向）；
6. 进知识图谱：点右上角导航，在图谱中展开"黄芪"节点，看它连接的成分、靶点、疾病网络。

预期收获：一份"从临床到分子"的连贯证据画像，这是一般单类数据库给不了的。

15.2 任务二：做一次药物重定位的连接图谱分析

假设你手上有一份药物处理后差异表达的基因列表（上调/下调各若干），想知道它是否与某中药作用相似。操作路径：

1. 进 Analyze 页；
2. 整理输入：把上调与下调基因分成两组，各自按重要性（如 logFC 绝对值或 p 值）排序；
3. 上传：按页面要求提交基因列表；
4. 选参照集：选择要对比的库内表达谱类型（中药 / 成分 / 方剂 / 疾病），均基于人类样本；
5. 选算法与参数：CMap（默认）/ RGES / ZhangScore，并设阈值与方向（相似/相反/两者）；
6. 等结果：平均 7.3 ± 0.6 分钟；
7. 解读：得到与你的签名同向或反向的库内实体，正值提示同向（可能同靶点通路），负值提示反向（可能逆转该状态——若你的签名来自疾病状态，反向匹配的中药可能就是潜在治疗）。

15.3 任务三：构建中医药知识图谱子图做分析

假设你要做"某疾病相关中药"的图谱挖掘。操作路径：

1. 进知识图谱页，检索疾病实体；
2. 展开该疾病节点，看连接的中药/成分（多为非内建关系，注意权重）；
3. 筛关系：优先选高权重或"多证据支持"的边（对照 §13.2 的证据分布）；
4. 导出/记录：注意当前无官方导出接口，需自行记录或抓取；
5. 补证据：对感兴趣的边，回到实体详情页查支撑的证据记录（临床试验/实验/文献）。

注意：第 3 步的筛选至关重要——若不加区分地使用全部关系，会把大量单证据的弱连接当作强关联。正确做法是先设权重阈值，再人工复核。

15.4 使用中的通用注意事项

• 实体名归一化：中药有正名/别名，检索时若查不到可尝试别名或拉丁名；
• 层级意识：临床数字永远明确说"哪一层"（初筛/纳入/结论明确）；
• 证据意识：关系权重与证据类型数决定可信度，不要只看"有没有连接"；
• 时间戳：记录你抓取的版本与时点，因为数据库会持续更新（当前 Version 2.0，Last update 2024-11-18）。

§16 数据质量评估

16.1 优势：方法学披露充分

HERB 2.0 在数据质量披露上属于同类库中的优等生，体现在：

1. 三级临床漏斗全透明：从 102,151 到 1,941，每一步的筛选数量都写明；
2. 关系权重分层明确：内建/非内建、权重 0–1 的规则清楚；
3. 证据分布公开：99.9%/0.1%/1.9% 的比例直接给出；
4. 负面结果不隐藏：LLM 判断准确率 51.3% 如实报告；
5. 质控粒度到药材产地与炮制方法：83/28 中药、13/46 方剂有细颗粒标注。

这种透明度让使用者能准确估计数据的可靠边界，而不是被规模数字误导——这在数据资源类工作中是难得的品质。

16.2 局限与风险

尽管方法学披露好，数据本身仍有固有限制：

• 临床证据的"薄"：结论明确者仅 1,941 + 593 项，相对中医药庞大的疗法总量仍显稀薄；
• 实验覆盖率低：54 中药 / 261 成分 的覆盖，对照总量不足 1%；
• 关系多单证据：99.9% 非内建关系为单证据支持，图谱的"确证密度"不高；
• 再分析的固有风险：统一再分析虽降低异质性，但可能引入自身流水线的偏差，不同 GSE 原始质量参差；
• 实体解析的残余误差：去冗余合并过程中，可能有过合并（把不同实体当同一）或欠合并；
• 许可不确定性：这虽非数据质量本身，但影响数据的合法可用性。

16.3 独立复核建议

使用者在正式用于发表或产品前，建议做以下独立复核：

1. 抽样核对：随机抽 10-20 条实体与关系，回溯到原始证据（临床试验注册号、GSE 编号、文献），验证 HERB 的记录是否准确；
2. 交叉验证：对关键的"成分-疾病"关联，在 DisGeNET、PubMed 等独立源上交叉确认；
3. 平台效应检查：若用高通量数据建模，检查微阵列与 RNA-seq 子集是否带来系统性差异；
4. 版本记录：记录使用的版本与时点，便于复现。

§17 对中医药 AI 研究的方法学价值

17.1 作为知识增强语料

在中医药大模型研究中，HERB 2.0 可充当结构化知识增强源：129,441 个实体、287 万条关系构成领域知识图谱，可用于：

• 检索增强生成（RAG）：把图谱作为外部知识库，为中医药问答提供事实依据；
• 实体链接：把自由文本中的中药名/成分名链接到规范实体；
• 图谱推理：预测缺失的"药-靶点""成分-疾病"关联；
• 事实核查：验证模型生成的中医药陈述是否与图谱一致。

