chembl-database

ChEMBL 数据库

概述

ChEMBL 是由欧洲生物信息学研究所（EBI）维护的人工整理生物活性分子数据库，包含 200 多万个化合物、1,900 多万条生物活性测量数据、13,000 多个药物靶点，以及已批准药物和临床候选药物的数据。使用 ChEMBL Python 客户端，以编程方式访问和查询这些数据，用于药物发现和药物化学研究。

何时使用此技能

在以下情况下使用此技能：

• 化合物搜索：按名称、结构或属性查找分子
• 靶点信息：检索有关蛋白质、酶或生物靶点的数据
• 生物活性数据：查询 IC50、Ki、EC50 或其他活性测量数据
• 药物信息：查询已批准药物、作用机制或适应症
• 结构搜索：执行相似性或子结构搜索
• 化学信息学：分析分子属性和成药性
• 靶点-配体关系：探索化合物与靶点之间的相互作用
• 药物发现：识别抑制剂、激动剂或生物活性分子

安装和设置

Python 客户端

以编程方式访问需要 ChEMBL Python 客户端：

uv pip install chembl_webresource_client

基本使用模式

from chembl_webresource_client.new_client import new_client

# Access different endpoints
molecule = new_client.molecule
target = new_client.target
activity = new_client.activity
drug = new_client.drug

核心功能

1. 分子查询

按 ChEMBL ID 检索：

molecule = new_client.molecule
aspirin = molecule.get('CHEMBL25')

按名称搜索：

results = molecule.filter(pref_name__icontains='aspirin')

按属性筛选：

# Find small molecules (MW <= 500) with favorable LogP
results = molecule.filter(
    molecule_properties__mw_freebase__lte=500,
    molecule_properties__alogp__lte=5
)

2. 靶点查询

检索靶点信息：

target = new_client.target
egfr = target.get('CHEMBL203')

搜索特定类型的靶点：

# Find all kinase targets
kinases = target.filter(
    target_type='SINGLE PROTEIN',
    pref_name__icontains='kinase'
)

3. 生物活性数据

查询靶点的活性数据：

activity = new_client.activity
# Find potent EGFR inhibitors
results = activity.filter(
    target_chembl_id='CHEMBL203',
    standard_type='IC50',
    standard_value__lte=100,
    standard_units='nM'
)

获取化合物的所有活性数据：

compound_activities = activity.filter(
    molecule_chembl_id='CHEMBL25',
    pchembl_value__isnull=False
)

4. 基于结构的搜索

相似性搜索：

similarity = new_client.similarity
# Find compounds similar to aspirin
similar = similarity.filter(
    smiles='CC(=O)Oc1ccccc1C(=O)O',
    similarity=85  # 85% similarity threshold
)

子结构搜索：

substructure = new_client.substructure
# Find compounds containing benzene ring
results = substructure.filter(smiles='c1ccccc1')

5. 药物信息

检索药物数据：

drug = new_client.drug
drug_info = drug.get('CHEMBL25')

获取作用机制：

mechanism = new_client.mechanism
mechanisms = mechanism.filter(molecule_chembl_id='CHEMBL25')

查询药物适应症：

drug_indication = new_client.drug_indication
indications = drug_indication.filter(molecule_chembl_id='CHEMBL25')

查询工作流

工作流 1：查找某个靶点的抑制剂

1. 识别靶点，按名称搜索：

   targets = new_client.target.filter(pref_name__icontains='EGFR')
   target_id = targets[0]['target_chembl_id']
   

2. 查询该靶点的生物活性数据：

   activities = new_client.activity.filter(
       target_chembl_id=target_id,
       standard_type='IC50',
       standard_value__lte=100
   )
   

3. 提取化合物 ID 并检索详情：

   compound_ids = [act['molecule_chembl_id'] for act in activities]
   compounds = [new_client.molecule.get(cid) for cid in compound_ids]
   

工作流 2：分析已知药物

1. 获取药物信息：

   drug_info = new_client.drug.get('CHEMBL1234')
   

2. 检索作用机制：

   mechanisms = new_client.mechanism.filter(molecule_chembl_id='CHEMBL1234')
   

3. 查找所有生物活性数据：

   activities = new_client.activity.filter(molecule_chembl_id='CHEMBL1234')
   

工作流 3：构效关系（SAR）研究

1. 查找相似化合物：

   similar = new_client.similarity.filter(smiles='query_smiles', similarity=80)
   

2. 获取每种化合物的活性数据：

   for compound in similar:
       activities = new_client.activity.filter(
           molecule_chembl_id=compound['molecule_chembl_id']
       )
   

