Checking ChEMBL for Structured SAR Data

構造化された SAR データを ChEMBL で確認する

概要

ChEMBL は、約 99,000 件の創薬化学論文を手作業でキュレーションし、抽出した標準化済みの生物活性データを収録するデータベースです。論文が ChEMBL に登録されていれば、PDF を解析せずに構造化データへアクセスできます。

基本原則： 創薬化学論文は、まず ChEMBL で確認してください。キュレーション済みデータは、表を解析して得たデータよりも信頼性が高いです。

使用する場面

次の場合にこのスキルを使用してください。

• 論文が創薬化学／創薬について記述している
• 要旨に化合物シリーズ、SAR、または活性データの記載がある
• 論文に IC50、MIC、Ki、EC50、またはその他の生物活性測定値がある
• 表や図からデータを抽出する前
• 関連性評価で論文のスコアが 7 以上

使用しない場面：

• 創薬化学以外の論文（細胞生物学、ゲノミクスなど）
• 活性測定値のない論文
• 一次データを含まないレビュー
• ごく最近の論文（6 か月未満で、まだキュレーションされていない可能性が高いもの）

ChEMBL API の基本

ベース URL： https://www.ebi.ac.uk/chembl/api/data/

認証は不要です

重要：ChEMBL の検索に使用できるのは DOI のみで、PMID では検索できません

• API は結果に PMID を返しますが、クエリパラメーターとしては受け付けません
• 検索には必ず DOI を使用してください：?doi=10.1234/example
• PMID で検索すると、論文が ChEMBL に登録されていても結果は 0 件になります

2 段階の手順：

1. DOI で論文が ChEMBL に登録されているか確認する
2. 登録されている場合、生物活性データを取得する

ステップ 1：論文が ChEMBL に登録されているか確認する

DOI で検索（機能する唯一の方法）：

curl -s "https://www.ebi.ac.uk/chembl/api/data/document.json?doi=DOI"

⚠️ 重要：PMID ではなく DOI を使用してください

# ✅ CORRECT - Use DOI
doi="10.1021/jm401507s"
curl -s "https://www.ebi.ac.uk/chembl/api/data/document.json?doi=$doi"

# ❌ WRONG - PMID won't work (will return 0 results)
pmid="24446688"
curl -s "https://www.ebi.ac.uk/chembl/api/data/document.json?pubmed_id=$pmid"  # Does NOT work!

PMID しかない場合： まず PubMed から DOI を取得し、その DOI で ChEMBL を検索してください。

レスポンスの構造：

{
  "documents": [
    {
      "document_chembl_id": "CHEMBL3120156",
      "doi": "10.1021/jm401507s",
      "title": "Discovery and development of simeprevir (TMC435), a HCV NS3/4A protease inhibitor.",
      "abstract": "Hepatitis C virus is a blood-borne infection...",
      "pubmed_id": 24446688,
      "journal": "J Med Chem",
      "year": 2014,
      "doc_type": "PUBLICATION"
    }
  ],
  "page_meta": {
    "total_count": 1
  }
}

主なフィールド：

• document_chembl_id - 活性データの取得に使用します
• doc_type - "PUBLICATION"（文献由来）または "DATASET"（登録データ）
• pubmed_id - PMID はレスポンスに含まれますが、ChEMBL の検索には使用できません
• total_count = 0 の場合、論文は ChEMBL に登録されていません

レスポンスを解析する：

response=$(curl -s "https://www.ebi.ac.uk/chembl/api/data/document.json?doi=$doi")

if [ $(echo "$response" | jq -r '.page_meta.total_count') -gt 0 ]; then
  chembl_id=$(echo "$response" | jq -r '.documents[0].document_chembl_id')
  echo "✓ Found in ChEMBL: $chembl_id"
else
  echo "✗ Not in ChEMBL"
fi

ステップ 2：活性データの件数を取得する

アクティビティエンドポイントにクエリを送信：

curl -s "https://www.ebi.ac.uk/chembl/api/data/activity.json?document_chembl_id=CHEMBL3120156&limit=1"

合計件数を抽出：

activity_url="https://www.ebi.ac.uk/chembl/api/data/activity.json?document_chembl_id=$chembl_id&limit=1"
activity_count=$(curl -s "$activity_url" | jq -r '.page_meta.total_count')

echo "→ $activity_count bioactivity data points"

ステップ 3：ユーザーに報告し、概要を更新する

すぐに報告：

📄 [15/127] Screening: "Discovery and development of simeprevir"
   Abstract score: 9 → Fetching full text...
   ✓ ChEMBL: CHEMBL3120156 (101 activity data points)
   → IC50 data for HCV NS3 protease inhibitors available

SUMMARY.md に追加：

### [Discovery and development of simeprevir (TMC435), a HCV NS3/4A protease inhibitor](https://doi.org/10.1021/jm401507s) (Score: 9)

**DOI:** [10.1021/jm401507s](https://doi.org/10.1021/jm401507s)
**PMID:** [24446688](https://pubmed.ncbi.nlm.nih.gov/24446688/)
**ChEMBL:** [CHEMBL3120156](https://www.ebi.ac.uk/chembl/document_report_card/CHEMBL3120156/) (101 data points)