17.2 作为领域能力基准

论文报告的"LLM 临床证据判断准确率 51.3%"本身就是一个现成的能力基准。它揭示了一个关键缺口：通用大模型在中医药专业语义判断上接近随机。后续研究者可以：

• 以此为基线，评测改进方法（微调、RAG、提示工程）的提升；
• 把"判断某研究是否评价中医药疗法"作为中医药 NLP 的一项标准任务；
• 关注论文指出的假阳性主导（98.6%）失效模式——模型倾向于"过度关联"，这对提示设计有直接指导意义。

17.3 网络药理学与多组学结合的桥梁

HERB 2.0 把中药/成分/方剂与靶点、疾病、表达谱连在一起，为网络药理学 + 多组学研究提供了基础设施：

• 中药多靶点研究：从一味的成分列表出发，映射到靶点网络，分析潜在作用机制；
• 复方配伍研究：用方剂实体的成药成分，比较复方 vs 单味药的靶点覆盖差异；
• 疾病导向的药物筛选：从疾病相关基因出发，反查可能有效的中药/成分；
• 连接图谱辅助验证：把候选中药的表达谱效应与已知药物对比，佐证机制假设。

17.4 对数据资源建设的启示

HERB 2.0 的实践对"如何建设一个有用的中医药数据资源"给出了几点启示：

1. 整合优于孤立：单个模态的库价值有限，跨证据等级整合才能支撑连贯研究；
2. 分层优于平铺：证据金字塔与关系权重的分层设计，让使用者能做证据强度判断；
3. 透明优于夸大：如实披露局限与负面结果，反而增强资源的可信度；
4. 可计算优于可浏览：在线分析接口让库从"查阅工具"升级为"研究平台"。

§18 常见误区与正解

误区 1：把 HERB 2.0 当作"数据集"下载

正解：它是网页数据库，无整库打包下载。若需离线使用，需自行抓取或联系团队。归入"知识图谱/数据库"类，而非静态数据集类。

误区 2：把 8,558 项临床试验当作"高质量证据"

正解：8,558 是"纳入"层，真正结论明确的是 1,941 项（22.7%）。引用必须锁定层级（坑 3）。

误区 3：把 287 万条关系当作"同等可靠的知识"

正解：99.9% 的非内建关系仅由单一证据支持。可靠性高度不均，需按权重与证据类型数筛选（坑 7）。

误区 4：认为中药都有实验数据

正解：高通量实验只覆盖 54 味中药、261 个成分，对照 6,892/44,595 的总量，覆盖率 <1%（坑 6）。

误区 5：以为"开放访问 = 可自由商用"

正解：论文开放获取，但数据库本体无许可声明。商用/再分发前须书面确认（坑 5）。

误区 6：用通用 LLM 自动筛中医药文献就够

正解：论文实测通用 LLM 准确率仅 51.3%、假阳性 98.6%。当前不宜单靠通用 LLM 做该任务（§4.4）。

误区 7：把"HERB"当唯一检索词

正解：HERB 是高频歧义词，须加限定词检索（坑 1）。

误区 8：忽略平台与物种差异直接用实验数据

正解：数据含 77.9% 微阵列 + 22.1% RNA-seq，物种含人与小鼠。跨平台/跨物种使用需检查相应效应（§12.3）。

§19 项目时间线与版本演进

19.1 关键时间节点

时间	事件	来源
2021	HERB 1.0 发布，中文名"本草组鉴"，英文名 BenCaoZuJian	Database Commons / NAR 2021
2021-01	HERB 1.0 论文见刊 NAR 2021;49(D1):D1197–D1206	NAR 2021
2024-11-18	HERB 2.0 数据库更新（Database Commons 记录 Last update）	Database Commons
2025-01-06	HERB 2.0 论文见刊 NAR 2025;53(D1):D1404–D1414	NAR 2025
2026-10-10	Europe PMC 记引用 55 次	Europe PMC

19.2 版本演进的三个维度

HERB 从 1.0 到 2.0 的演进，可从三个维度观察：

维度一：数据类型的扩展（纵向）。1.0 只有实验证据一类；2.0 加入临床证据（临床试验 + 荟萃分析），实现了"证据金字塔"的前两层覆盖。这是最根本的升级——它让 HERB 从"机制研究工具"变成了"疗效+机制双端平台"。

维度二：内容规模的扩充（横向）。在每一类内部，数据量都有大幅增长：高通量实验 1,037→2,231（+115%），参考文献 1,966→6,644（+238%）；同时新增方剂组件（6,743）。实体侧则因去冗余而"瘦身"（中药、成分微降），体现"质量优先"的策略。

维度三：可用性的提升（交互）。新增在线连接图谱分析接口（上传表达谱，7.3 分钟出结果）与独立知识图谱页，把数据库从"可浏览"推向"可计算"。

19.3 更新节奏的观察

Database Commons 记录的最后更新为 2024-11-18，而论文于 2025-01-06 见刊。这说明：数据库先上线新版本，论文随后发表——这是数据库类工作的常见节奏（数据可比论文早数月可用）。使用者引用"版本时点"时应指数据库更新日（2024-11-18），而非论文见刊日（坑 4）。

