alterlab-opentargets

Open Targets 数据库

概述

Open Targets Platform 是一项综合资源，用于系统性识别和优先排序潜在的治疗药物靶点。它整合了公开可用的数据集，包括人类遗传学、组学、文献和化学数据，用于构建并评估靶点与疾病之间的关联。

主要功能：

• 查询靶点（基因）注释，包括可成药性、安全性和表达情况
• 搜索具有证据评分的疾病-靶点关联
• 从多种数据类型（遗传学、通路、文献等）中检索证据
• 查找疾病的已知药物及其作用机制
• 获取药物信息，包括临床试验阶段和不良事件
• 评估靶点的成药性和治疗潜力

**数据访问：**该平台提供 GraphQL API、Web 界面、数据下载和 Google BigQuery 访问。本技能侧重于通过 GraphQL API 以编程方式访问数据。

何时使用此技能

在以下情况下应使用此技能：

• **发现靶点：**为某种疾病寻找潜在的治疗靶点
• **评估靶点：**评估基因的可成药性、安全性和成药潜力
• **收集证据：**检索支持靶点-疾病关联的证据
• **药物再利用：**识别可用于新适应症的现有药物
• **竞争情报：**了解临床先例和药物开发格局
• **靶点优先级排序：**根据遗传学证据和其他数据类型对靶点进行排序
• **作用机制研究：**研究生物通路和基因功能
• **生物标志物发现：**寻找在疾病中差异表达的基因
• **安全性评估：**识别药物靶点可能存在的毒性问题

不适用的情况

场景	请改用
原始的人工整理 SNP-性状关联或 GWAS 研究元数据	alterlab-gwas
化合物生物活性（IC50/Ki）和测定数据	alterlab-chembl
药物药理学、相互作用、剂量和标签详情	alterlab-drugbank
搜索试验注册信息（状态、资格条件、终点）	alterlab-clinicaltrials
CRISPR/RNAi 癌症细胞系依赖性评分	alterlab-depmap

核心工作流

1. 搜索实体

首先查找目标、疾病或药物对应的标识符。

对于靶点（基因）：

from scripts.query_opentargets import search_entities

# Search by gene symbol or name
results = search_entities("BRCA1", entity_types=["target"])
# Returns: [{"id": "ENSG00000012048", "name": "BRCA1", ...}]

对于疾病：

# Search by disease name
results = search_entities("alzheimer", entity_types=["disease"])
# Returns: [{"id": "MONDO_0004975", "name": "Alzheimer disease", ...}]

请始终通过搜索解析 ID，而不要将其硬编码 — Open Targets 已将许多疾病的 ID 从 EFO 迁移到 MONDO（例如，阿尔茨海默病现在的 ID 是 MONDO_0004975，而不是较早的 EFO_0000249）。

对于药物：

# Search by drug name
results = search_entities("aspirin", entity_types=["drug"])
# Returns: [{"id": "CHEMBL25", "name": "ASPIRIN", ...}]

使用的标识符：

• 靶点：Ensembl 基因 ID（例如，ENSG00000157764 = BRAF，ENSG00000012048 = BRCA1）
• 疾病：本体 ID — EFO、MONDO（现已普遍使用）、HP、Orphanet（例如，MONDO_0004975 = 阿尔茨海默病）。disease(efoId:) 参数接受上述任意一种 ID。
• 药物：ChEMBL ID（例如，CHEMBL25 = 阿司匹林）

2. 查询靶点信息

检索全面的靶点注释，以评估其成药性和生物学特征。

from scripts.query_opentargets import get_target_info

target_info = get_target_info("ENSG00000157764", include_diseases=True)

# Access key fields:
# - approvedSymbol: HGNC gene symbol
# - approvedName: Full gene name
# - tractability: Druggability assessments across modalities
# - safetyLiabilities: Known safety concerns
# - geneticConstraint: Constraint scores from gnomAD
# - associatedDiseases: Top disease associations with scores

需查看的主要注释：

• **可成药性：**小分子、抗体、PROTAC 的成药性预测
• **安全性：**多个数据库中记录的已知毒性问题
• **遗传约束：**反映必需性的 pLI 和 LOEUF 评分
• **疾病关联：**与该靶点相关且具有证据评分的疾病

有关所有靶点特征的详细信息，请参阅 references/target_annotations.md。

3. 查询疾病信息

获取疾病详情以及相关靶点和药物。

from scripts.query_opentargets import get_disease_info

disease_info = get_disease_info("MONDO_0004975", include_targets=True)

# Access fields:
# - name: Disease name
# - description: Disease description
# - therapeuticAreas: High-level disease categories
# - associatedTargets: Top targets with association scores

4. 获取靶点-疾病证据

获取支持靶点-疾病关联的详细证据。

from scripts.query_opentargets import get_target_disease_evidence

# Get all evidence
evidence = get_target_disease_evidence(
    ensembl_id="ENSG00000157764",
    efo_id="MONDO_0004975"
)