**Key Findings:**
- IC50 data for HCV NS3/4A protease inhibitors (from ChEMBL)
- Lead compound simeprevir (TMC435) approved for HCV treatment
- Structures and full activity data: [ChEMBL API](https://www.ebi.ac.uk/chembl/api/data/activity.json?document_chembl_id=CHEMBL3120156)

**ChEMBL Activity Summary:**
- IC50 values for HCV NS3/4A protease
- PK parameters (AUC, Cmax, clearance)
- DMPK assays (metabolic stability, permeability)

ChEMBL の登録状況を必ず記載してください：

• 見つかった場合：リンク付きの ChEMBL ID とデータポイント数を追加します
• 見つからなかった場合：「ChEMBL に未登録」と記載します（これも有用な情報です）

ステップ 4：追跡ファイルを更新する

papers-reviewed.json に追加：

{
  "10.1021/jm401507s": {
    "pmid": "24446688",
    "status": "relevant",
    "score": 9,
    "chembl_id": "CHEMBL3120156",
    "chembl_activities": 101,
    "has_structured_data": true
  }
}

任意：構造化データを抽出する

ChEMBL データが豊富な論文（アクティビティが 20 件超）の場合は、抽出を検討してください：

# Get all IC50 data
curl -s "https://www.ebi.ac.uk/chembl/api/data/activity.json?document_chembl_id=CHEMBL3120156&standard_type=IC50&limit=100" > chembl_data.json

# Summary statistics
jq '[.activities[] | .standard_value | tonumber] | "Min: \(min), Max: \(max), Count: \(length)"' chembl_data.json

ユーザーに報告：

📊 ChEMBL data extracted:
   - IC50 values for HCV NS3/4A protease
   - All structures downloaded
   - Data saved to: chembl_CHEMBL3120156_ic50.json

他のスキルとの連携

evaluating-paper-relevance ワークフロー中：

1. 要旨のスクリーニング後（スコア 7 以上）
2. 全文の詳しい調査に入る前
3. このスキルを使って ChEMBL を確認
4. 見つかった場合：
   • SUMMARY.md に ChEMBL ID を記載する
   • 活性データを抽出する（PDF の解析より高速）
   • 手法、考察、背景情報を確認するため、全文も取得する
5. 見つからなかった場合：
   • 通常どおり PDF の評価を進める
   • 必要に応じて表を手作業で解析する

ワークフローへの統合箇所：

Stage 2: Deep Dive
├─ 1. Fetch Full Text (PMC → DOI → Unpaywall)
├─ 1.5. Check ChEMBL ← ADD THIS STEP
│   ├─ Query by DOI
│   ├─ If found: note ChEMBL ID + activity count
│   └─ Report to user
├─ 2. Scan for Relevant Content
└─ 3. Extract Findings

ChEMBL で一般的なアクティビティの種類

種類	説明	単位
IC50	50％阻害濃度	nM, µM
MIC	最小発育阻止濃度	µg/mL, nM
Ki	阻害定数	nM, µM
EC50	50％有効濃度	nM, µM
Kd	解離定数	nM, µM
Potency	一般的な効力測定値	さまざま

アクティビティの種類で絞り込む：

curl "https://www.ebi.ac.uk/chembl/api/data/activity.json?document_chembl_id=ID&standard_type=MIC"

ChEMBL のカバレッジ

約99,000件の文書（2025年時点）

十分に収録されているもの：

• メディシナルケミストリー論文
• 化合物シリーズを含む SAR 研究
• リード最適化プロジェクト
• 主要な学術誌の論文（J Med Chem、Bioorg Med Chem、Eur J Med Chem など）

収録が不十分なもの：

• ごく最近の論文（キュレーションに6～12か月の遅れ）
• 抽出可能な構造や活性データを含まない論文
• 創薬以外の研究
• 純粋なメカニズム研究

一般的なヒット率：

• メディシナルケミストリー論文の約30～40％
• SAR に焦点を当てた学術誌ではより高い

ChEMBL データの利点

PDF の表解析との比較：

• ✓ 構造が抽出済み（SMILES 形式）
• ✓ 単位が標準化済み（すべての IC50 が nM）
• ✓ 値が検証・キュレーション済み
• ✓ 機械可読な JSON
• ✓ OCR エラーなし
• ✓ アッセイプロトコルにリンク済み
• ✓ クエリ可能（活性範囲、標的などによる絞り込み）

それでも PDF を使う場合：

• 実験手順の全文
• 合成経路
• ChEMBL に収録されていない論文
• ごく最近の論文
• 背景や解釈

進捗報告

重要：関連する論文ごとに ChEMBL の確認結果を報告してください

ワークフローの報告例：

📄 [15/50] Screening: "Novel MmpL3 inhibitors..."
   Abstract score: 8 → Checking ChEMBL...
   ✓ ChEMBL: CHEMBL3456789 (34 data points)
   → Fetching full text...
   → Added to SUMMARY.md with ChEMBL link

ChEMBL に収録されていない論文の場合：

📄 [16/50] Screening: "Another paper..."
   Abstract score: 9 → Checking ChEMBL...
   ✗ Not in ChEMBL (likely too recent or review paper)
   → Fetching full text via Unpaywall...