§20 团队、机构与资金

20.1 多机构协作结构

HERB 2.0 由四个主要机构协作完成：

机构	角色	说明
北京中医药大学中医学院	第一作者单位（Kai Gao 等）	中医药专业背景主导
中科院计算技术研究所（智能信息处理重点实验室）	通讯作者单位（Yi Zhao）	计算/信息处理技术主导
四川大学华西医院 华西生物医学大数据中心	协作单位（Xiaoxi Zeng, Wei Zhang）	大数据中心支撑
广州中医药大学 中医证候国家重点实验室	协作单位（Chun Li, Wei Wang）	中医证候专业支撑

这种"中医药院校 + 计算机构 + 医院大数据中心"的组合，是中医药数据资源建设的典型范式——既需要中医药领域知识，也需要计算与数据工程能力，还需要临床数据支撑。

20.2 通讯与联系

• 通讯作者：Yi Zhao（赵屹）
• 联系邮箱：biozy@ict.ac.cn（Database Commons 口径）
• 致谢对象：Shunmin He 教授、Lei Kong、Liang Sun、Min Li 博士、Fengzhen Chen 及 36 名志愿者——志愿者规模说明临床证据的人工筛选工作量巨大（对应初筛 10 万+条记录）。

20.3 资助来源

论文致谢的资助机构包括：

• 国家重点研发计划 [2021YFC2500203]；
• 国家自然科学基金 [32070670, 92474204, 32341019]；
• 北京市自然科学基金 [L222007]；
• 宁波市医学高端团队重大项目 [2023030615, 2024020919]；
• 宁波市科技创新甬江 2035 项目 [2024Z229]；
• 广州实验室重大项目 [GZNL2023A03001]。

资金来源的多样性（国家级 + 地方级）说明该项目获得了较广泛的机构支持，也为其持续维护提供了一定保障。

§21 复现与使用检查清单

21.1 引用该数据库前必查

1. 版本与时点：确认引用的是 2.0 版，记录访问日期（当前 Version 2.0，Last update 2024-11-18）；
2. 许可证：确认你的用途是否在许可范围内——无公开许可声明，商用/再分发须确认（坑 5）；
3. 数字层级：临床数字须注明"初筛/纳入/结论明确"哪一层（坑 3）；
4. 关系可靠性：图谱关系须注明权重层与证据支持数（坑 7）。

21.2 使用前数据检查

检查项	做法	关注点
实体名规范	用正名/别名/拉丁名多试	中药别名多
证据完整性	查看该类实体是否有实验/临床数据	覆盖率不均
平台效应	检查微阵列/RNA-seq 子集差异	77.9%/22.1% 混合
物种归属	确认证据来自人还是小鼠	外推需谨慎
关系权重	设权重阈值筛边	99.9% 单证据

21.3 输出与合规检查

检查项	要求
是否标明数据来源	必须标注 HERB 2.0 及版本时点
是否遵守许可	商用前须获授权确认
是否说明局限	建议披露覆盖率与证据层级局限
是否可复现	记录访问日期与查询条件

§22 在千方库 AI-Ready 光谱中的定位

22.1 可获取性光谱位置

千方库的数据资源在"可获取性"上有从"完全开放直链"到"请求制再分发"的连续光谱。HERB 2.0 落在一个中间偏开放的位置：

• 比完全开放数据集（如 CC BY 直链可下载）受更多限制——无打包下载、无许可声明；
• 比请求制资源（如需邮件申请、签署协议）更易触达——网页直接可访问、可检索。

这一位置对使用者的实际影响是：学术研究基本无障碍，批量/商用需额外沟通。

22.2 在中医家族中的相对位置

条目	rid	类型	规模	可获取性
HERB 2.0	herb-2	数据库+图谱	129,441 实体	网页开放/许可未声明
tcmssd	1054	证候数据库	中	待核
mtcmb	1108	评测基准	中	待核
tcmeval-sdt	1053	评测基准	中	待核
nb-tcm-chm	1116	图像数据集	3,784 图	待核
tcm-tongue	1052	舌象数据集	中	待核

HERB 2.0 在规模与"三合一"（临床+实验+图谱）特性上是中医家族中最突出的一个节点，适合作为该家族的中心互链点。

22.3 AI-Ready 评级理由

本条目给 HERB 2.0 的 DAIMS 综合评级为 7.2/10（良），理由浓缩为：

• 加分项：规模大、方法学披露充分（三级漏斗/权重分层/负面结果公开）、证据分层设计、在线分析接口、NAR 基础设施地位、多机构稳定团队；
• 减分项：无整库打包下载（可获取性）、许可未声明（合规）、实验覆盖率 <1%（完备性）、裸 IP 备站（工程）。