3. 使用结果中的分子属性，分析属性与活性之间的关系。

筛选运算符

ChEMBL 支持 Django 风格的查询筛选器：

• __exact - 精确匹配
• __iexact - 不区分大小写的精确匹配
• __contains / __icontains - 子字符串匹配
• __startswith / __endswith - 前缀/后缀匹配
• __gt、__gte、__lt、__lte - 数值比较
• __range - 值在指定范围内
• __in - 值在列表中
• __isnull - 检查是否为空值

数据导出和分析

将结果转换为 pandas DataFrame 进行分析：

import pandas as pd

activities = new_client.activity.filter(target_chembl_id='CHEMBL203')
df = pd.DataFrame(list(activities))

# Analyze results
print(df['standard_value'].describe())
print(df.groupby('standard_type').size())

性能优化

缓存

客户端会自动缓存结果 24 小时。配置缓存：

from chembl_webresource_client.settings import Settings

# Disable caching
Settings.Instance().CACHING = False

# Adjust cache expiration (seconds)
Settings.Instance().CACHE_EXPIRE = 86400

惰性求值

只有在访问数据时才会执行查询。转换为列表以强制执行：

# Query is not executed yet
results = molecule.filter(pref_name__icontains='aspirin')

# Force execution
results_list = list(results)

分页

结果会自动分页。遍历所有结果：

for activity in new_client.activity.filter(target_chembl_id='CHEMBL203'):
    # Process each activity
    print(activity['molecule_chembl_id'])

常见用例

查找激酶抑制剂

# Identify kinase targets
kinases = new_client.target.filter(
    target_type='SINGLE PROTEIN',
    pref_name__icontains='kinase'
)

# Get potent inhibitors
for kinase in kinases[:5]:  # First 5 kinases
    activities = new_client.activity.filter(
        target_chembl_id=kinase['target_chembl_id'],
        standard_type='IC50',
        standard_value__lte=50
    )

探索药物再利用

# Get approved drugs
drugs = new_client.drug.filter()

# For each drug, find all targets
for drug in drugs[:10]:
    mechanisms = new_client.mechanism.filter(
        molecule_chembl_id=drug['molecule_chembl_id']
    )

虚拟筛选

# Find compounds with desired properties
candidates = new_client.molecule.filter(
    molecule_properties__mw_freebase__range=[300, 500],
    molecule_properties__alogp__lte=5,
    molecule_properties__hba__lte=10,
    molecule_properties__hbd__lte=5
)

资源

scripts/example_queries.py

可直接使用的 Python 函数，演示常见的 ChEMBL 查询模式：

• get_molecule_info() - 按 ID 检索分子详情
• search_molecules_by_name() - 按名称搜索分子
• find_molecules_by_properties() - 按属性筛选
• get_bioactivity_data() - 查询靶点的生物活性数据
• find_similar_compounds() - 相似性搜索
• substructure_search() - 子结构匹配
• get_drug_info() - 检索药物信息
• find_kinase_inhibitors() - 专门搜索激酶抑制剂
• export_to_dataframe() - 将结果转换为 pandas DataFrame

请参考此脚本，了解实现细节和用法示例。

references/api_reference.md

全面的 API 文档，包括：

• 完整的端点列表（分子、靶点、活性、测定、药物等）
• 所有筛选运算符和查询模式
• 分子属性和生物活性字段
• 高级查询示例
• 配置和性能调优
• 错误处理和速率限制

需要详细的 API 信息或排查查询问题时，请参考此文档。

重要说明

数据可靠性

• ChEMBL 数据经过人工整理，但可能存在不一致
• 始终检查活性记录中的 data_validity_comment 字段
• 注意 potential_duplicate 标记

单位和标准

• 生物活性值使用标准单位（nM、uM 等）
• pchembl_value 提供标准化活性值（-log 标度）
• 检查 standard_type 以了解测量类型（IC50、Ki、EC50 等）

速率限制

• 遵守 ChEMBL 的公平使用政策
• 使用缓存以尽量减少重复请求
• 对于大型数据集，可考虑批量下载
• 避免短时间内连续频繁调用 API

化学结构格式

• SMILES 字符串是主要的结构格式
• 化合物可使用 InChI 键
• 可通过图像端点生成 SVG 图像

附加资源

• ChEMBL 网站：https://www.ebi.ac.uk/chembl/
• API 文档：https://www.ebi.ac.uk/chembl/api/data/docs
• Python 客户端 GitHub：https://github.com/chembl/chembl_webresource_client
• 接口文档：https://chembl.gitbook.io/chembl-interface-documentation/
• 示例笔记本：https://github.com/chembl/notebooks