ヘルパースクリプトのパターン

メディシナルケミストリー論文を多数扱う調査セッション向け：

check_chembl.py を作成します：

#!/usr/bin/env python3
import requests
import json
import sys

def check_chembl(doi):
    """Check if DOI is in ChEMBL and return summary

    IMPORTANT: Must use DOI, not PMID. ChEMBL API does not accept PMID queries.
    """

    # Query document (ONLY works with DOI)
    doc_url = f"https://www.ebi.ac.uk/chembl/api/data/document.json?doi={doi}"
    try:
        doc_response = requests.get(doc_url, timeout=10).json()
    except:
        return None

    # Check if found
    if doc_response.get('page_meta', {}).get('total_count', 0) == 0:
        return {'in_chembl': False}

    doc = doc_response['documents'][0]
    chembl_id = doc['document_chembl_id']

    # Get activity count
    act_url = f"https://www.ebi.ac.uk/chembl/api/data/activity.json?document_chembl_id={chembl_id}&limit=1"
    try:
        act_response = requests.get(act_url, timeout=10).json()
        activity_count = act_response.get('page_meta', {}).get('total_count', 0)
    except:
        activity_count = 0

    return {
        'in_chembl': True,
        'chembl_id': chembl_id,
        'activity_count': activity_count,
        'doc_type': doc.get('doc_type'),
        'title': doc.get('title')
    }

if __name__ == "__main__":
    doi = sys.argv[1]
    result = check_chembl(doi)

    if result and result['in_chembl']:
        print(f"✓ {result['chembl_id']} ({result['activity_count']} activities)")
    else:
        print("✗ Not in ChEMBL")

使用方法：

python3 check_chembl.py "10.1021/jm401507s"
# Output: ✓ CHEMBL3120156 (101 activities)

よくある間違い

PMID によるクエリ： DOI の代わりに PMID を使用 → 常に検索結果が0件になります。ChEMBL が受け付けるのは DOI によるクエリのみです
ChEMBL の確認を省略： メディシナルケミストリー論文を確認しない → すでに抽出済みの構造化データを見逃します
メディシナルケミストリー以外の論文を確認： ゲノミクスや細胞生物学の論文を確認 → 時間の無駄になり、ChEMBL に収録されていません
ステータスを報告しない： ChEMBL の確認結果を報告しない → ユーザーが作業状況を把握できません
SUMMARY.md に追加しない： ChEMBL ID の記載を忘れる → ユーザーが後からデータにアクセスしにくくなります
ChEMBL のみを使用： 論文が ChEMBL に収録されている場合に全文を取得しない → 背景、方法、考察を見逃します
ChEMBL にあるのに PDF を解析： 構造化データが利用可能なのに手作業で表を抽出 → 時間を無駄にし、エラーを招きます

クイックリファレンス

タスク	コマンド
DOI が ChEMBL にあるか確認	curl "https://www.ebi.ac.uk/chembl/api/data/document.json?doi=DOI"
活性データ件数を取得	curl "https://www.ebi.ac.uk/chembl/api/data/activity.json?document_chembl_id=ID&limit=1"
すべての活性データを取得	curl "https://www.ebi.ac.uk/chembl/api/data/activity.json?document_chembl_id=ID&limit=1000"
活性タイプで絞り込み	curl "...activity.json?document_chembl_id=ID&standard_type=MIC"
ChEMBL の論文ページ	https://www.ebi.ac.uk/chembl/document_report_card/CHEMBL_ID/

権限

.claude/settings.local.json.template に追加します：

"Bash(curl*https://www.ebi.ac.uk/chembl/api/data/*)",
"WebFetch(domain:www.ebi.ac.uk)"

成功基準

次の条件を満たせば、ChEMBL の確認は成功です：

• すべてのメディシナルケミストリー論文（スコア ≥7）を確認済み
• ChEMBL のステータスをユーザーにすぐ報告済み
• 見つかった場合は ChEMBL ID を SUMMARY.md に追加済み
• 活性データ件数をサマリーに記載済み
• papers-reviewed.json を ChEMBL のステータスで更新済み

次のステップ

ChEMBL の確認後：

• 見つかった場合：関連性の高い論文（≥9）について、構造化データの抽出を検討します
• 背景を把握するため、全文の評価を続けます
• ChEMBL に収録されていない論文の場合：通常どおり PDF と表の解析に進みます
• すべての調査結果を SUMMARY.md に反映します

リソース

• ドキュメント全文： docs/CHEMBL_INTEGRATION.md を参照してください
• ChEMBL API ドキュメント： https://chembl.gitbook.io/chembl-interface-documentation/
• ChEMBL インターフェース： https://www.ebi.ac.uk/chembl/