§23 延伸阅读与关联资源

23.1 论文与官方资源

• HERB 2.0 主论文：NAR 2025;53(D1):D1404–D1414（doi:10.1093/nar/gkae1037）；
• HERB 1.0 原始论文：NAR 2021;49(D1):D1197–D1206（PMID 33264402）；
• HERB 官网：http://herb.ac.cn/v2；
• 华西生物医学大数据中心 HERB2 文档页（中文使用说明）。

23.2 上游数据资源

• GEO（Gene Expression Omnibus）：高通量实验原始样本来源（1,206 GSE / 22,560 GSM）；
• ClinicalTrials.gov：临床试验原始记录来源；
• PROSPERO：系统综述/荟萃分析注册平台；
• CMap（Broad Institute）：连接图谱参照谱（2,837 现代药物）。

23.3 实体交叉引用资源

• 靶点：GenBank、GeneCards、TTD；
• 疾病：DisGeNET、OMIM、HPO、Disease Ontology。

23.4 相关方法

• Connectivity Mapping（连接图谱）：Lamb 等提出的 CMap 方法；
• RGES（Reverse Gene Expression Score）：反向表达打分；
• ZhangScore：连接性打分算法；
• 证据金字塔：循证医学的证据等级模型。

§24 一句话读懂 HERB 2.0

如果把中医药研究比作一座巨大的图书馆，HERB 1.0 整理的是"分子实验"那一排书架，而 HERB 2.0 把"临床证据"这排最重要的书架也接了进来，还给整座图书馆画了一张 129,441 个节点、287 万条连线的导航地图。它不生产原始数据，却让原本散落在各国注册库、五六个数据库和数万篇论文里的中医药证据第一次能被"一站式"检索、分层、联网——这正是它作为 NAR 数据库专刊基础设施的价值所在。

§25 临床证据细目：数字背后的图景

25.1 临床试验覆盖的实体分布

临床试验层的 8,558 项记录，覆盖的实体结构值得细看：

维度	数量	说明
涉及中药材	249 味	相对 6,892 味总量，仅 3.6% 有临床试验
涉及活性成分	375 个	相对 44,595 个总量，仅 0.8% 有临床试验
涉及方剂	59 个	相对 6,743 个总量，仅 0.9% 有临床试验
覆盖疾病	556 种	相对 30,170 种总量，仅 1.8% 被覆盖
来源国家	119 个	呈全球化分布

这组数字揭示一个关键现实：即便在"最高证据等级"的临床试验层，中医药的实体覆盖率也极低。绝大多数中药、成分、方剂在临床试验层面是空白的。研究者若要用 HERB 找某味药的临床证据，很可能查不到——这不是数据库的缺陷，而是中医药临床研究现状的真实反映。

25.2 荟萃分析覆盖的实体分布

荟萃分析层（8,032 项）的覆盖结构略有不同：

维度	数量	对比临床试验
涉及中药材	267 味	多于临床试验的 249
涉及活性成分	399 个	多于临床试验的 375
涉及方剂	336 个	远多于临床试验的 59
覆盖疾病	485 种	少于临床试验的 556
来源国家	81 个	少于临床试验的 119

方剂维度的反差最值得注意：荟萃分析涉及 336 个方剂，而临床试验只涉及 59 个。这说明方剂类疗法的系统综述/荟萃分析远多于单项临床试验记录——研究者若关注复方，荟萃分析层的证据密度更高。

25.3 分期分布的方法学含义

临床试验的分期分布：1 期 12.5%、2 期 19.6%、3 期 12.6%、4 期 11.3%，合计约 56%。约 3,964 项采用严格随机双盲（或三盲/四盲）设计。

方法学含义：

• 1-2 期占比高（32.1%）：说明不少中医药临床试验处于早期安全性/初步有效性阶段，尚未进入大规模确证性试验；
• 3-4 期合计 23.9%：有相当一部分已进入确证性或上市后阶段，证据等级较高；
• 双盲比例可观：3,964 项随机双盲，说明中医药临床试验的方法学质量在提升，传统的"中医药难做盲法"的刻板印象正在被打破。

25.4 质控元数据的价值

临床层的质控标注（83/28 中药含产地与加工方法、13/46 方剂含生产商与质量评价）虽只覆盖少数实体，却揭示了深度质控的方向。对中药研究而言：

• 产地：同种药材不同产地的有效成分含量差异显著（如道地药材概念），产地元数据是评价研究可比性的关键；
• 加工方法：炮制方式（如蒸、炒、炙）直接影响药性与成分，缺此信息的临床试验难以精确复现；
• 生产商与质量评价：中成药的质量批次差异大，生产商信息对结论外推至关重要。

HERB 2.0 把这些元数据显式标注，是向"可精确复现的中医药证据"迈出的一步，尽管目前覆盖比例仍低。

25.5 临床结论明确者的构成

1,941 项"结论明确"的临床试验与 593 项荟萃分析，是全库临床证据的精华。它们的构成：

维度	结论明确的临床试验	结论明确的荟萃分析
支持论文数	2,903 篇	563 篇
涉及中药	96 味	40 味
涉及成分	165 个	129 个
涉及方剂	13 个	61 个

