alterlab-drugbank

DrugBank 数据库

概述

DrugBank 是一个全面的生物信息学和化学信息学数据库，包含药物及药物靶点的详细信息。此技能支持以编程方式访问 DrugBank 数据：数千条药物记录（FDA 批准的小分子药物、生物技术/生物制剂药物、营养保健品和实验性化合物），每条记录包含 200 多个数据字段。具体数量会随每次发布而增加——请根据下载的版本计算数量，而不要引用固定数字（5.0 时代的数量约为 9,591 条）。

访问状态（截至 2026-09-23 检查）。 当前可下载的版本为 5.1.22 （2026-06-27）。DrugBank 的发布页面说明，在调整数据分发方式期间，所有学术数据集下载均暂时暂停，并且所有下载链接（包括 CC0「开放数据」词汇表和结构数据）均显示「暂时不可用」——脚本化下载会返回 HTTP 403。在恢复访问之前，请使用你已下载的副本（注明并引用其版本）、查看 https://go.drugbank.com/releases/latest，或将问题转交给「不会触发」中列出的开源数据源。学术数据采用 CC BY-NC 4.0 许可；商业用途和 Clinical API（https://api.drugbank.com/v1/，需在请求头中提供 API 密钥）需要付费许可。

何时使用此技能

• 解析你有权访问的 DrugBank XML 版本（药物记录、靶点、酶、转运蛋白、通路）
• 从 DrugBank 数据中提取药物相互作用并筛查多重用药
• 通过共享靶点或结构相似性进行药物—靶点映射和药物再利用
• 获取 DrugBank 交叉引用（UniProt、ChEMBL、PubChem、KEGG）以进行整合

不会触发

场景	改用
FDA 药品说明书、FAERS 不良事件、召回、批准信息（开放数据）	alterlab-fda
来自开放数据的化合物生物活性（IC50/Ki）、作用机制和适应症	alterlab-chembl
基因型指导的用药剂量／药物基因配对（CPIC、DPWG）	alterlab-clinpgx
KEGG DRUG 条目、药物—通路图谱、KEGG 药物相互作用	alterlab-kegg
根据名称/CID/SMILES 查询化合物标识符和属性	alterlab-pubchem

核心功能

1. 数据访问与身份验证

使用 Python 和适当的身份验证方式下载并访问 DrugBank 数据。此技能提供以下方面的指导：

• 安装和配置 drugbank-downloader 软件包
• 通过环境变量或配置文件安全地管理凭据
• 下载指定版本或最新版本的数据库
• 高效打开并解析 XML 数据
• 使用缓存数据来优化性能

适用场景：配置 DrugBank 访问、下载数据库更新、进行初始项目设置。

参考：有关详细的身份验证、下载流程、API 访问、缓存策略和故障排除，请参阅 references/data-access.md。

2. 药物信息查询

从数据库中提取全面的药物信息，包括标识符、化学属性、药理学、临床数据以及外部数据库交叉引用。

查询功能：

• 按 DrugBank ID、名称、CAS 编号或关键词搜索
• 提取药物基本信息（名称、类型、描述、适应症）
• 获取化学属性（SMILES、InChI、分子式）
• 获取药理学数据（作用机制、药效学、ADME）
• 访问外部标识符（PubChem、ChEMBL、UniProt、KEGG）
• 构建可搜索的药物数据集并导出为 DataFrame
• 按类型筛选药物（小分子、生物技术药物、营养保健品）

适用场景：检索特定药物信息、构建药物数据库、药理学研究、文献综述、药物特征分析。

参考：有关 XML 导航、查询函数、数据提取方法和性能优化，请参阅 references/drug-queries.md。

3. 药物相互作用分析

分析药物相互作用（DDI），包括作用机制、临床意义和相互作用网络，用于药物警戒和临床决策支持。

分析能力：

• 提取特定药物的所有相互作用
• 构建双向相互作用网络
• 按严重程度和作用机制对相互作用分类
• 检查药物对之间的相互作用
• 找出相互作用最多的药物
• 分析多重用药方案的安全性
• 创建相互作用矩阵和网络图
• 在相互作用网络中进行社群检测
• 计算相互作用风险评分

适用场景：多重用药安全性分析、临床决策支持、药物相互作用预测、药物警戒研究、识别禁忌用药。

参考：有关相互作用提取、分类方法、网络分析和临床应用，请参阅 references/interactions.md。

4. 药物靶点与通路

获取有关药物与蛋白质相互作用的详细信息，包括靶点、酶、转运体、载体和生物通路。

靶点分析能力：

• 提取药物靶点及其作用（抑制剂、激动剂、拮抗剂）
• 识别代谢酶（CYP450、II 相酶）
• 分析转运体（摄取、外排），用于 ADME 研究
• 将药物映射到生物通路（SMPDB）
• 查找靶向特定蛋白质的药物
• 识别具有共同靶点、可用于药物再利用的药物
• 分析多药理作用和脱靶效应
• 提取靶点的基因本体（GO）术语
• 与 UniProt 交叉参照以获取蛋白质数据