# The API filters by data SOURCE, not broad data type. To narrow to genetic
# evidence, pass its sources (or fetch all rows and filter on datatypeId).
genetic_evidence = get_target_disease_evidence(
    ensembl_id="ENSG00000157764",
    efo_id="MONDO_0004975",
    datasource_ids=["gwas_catalog", "clinvar", "gene_burden"]
)

# Each evidence record contains:
# - datasourceId: Specific data source (e.g., "gwas_catalog", "chembl")
# - datatypeId: Evidence category (e.g., "genetic_association", "known_drug")
# - score: Evidence strength (0-1)
# - studyId: Original study identifier
# - literature: Associated publications

主要证据类型：

1. genetic_association： GWAS、罕见变异、ClinVar、基因负担
2. somatic_mutation： Cancer Gene Census、IntOGen、癌症生物标志物
3. known_drug： 已获批药物或临床药物提供的临床先例
4. affected_pathway： CRISPR 筛选、通路分析、基因特征
5. rna_expression： Expression Atlas 中的差异表达
6. animal_model： IMPC 中的小鼠表型
7. literature： Europe PMC 中的文本挖掘

有关所有证据类型及其解读指南的详细说明，请参阅 references/evidence_types.md。

5. 查找已知药物

识别用于治疗某种疾病的药物及其靶点。

from scripts.query_opentargets import get_known_drugs_for_disease

drugs = get_known_drugs_for_disease("MONDO_0004975")

# Helper queries the `drugAndClinicalCandidates` field (the former `knownDrugs`
# field was removed). It returns:
# - count: Total number of drug-indication records
# - rows: List of records, each with:
#   - maxClinicalStage: Max stage reached for this disease (enum string)
#   - drug: {id, name, drugType, maximumClinicalStage, mechanismsOfAction{rows{actionType, mechanismOfAction, targets}}}
#   - clinicalReports: [{trialPhase, clinicalStage, trialOverallStatus}]

临床阶段是枚举字符串（不是整数）：

• APPROVAL：已获批药物（原 Phase 4）
• PHASE_3、PHASE_2_3：临床试验后期阶段
• PHASE_2、PHASE_1_2：临床试验中期阶段
• PHASE_1、EARLY_PHASE_1：早期安全性试验
• IND、PRECLINICAL：临床前阶段 / 研究性新药
• UNKNOWN：未记录阶段

6. 获取药物信息

获取包括作用机制和适应症在内的详细药物信息。

from scripts.query_opentargets import get_drug_info

drug_info = get_drug_info("CHEMBL25")

# Access:
# - name; synonyms: list of {label, source} objects (since release 26.06)
# - drugType: Small molecule, antibody, etc.
# - maximumClinicalStage: Development stage (enum string, e.g. "APPROVAL")
# - mechanismsOfAction.rows: Target(s) and action type
# - indications.rows: Diseases with maxClinicalStage per indication
# - drugWarnings: Toxicity/withdrawal warnings (toxicityClass, description, country, year)

7. 获取某个靶点的所有关联

查找与某个靶点相关的所有疾病，还可按分数筛选。

from scripts.query_opentargets import get_target_associations

# Get associations with score >= 0.5
associations = get_target_associations(
    ensembl_id="ENSG00000157764",
    min_score=0.5
)

# Each association contains:
# - disease: {id, name}
# - score: Overall association score (0-1)
# - datatypeScores: Breakdown by evidence type

关联分数：

• 范围：0-1（越高 = 证据越强）
• 使用调和和汇总所有数据类型的证据
• 不是置信度分数，而是相对排序指标
• 研究较少的疾病即使有良好证据，分数也可能较低

GraphQL API 详细信息

对于提供的辅助函数无法满足的自定义查询，请直接使用 GraphQL API，或修改 scripts/query_opentargets.py。

关键信息：

• 端点： https://api.platform.opentargets.org/api/v4/graphql
• 交互式浏览器： https://api.platform.opentargets.org/api/v4/graphql/browser
• 无需身份验证
• 仅请求所需字段，以尽量缩小响应体积
• 对较大的结果集使用分页： page: {index: M, size: N} — index 和 size 都是必需项（不可为 null）

有关以下内容，请参阅 references/api_reference.md：

• 完整的端点文档
• 所有实体类型的查询示例
• 错误处理模式
• API 使用最佳实践

最佳实践

靶点优先级排序策略

确定药物靶点的优先级时：

1. 从遗传证据入手： 人类遗传学（GWAS、罕见变异）能提供最强的疾病相关性
2. 检查成药性： 优先考虑已有临床或发现先例的靶点
3. 评估安全性： 查看安全性风险、表达模式和遗传约束
4. 评估临床先例： 已知药物表明靶点具有成药性和治疗窗口
5. 考虑多种证据类型： 来自不同来源的趋同证据可提高可信度
6. 进行机制验证： 检查通路证据和生物学合理性
7. 人工审阅文献： 对于关键决策，请查阅原始研究论文