再次注意方剂维度的反差：结论明确的荟萃分析涉及 61 个方剂，而临床试验仅 13 个——荟萃分析在方剂证据上更丰富。

平均支持论文数：临床试验 2,903/1,941 ≈ 1.5 篇/项；荟萃分析 563/593 ≈ 0.95 篇/项。前者平均略高于一项一论文，后者接近一对一。

25.6 如何用这组细目

使用者在查具体实体时，可按以下路径判断证据强度：

1. 先看有无顶层证据：该中药/成分/方剂是否出现在临床试验或荟萃分析中；
2. 再看是否结论明确：若有，查它是否在 1,941/593 的"结论明确"之列（若有明细可查）；
3. 看分期与盲法：临床试验的分期与方法学质量；
4. 看质控元数据：是否有产地/加工/生产商信息；
5. 横向对比：该实体在临床试验 vs 荟萃分析中的证据密度（方剂类常是荟萃分析更丰富）。

§26 实验证据细目：组学层的数据图景

26.1 高通量实验的实体分布

2,231 项高通量实验覆盖的实体：

维度	数量	覆盖率（对照总量）
中药材	54 味	0.78%（/6,892）
活性成分	261 个	0.59%（/44,595）
方剂	9 个	0.13%（/6,743）
疾病	376 种	1.25%（/30,170）

这是全库覆盖率最低的一层。尤其方剂仅 9 个有高通量数据——复方的组学研究在公开数据中极为稀缺。使用者应把"有高通量实验"当作强信号：能进入这 54 味中药/261 个成分之列的实体，都是研究相对充分的。

26.2 数据来源的技术构成

维度	数值	说明
GSE 系列数	1,206	GEO Series
GSM 样本数	22,560	GEO Sample
微阵列占比	77.9%	主要技术
RNA-seq 占比	22.1%	逐步增长
物种	人 + 小鼠	以人为主
时间跨度	2001-2024	24 年
对照/处理平均重复	5.7 / 6.4	生物学重复数

平均生物学重复 5.7 与 6.4，属于较规范的实验设计（一般要求 ≥3）。这说明纳入的高通量研究整体质量尚可。

26.3 与 ITCM 的规模对比

论文以 ITCM 数据库作为对照，强调 HERB 的再分析规模：

指标	HERB 2.0	ITCM
重分析样本数	22,560	1,488
倍数	15.2×	基准

15 倍的样本量优势，是 HERB 实验证据层规模上的核心卖点。更大的再分析样本池意味着更全面的实体覆盖与更稳健的相似性计算。

26.4 参考文献层的信息抽取

从 6,644 篇参考文献中抽取：

抽取项	数量
靶点	2,447 个
疾病	956 种
涉及中药	435 味
涉及成分	955 个
涉及方剂	159 个

这一层是知识图谱非内建关系的原始证据来源。2,447 个靶点与 956 种疾病的抽取，为"成分-靶点""成分-疾病"等推断关系提供了文献支撑。

26.5 复现性证据

论文报告：55.2% 的 EXP 对之间 Pearson 相关系数 > 0.5。含义是：当同一实体的两次独立实验都被收录时，超过一半的配对呈现中等以上正相关——说明 HERB 的再分析并未引入严重的系统性偏差，同一实体的不同实验结果整体上相互印证。剩余约 45% 相关性低于 0.5 的部分，可能来自实验条件差异、组织类型不同或平台效应。

§27 连接图谱细目：中药如何映射到现代药物

27.1 映射成果的规模

连接图谱（Connectivity Mapping）把中医药实体与现代药物谱对接，成果（绝对连接性得分 > 80 时）：

映射方向	涉及实体	目标数
中药→CMap 化合物	19 中药 / 145 成分 / 4 方剂 / 286 疾病	2,205 个 CMap 化合物
TCM→疾病	20 中药 / 183 成分 / 2 方剂	132 种疾病

参照谱规模：2,837 种现代药物的 CMap 表达谱。

27.2 三种算法

算法	全称	特点
CMap	Connectivity Map	默认方法，经典连接性打分
RGES	Reverse Gene Expression Score	反向表达打分，强调逆转关系
ZhangScore	Zhang Score	另一种连接性度量

使用者可根据研究目标选择：若关注"中药与药物作用相似"用 CMap；若关注"中药逆转某疾病状态"用 RGES。

27.3 在线接口的可用后端

上传表达谱时可选的参照数据集：

实体类型	可用后端数
中药	22 味
成分	198 个
方剂	4 个
疾病	308 种

均为基于人类样本构建的表达谱。计算平均耗时 7.3 ± 0.6 分钟。

27.4 连接图谱的研究范式意义

连接图谱方法引入中医药研究，带来一个范式转变：传统上评价"某中药治某病"依赖临床试验（成本高、周期长），连接图谱提供了一条计算先行的路径——先用表达谱相似性筛出候选，再设计实验验证。这使中药筛选从"试错"转向"假设驱动"，与西药研发的靶点筛选逻辑趋同。

