用途：构建并分析化合物-靶点-疾病（C-T-D）网络，用于药物重定位、多靶点药理学（polypharmacology）发现、机制预测与多靶点药物设计。适用于询问某药能否基于网络分析重定位到某疾病、药物多靶点效应、药物靶点与疾病基因的网络邻近性、按网络指标排序的重定位候选、疾病网络枢纽基因等。不适用于无网络分析的简单重定位、单靶点验证或仅不良事件检测。
主要能力：整合 STRING、BioGRID、IntAct、HumanBase、ChEMBL、DrugBank、BindingDB、OpenTargets、DGIdb、CTD、GWAS、Pharos、Reactome、Enrichr、FAERS、FDA、gnomAD、PharmGKB、ADMETAI 等工具，完成实体消歧、节点识别、边构建、网络分析、重定位预测、多靶点分析、安全性与验证证据收集，并生成报告。
使用方式：强调“计算而非描述”，需通过 Bash 编写并运行 Python（pandas、scipy、statsmodels、matplotlib）执行统计、数据处理、评分与富集。工具调用一律使用英文术语，回复使用用户语言。流程分 8 个阶段：实体消歧与报告初始化、网络节点识别、网络边构建、网络分析、重定位预测、多靶点分析、安全与毒性背景、验证证据与报告生成。网络邻近性使用 Network_proximity 工具（Guney/Barabasi 2016 + Menche 2015 集合距离，度匹配 Z 分数），输入边与两个节点集，返回 value、z_score、p_value；Z < -2 且 p < 0.01 视为有意义信号。需使用大规模互作组作为零假设，小范围查询子网会导致 z>0、p≈1 的无信息结果。
评分：Network Pharmacology Score（0-100）由网络邻近性 35 分、临床证据 25 分、靶点-疾病关联 20 分、安全性 10 分、机制合理性 10 分组成；80-100 高潜力，60-79 良好，40-59 中等，0-39 低。证据分级 T1-T4。
限制：需先做实体消歧；工具参数有特定要求（如 DrugBank 工具需 query、case_sensitive、exact_match、limit 四个参数；FAERS 计数工具用 medicinalproduct 而非 drug_name；ensembl_lookup_gene 需 species='homo_sapiens'）。工具失败时按回退链尝试。资料未提供具体安装命令、收费与价格信息。