适用场景：作用机制研究、药物再利用研究、靶点识别、通路分析、脱靶效应预测、了解药物代谢。

参考：有关靶点提取、通路分析、药物再利用策略、CYP450 分析和转运体分析，请参阅 references/targets-pathways.md。

5. 化学性质与相似性

进行基于结构的分析，包括分子相似性搜索、性质计算、子结构搜索和 ADMET 预测。

化学分析能力：

• 提取化学结构（SMILES、InChI、分子式）
• 计算理化性质（MW、logP、PSA、氢键）
• 应用 Lipinski 五法则和 Veber 规则
• 计算分子间的 Tanimoto 相似度
• 生成分子指纹（Morgan、MACCS、拓扑指纹）
• 使用 SMARTS 模式进行子结构搜索
• 查找结构相似、可用于药物再利用的药物
• 创建用于药物聚类的相似性矩阵
• 预测口服吸收和 BBB 渗透性
• 使用 PCA 和聚类分析化学空间
• 导出化学性质数据库

适用场景：构效关系（SAR）研究、药物相似性搜索、QSAR 建模、药物成药性评估、ADMET 预测、化学空间探索。

参考：有关结构提取、相似度计算、指纹生成、ADMET 预测和化学空间分析，请参阅 references/chemical-analysis.md。

典型工作流

药物发现工作流

1. 使用 data-access.md 下载并访问最新的 DrugBank 数据
2. 使用 drug-queries.md 构建可搜索的药物数据库
3. 使用 chemical-analysis.md 查找相似化合物
4. 使用 targets-pathways.md 识别共同靶点
5. 使用 interactions.md 检查候选药物组合的安全性

多重用药安全性分析

1. 使用 drug-queries.md 查询患者用药
2. 使用 interactions.md 检查所有两两之间的相互作用
3. 使用 interactions.md 对相互作用严重程度分类
4. 使用 interactions.md 计算总体风险评分
5. 使用 targets-pathways.md 了解相互作用机制

药物再利用研究

1. 使用 targets-pathways.md 查找具有共同靶点的药物
2. 使用 chemical-analysis.md 查找结构相似的药物
3. 使用 drug-queries.md 提取适应症和药理学数据
4. 使用 interactions.md 评估潜在的联合疗法

药理学研究

1. 使用 drug-queries.md 提取目标药物
2. 使用 targets-pathways.md 确定所有蛋白质相互作用
3. 使用 targets-pathways.md 映射至生物学通路
4. 使用 chemical-analysis.md 预测 ADMET 特性
5. 使用 interactions.md 确定潜在的禁忌症

安装要求

Python 包

uv pip install drugbank-downloader  # Core access
uv pip install bioversions          # Latest version detection
uv pip install lxml                 # XML parsing optimization
uv pip install pandas               # Data manipulation
uv pip install rdkit                # Chemical informatics (for similarity)
uv pip install networkx             # Network analysis (for interactions)
uv pip install scikit-learn         # ML/clustering (for chemical space)

账户设置

1. 在 go.drugbank.com 创建账户
2. 申请学术许可证（符合条件的非商业学术研究可免费使用； 数据遵循 CC BY-NC 4.0 许可）或获取商业许可证
3. 使用账户邮箱和密码作为下载凭据（学术下载已于 2026-09 起暂停——请参阅上文的访问状态）
4. 按照 references/data-access.md 中的说明配置凭据

数据版本与可复现性

为确保研究可复现，始终注明 DrugBank 版本：

from drugbank_downloader import download_drugbank
path = download_drugbank(version='5.1.22')  # Pin an exact version (5.1.22 = 2026-06-27)

在出版物和分析脚本中记录所用版本。

最佳实践

1. 凭据：使用环境变量或配置文件，切勿硬编码
2. 版本控制：注明数据库的确切版本，以确保可复现性
3. 缓存：缓存解析后的数据，避免重复下载和解析
4. 命名空间：解析时正确处理 XML 命名空间
5. 验证：使用前通过 RDKit 验证化学结构
6. 交叉引用：使用外部标识符（UniProt、PubChem）进行集成
7. 临床背景：解读相互作用数据时，始终考虑临床背景
8. 许可合规：确保使用场景符合相应许可要求

参考文档

所有详细的实施指南均整理在以下模块化参考文件中：

• references/data-access.md：身份验证、下载、解析、API 访问、缓存
• references/drug-queries.md：XML 导航、查询方法、数据提取、索引
• references/interactions.md：DDI 提取、分类、网络分析、安全性评分
• references/targets-pathways.md：靶点／酶／转运体提取、通路映射、药物再利用
• references/chemical-analysis.md：结构提取、相似性、指纹、ADMET 预测

请根据具体分析需求按需加载这些参考文档。