不过需注意：连接图谱给出的只是计算关联，不是因果证据。同向匹配提示可能同机制，但需机制实验与临床研究确证。把连接图谱结果直接当疗效证据是常见误用。

FAQ（高频问答 24 问）

A. 基础认知

1. HERB 2.0 是什么？
中医药临床与实验证据一体化数据库，中文名"本草组鉴 2.0"，由北京中医药大学、中科院计算所等联合开发，见 Nucleic Acids Res 2025;53(D1):D1404–D1414。

2. 和 HERB 1.0 什么关系？
2.0 是 1.0（NAR 2021;49(D1):D1197–D1206；PMID 33264402）的升级版。1.0 只有实验证据，2.0 首次纳入临床证据、新增方剂组件、扩充实验与文献、新增分析接口与知识图谱。

3. 它属于千方库的哪一类？
归入"药物发现与化学 / 知识图谱 / 基因组学与多组学"域。它是数据库而非影像/信号类数据集。

4. 官方网址？
http://herb.ac.cn/v2（主站）；http://47.92.70.12（备用裸 IP，无 HTTPS）。

5. 论文信息？
Nucleic Acids Res. 2025;53(D1):D1404–D1414；doi:10.1093/nar/gkae1037；PMID 39558177；PMCID PMC11701625；开放获取。

B. 数据与规模

6. 有多少中药/成分/方剂？
中药材 6,892、活性成分 44,595、方剂 6,743（2.0 新增组件）。

7. 有多少靶点和疾病？
靶点 15,515、疾病 30,170。

8. 临床证据多少？
纳入临床试验 8,558、荟萃分析 8,032；其中临床结论明确的 1,941（22.7%）与 593（7.4%）。

9. 为什么初筛量（10 万+）和纳入量（8 千+）差这么多？
初筛含大量假阳性（涉及中药但主题非评价中医药疗法），须经语义判断筛选（坑 3）。

10. 实验数据从哪来？
1,206 个 GEO Series、22,560 个 GEO 样本重新分析而成；覆盖 54 中药/261 成分/9 方剂/376 疾病。

11. 知识图谱多大？
9 类实体共 129,441 个；28 类关系共 2,871,083 条。

12. 关系有权重吗？
有。18 种内建关系权重恒为 1；10 种非内建关系权重 0–1，依证据强度评分。

C. 使用与方法

13. 连接图谱是什么？
把表达谱签名与参照谱做相似性匹配，找同向/反向的药物。HERB 用 CMap 参照谱（2,837 现代药物），支持 CMap/RGES/ZhangScore 三法。

14. 能上传自己的数据吗？
能。在 Analyze 页上传上调/下调基因列表（按重要性排序），选参照集在线分析，平均 7.3 分钟。

15. 知识图谱怎么查？
用官网独立图谱页，通过按钮/下拉菜单查实体并探索关系网络；实体详情页有跨引用导航。

16. 有批量下载吗？
目前无整库打包下载；提供 probe2gene 脚本（105 平台转换文件）供表达谱比对，批量获取需自行抓取或联系团队（§6.2）。

17. LLM 能自动筛中医药文献吗？
论文自测 ChatGPT 3.5/Gemini 准确率仅 51.3%、假阳性 98.6%，目前不宜单靠通用 LLM（§4.4）。

D. 许可与合规

18. 能商用吗？
数据库本体许可未声明（无 CC 协议），商用前须向通讯作者书面确认（坑 5）。

19. 能再分发吗？
同上，无公开再分发授权，需确认。论文本身开放获取、可自由引用。

20. 怎么联系团队？
Database Commons 记 PI 为 Yi Zhao（赵屹），邮箱 biozy@ict.ac.cn。

E. 库内与互链

21. 库里有相关条目吗？
有，中医家族五条：mtcmb(1108)/tcmeval-sdt(1053)/tcmssd(1054)/nb-tcm-chm(1116)/tcm-tongue(1052)。

22. 它们和 HERB 2.0 是一回事吗？
不是。同域不同团队、不同资产，勿合并（§9.1）。

23. 该和谁互链？
中医家族五条 + 上游资源（GEO/CMap/ClinicalTrials.gov 属外部，非库内 rid）。

24. 引用时最容易错的地方？
把 8,558 当"高质量证据数"（应为 1,941）；或把 287 万关系当"高可靠关系"（99.9% 为单证据）。见坑 3、坑 7。