证据解读

强证据指标：

• 多个相互独立的证据来源
• 高遗传关联分数（尤其是 L2G > 0.5 的 GWAS）
• 已获批药物提供的临床先例
• 与疾病相符的 ClinVar 致病变异
• 表型相关的小鼠模型

需谨慎的情况：

• 只有单一证据来源
• 仅有文本挖掘证据（需人工验证）
• 不同来源的证据相互矛盾
• 高必需性 + 普遍表达（治疗窗口不佳）
• 存在多项安全性风险

分数解读：

• 分数用于衡量相对强度，而非绝对置信度
• 研究较少的疾病即使可能存在有效靶点，分数也较低
• 对专家整理的来源赋予高于计算预测的权重
• 检查证据明细，而不只是总体分数

常见工作流

工作流 1：疾病靶点发现

1. 搜索疾病 → 获取 EFO ID
2. 查询疾病信息，设置 include_targets=True
3. 按关联评分排序，查看排名靠前的靶点
4. 对有潜力的靶点，获取详细信息
5. 查看支持各项关联的证据类型
6. 评估优先靶点的可成药性和安全性

工作流 2：靶点验证

1. 搜索靶点 → 获取 Ensembl ID
2. 获取全面的靶点信息
3. 检查可成药性（尤其是临床先例）
4. 查看安全性风险和遗传约束
5. 查看疾病关联以了解其生物学特征
6. 查找化学探针或工具化合物
7. 查看靶向该基因的已知药物，了解其作用机制

工作流 3：药物再利用

1. 搜索疾病 → 获取 EFO ID
2. 获取该疾病的已知药物
3. 对每种药物，获取详细信息
4. 查看作用机制和靶点
5. 查找相关疾病适应症
6. 评估临床试验阶段和状态
7. 根据作用机制识别再利用机会

工作流 4：竞争情报

1. 搜索关注的靶点
2. 获取有关联且有证据支持的疾病
3. 对每种疾病，获取已知药物
4. 查看临床阶段和开发状态
5. 识别竞争对手及其作用机制
6. 评估临床先例和市场格局

资源

脚本

scripts/query_opentargets.py 用于常见 API 操作的辅助函数：

• search_entities() - 搜索靶点、疾病或药物
• get_target_info() - 检索靶点注释
• get_disease_info() - 检索疾病信息
• get_target_disease_evidence() - 获取支持性证据
• get_known_drugs_for_disease() - 查找治疗某种疾病的药物
• get_drug_info() - 检索药物详情
• get_target_associations() - 获取某个靶点的所有关联
• execute_query() - 执行自定义 GraphQL 查询

参考资料

references/api_reference.md 完整的 GraphQL API 文档，包括：

• 端点详情和身份验证
• 可用的查询类型（靶点、疾病、药物、搜索）
• 所有常见操作的查询示例
• 错误处理和最佳实践
• 数据许可和引用要求

references/evidence_types.md 证据类型和数据来源综合指南：

• 全部 7 种主要证据类型的详细说明
• 各数据来源的评分方法
• 证据解读指南
• 各种证据类型的优势和局限性
• 质量评估建议

references/target_annotations.md 完整的靶点注释参考资料：

• 对 12 个主要注释类别的说明
• 可成药性评估详情
• 安全性风险来源
• 表达、必需性和约束数据
• 靶点优先级排序的解读指南
• 靶点评估中的警示信号和积极信号

数据更新和版本控制

Open Targets Platform 会定期更新，并发布新的数据版本。不同版本之间的 GraphQL 架构会发生变化——字段名和参数名可能变动（本技能的查询已针对数据版本 26.03 验证）。如果某个字段 报错，请通过 GraphQL 浏览器检查实时架构。使用 meta { apiVersion { x y z } dataVersion { year month } } 查询确认当前运行的 版本。

**版本发布信息：**查看 https://platform-docs.opentargets.org/release-notes，获取最新更新。

**引用：**使用 Open Targets 数据时，请引用： Ochoa, D. et al. (2025) Open Targets Platform: facilitating therapeutic hypotheses building in drug discovery. Nucleic Acids Research, 53(D1):D1467-D1477。

限制与注意事项

1. API 用于探索性查询： 对多个靶点或疾病进行系统分析时，请使用数据下载或 BigQuery
2. 评分是相对值，而非绝对值： 关联评分用于衡量证据强度，但无法预测临床成功率
3. 研究不足的疾病评分较低： 新发现或罕见疾病可能有强有力的证据，但综合评分较低
4. 证据质量不一： 相较于计算预测，应优先考虑专家整理的来源
5. 需要进行生物学解读： 必须结合生物学和临床背景解读评分与证据
6. 无需身份验证： 所有数据均可免费访问，但请正确引用