事实清单（硬事实 30 条）

1. 论文：NAR 2025;53(D1):D1404–D1414；doi 10.1093/nar/gkae1037。
2. PMID 39558177；PMCID PMC11701625；开放获取。
3. 前作 HERB 1.0：NAR 2021;49(D1):D1197–D1206；PMID 33264402。
4. 中文名"本草组鉴"；缩写 HERB = High-throughput Experiment- and Reference-guided。
5. 中药材 6,892（1.0 为 7,263）。
6. 活性成分 44,595（1.0 为 49,258）。
7. 方剂 6,743（2.0 新增）。
8. 基因靶点 15,515（1.0 为 12,933）。
9. 疾病 30,170（1.0 为 28,212）。
10. 临床试验 8,558（覆盖 249 中药/375 成分/59 方剂/556 疾病/119 国家）。
11. 荟萃分析 8,032（267 中药/399 成分/336 方剂/485 疾病/81 国家）。
12. 临床结论明确：临床试验 1,941（22.7%，配 2,903 论文）。
13. 临床结论明确：荟萃分析 593（7.4%，配 563 论文）。
14. 初筛命中：临床试验 102,151 + 荟萃分析 54,855。
15. 高通量实验 2,231（1.0 为 1,037）。
16. 参考文献 6,644（1.0 为 1,966）。
17. 实验来自 1,206 个 GSE、22,560 个 GSM。
18. 实验覆盖 54 中药/261 成分/9 方剂/376 疾病。
19. 实验数据类型 77.9% 微阵列 + 22.1% RNA-seq。
20. 实验物种 Homo sapiens 与 Mus musculus（2001–2024）。
21. 知识图谱实体 129,441 个（9 类）。
22. 知识图谱关系 2,871,083 条（28 类）。
23. 关系分层：18 内建（权重 1）+ 10 非内建（权重 0–1）。
24. 非内建关系 99.9% 单证据支持；0.1%（3,702 条）多证据；1.9%（51,195 条）多实例。
25. 连接图谱参照 2,837 种现代药物 CMap 谱。
26. 连接图谱三算法：CMap（默认）/RGES/ZhangScore。
27. 在线分析平均耗时 7.3 ± 0.6 分钟。
28. LLM 判断准确率 51.3%（假阳性 98.6%）。
29. 主站 herb.ac.cn/v2；备用 47.92.70.12。
30. Database Commons：Founded 2021，Last update 2024-11-18，Version 2.0。

术语表（18 条）

术语	英文	释义
本草组鉴	HERB	本数据库中文官方名
中药材	herb	中医药用的植物/矿物/动物药
活性成分	ingredient	中药中的小分子化合物
方剂	formula	多味药配伍组成的处方
靶点	target	药物/成分作用的基因或蛋白
临床试验	clinical trial	在人体评价疗法效果的研究
荟萃分析	meta-analysis	汇总多项研究定量结论的系统方法
高通量实验	high-throughput experiment	组学层面（如表达谱）的批量实验
证据金字塔	evidence pyramid	按证据可信度分层的方法学模型
连接图谱	connectivity mapping	用表达谱签名匹配药物/扰动的方法
CMap	Connectivity Map	Broad Institute 的药物表达谱参照库
RGES	Reverse Gene Expression Score	反向基因表达打分法
ZhangScore	Zhang Score	一种连接性打分算法
知识图谱	knowledge graph	实体-关系构成的结构化网络
内建关系	built-in relation	权重恒为 1 的确定型关系
非内建关系	non-built-in relation	权重 0–1 的证据推断型关系
药转录组学	pharmacotranscriptomics	用转录组评估药物作用的研究
GSE / GSM	GEO Series / Sample	GEO 数据库的系列/样本编号

附录

附录 A：条目信息速查卡

项	值
条目名	HERB 2.0
url_name	herb-2
中文名	本草组鉴 2.0
类型	中医药临床+实验证据一体化数据库 + 知识图谱
论文	Nucleic Acids Res. 2025;53(D1):D1404–D1414
团队	北京中医药大学 + 中科院计算所 + 华西医院 + 广州中医药大学（通讯 Yi Zhao）
规模	9 类实体 129,441 个；28 类关系 2,871,083 条
证据	临床试验 8,558 / 荟萃分析 8,032 / 高通量实验 2,231 / 参考文献 6,644
许可	论文开放获取；数据库本体未声明许可
抓取时点	2026-10-16
库内互链	mtcmb(1108)/tcmeval-sdt(1053)/tcmssd(1054)/nb-tcm-chm(1116)/tcm-tongue(1052)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	NAR 数据库专刊论文 + Database Commons + 多平台文档页，索引完备；但"HERB"名歧义稍影响直接检索
A 可获取性	6	网页数据库开放访问、无需注册；但无整库打包下载，备用站为裸 IP，许可未声明
I 可互操作	7	实体交叉引用 GenBank/GeneCards/TTD/DisGeNET/OMIM/HPO；提供 probe2gene 脚本与三种连接图谱算法；未见官方 RDF/开放 API
M 元数据质量	8	论文表格完备（实体/证据/图谱/质控分级数字齐）；临床三级漏斗口径清晰，少数引用数双口径
S 可持续性	7	依托 GEO/ClinicalTrials.gov 等稳定上游；多机构团队 + NAR 基础设施地位；但单主站 + 裸 IP 备站为单点风险
综合评级	7.2/10（良）	数据规模与方法学质量突出，可获取性受"无打包下载 + 许可未声明"拖累

附录 C：逐项证据链自证

关键数字	来源	位置
中医药实体 6,892/44,595/6,743/15,515/30,170	NAR 2025 论文 + 官方文档	PMC 全文 Table 1 / 华西文档
临床试验 8,558 / 荟萃分析 8,032	NAR 2025 论文摘要与正文	PMC 全文 Abstract
结论明确 1,941(22.7%)/593(7.4%)	NAR 2025 论文	PMC 全文 Results
初筛 102,151 / 54,855	NAR 2025 论文	PMC 全文 Methods
高通量实验 2,231 / 参考文献 6,644	NAR 2025 论文摘要	PMC 全文 Abstract
1,206 GSE / 22,560 GSM / 376 疾病	NAR 2025 论文	PMC 全文 Results
129,441 实体 / 28 关系 / 2,871,083 关系	华西大数据中心 herb2 文档	biomedbdc.wchscu.cn
2,837 现代药物 / 7.3 分钟	NAR 2025 论文	PMC 全文 Results
LLM 51.3%	NAR 2025 论文	PMC 全文 Results
Founded 2021 / Last update 2024-11-18 / v2.0	Database Commons 条目	ngdc.cncb.ac.cn
通讯邮箱 biozy@ict.ac.cn	Database Commons 联系信息	ngdc.cncb.ac.cn

附录 D：检索路径示范

• 精确短语："HERB 2.0" 本草组鉴；
• 域名限定：herb.ac.cn；
• 论文定位："Nucleic Acids Research" 2025 "traditional Chinese medicine" database HERB；
• 避免裸词：单独搜 HERB 会混入大量无关结果（坑 1）；
• 库内检索：herb-2（url_name）或以"中医/中医药/TCM"聚合中医家族五条。

附录 AA：基于 HERB 2.0 的研究检查清单（12 项）

#	检查项	说明
1	是否确认使用版本与时点	当前 v2.0（Last update 2024-11-18）
2	是否核对许可范围	无公开许可，商用须确认
3	临床证据是否标注层级	初筛/纳入/结论明确三层
4	是否筛选关系权重	优先多证据支持的关系
5	是否检查实验覆盖率	<1%，勿假设普遍有数据
6	是否检查平台效应	微阵列 77.9% + RNA-seq 22.1%
7	是否区分物种	人 vs 小鼠
8	实体名是否归一化	正名/别名/拉丁名
9	是否记录查询条件	便于复现
10	是否抽样复核原始证据	回溯 GSE/注册号/文献
11	是否交叉验证关键关联	DisGeNET/PubMed
12	是否披露数据局限	覆盖率与证据层级

附录 AB：实体类型数据字典

实体类型	英文	数量	来源/交叉引用	图谱角色
中药材	herb	6,892	多源去冗余	基础实体（节点）
活性成分	ingredient	44,595	多源去冗余	基础实体
方剂	formula	6,743	药典/CFDA/经典名方	基础实体（2.0 新增）
基因靶点	target	15,515	GenBank/GeneCards/TTD	基础实体
疾病	disease	30,170	DisGeNET/OMIM/HPO/DO	基础实体
临床试验	clinical_trial	8,558	ClinicalTrials.gov 等	证据实体
荟萃分析	meta_analysis	8,032	PROSPERO 等	证据实体
高通量实验	experiment	2,231	GEO（1,206 GSE）	证据实体
参考文献	reference	6,644	文献	证据实体

附录 AC：关系类型权重速查

关系层	类型数	权重规则	可靠性	使用建议
内建关系	18 种	恒为 1	高（确定事实）	可直接使用
非内建关系	10 种	0–1 依证据强度	分层（99.9% 单证据）	设阈值筛边，优先多证据者

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-16。事实陈述以 NAR 2025;53(D1):D1404–D1414 论文、HERB 官网（herb.ac.cn/v2）、华西生物医学大数据中心文档与 Database Commons 条目为源，三源互证；引用数双口径、数据库许可未声明、备用站裸 IP 等存照与遗留疑点见 FACTS.md §9 与正文坑点。条目与库内中医家族 mtcmb(1108)、tcmeval-sdt(1053)、tcmssd(1054)、nb-tcm-chm(1116)、tcm-tongue(1052) 互链，构成中医药数据资源的完整检索面。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• primekg — 共享标签：基因组学与多组学 / 药物发现与化学 / 知识图谱 / 药物-靶点相互作用
• ctd — 共享标签：基因组学与多组学 / 药物发现与化学 / 知识图谱 / 药物-靶点相互作用
• lincs-l1000 — 共享标签：基因组学与多组学 / 药物发现与化学 / 转录组
• disgenet — 共享标签：基因组学与多组学 / 药物发现与化学 / 知识图谱
• open-targets — 共享标签：基因组学与多组学 / 药物发现与化学 / 知识图谱
• iuphar-bps — 共享标签：药物发现与化学 / 知识图谱 / 药物-靶点相互作用
• ecod — 共享标签：基因组学与多组学 / 药物发现与化学 / 知识图谱
• offsides — 共享标签：药物发现与化学 / 知识图谱 / 药物-靶点相互作用
• tahoe-100m — 共享标签：基因组学与多组学 / 药物发现与化学 / 转录组
• depmap-ccle — 共享标签：基因组学与多组学 / 药物发现与化学 / 药物-靶点相互作用

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。