zinc-database

ZINC 数据库

概述

ZINC 是由 UCSF 维护的免费开放存取数据库，收录了超过 2.3 亿种可购买化合物。可通过 ZINC ID 或 SMILES 搜索，执行相似性搜索，下载可用于对接的 3D 结构，发掘用于虚拟筛选和药物发现的类似物。

何时使用此技能

在以下情况下应使用此技能：

• 虚拟筛选：为分子对接研究查找化合物
• 先导化合物发现：识别可用于药物开发的市售化合物
• 结构搜索：通过 SMILES 执行相似性或类似物搜索
• 化合物检索：通过 ZINC ID 或供应商代码查找分子
• 化学空间探索：探索可购买的化学多样性
• 对接研究：获取可用于对接的 3D 分子结构
• 类似物搜索：根据结构相似性查找相似化合物
• 供应商查询：识别特定化学品供应商提供的化合物
• 随机抽样：获取用于筛选的随机化合物集合

数据库版本

ZINC 已历经多个版本：

• ZINC22（当前版本）：规模最大的版本，包含超过 2.3 亿种可购买化合物，以及数十亿种按需合成化合物
• ZINC20：仍在维护，专注于先导样和类药化合物
• ZINC15：前代版本，属于旧版，但仍有文档记录

此技能主要介绍当前最新、最全面的 ZINC22。

访问方式

Web 界面

主要访问入口：https://zinc.docking.org/ 交互式搜索：https://cartblanche22.docking.org/

API 访问

所有 ZINC22 搜索都可以通过 CartBlanche22 API 以编程方式执行：

基础 URL：https://cartblanche22.docking.org/

所有 API 端点均以文本或 JSON 格式返回数据，并支持自定义字段。

核心功能

1. 按 ZINC ID 搜索

使用 ZINC 标识符检索特定化合物。

Web 界面：https://cartblanche22.docking.org/search/zincid

API 端点：

curl "https://cartblanche22.docking.org/[email protected]_fields=smiles,zinc_id"

多个 ID：

curl "https://cartblanche22.docking.org/substances.txt:zinc_id=ZINC000000000001,ZINC000000000002&output_fields=smiles,zinc_id,tranche"

响应字段：zinc_id、smiles、sub_id、supplier_code、catalogs、tranche（包含 H-count、LogP、MW、phase）

2. 按 SMILES 搜索

使用 SMILES 表示法按化学结构查找化合物，并可选用距离参数搜索类似物。

Web 界面：https://cartblanche22.docking.org/search/smiles

API 端点：

curl "https://cartblanche22.docking.org/[email protected]=4-Fadist=4"

参数：

• smiles：查询用的 SMILES 字符串（必要时进行 URL 编码）
• dist：Tanimoto 距离阈值（默认值：0，即精确匹配）
• adist：用于扩大搜索范围的替代距离参数（默认值：0）
• output_fields：所需输出字段的逗号分隔列表

示例 — 精确匹配：

curl "https://cartblanche22.docking.org/smiles.txt:smiles=c1ccccc1"

示例 — 相似性搜索：

curl "https://cartblanche22.docking.org/smiles.txt:smiles=c1ccccc1&dist=3&output_fields=zinc_id,smiles,tranche"

3. 按供应商代码搜索

查询特定化学品供应商提供的化合物，或检索特定目录中的所有分子。

Web 界面：https://cartblanche22.docking.org/search/catitems

API 端点：

curl "https://cartblanche22.docking.org/catitems.txt:catitem_id=SUPPLIER-CODE-123"

使用场景：

• 确认特定供应商提供的化合物是否有货
• 检索某个目录中的所有化合物
• 将供应商代码与 ZINC ID 交叉查询

4. 随机化合物抽样

生成随机化合物集合，用于筛选或基准测试。

Web 界面：https://cartblanche22.docking.org/search/random

API 端点：

curl "https://cartblanche22.docking.org/substance/random.txt:count=100"

参数：

• count：要检索的随机化合物数量（默认值：100）
• subset：按子集筛选（例如，'lead-like'、'drug-like'、'fragment'）
• output_fields：自定义返回的数据字段

示例 — 随机抽取先导样分子：

curl "https://cartblanche22.docking.org/substance/random.txt:count=1000&subset=lead-like&output_fields=zinc_id,smiles,tranche"

常见工作流

工作流 1：准备对接化合物库

1. 根据靶标属性或目标化学空间定义搜索条件

2. 使用合适的搜索方法查询 ZINC22：

   # Example: Get drug-like compounds with specific LogP and MW
   curl "https://cartblanche22.docking.org/substance/random.txt:count=10000&subset=drug-like&output_fields=zinc_id,smiles,tranche" > docking_library.txt
   

3. 解析结果以提取 ZINC ID 和 SMILES：

   import pandas as pd
   
   # Load results
   df = pd.read_csv('docking_library.txt', sep='\t')
   
   # Filter by properties in tranche data
   # Tranche format: H##P###M###-phase
   # H = H-bond donors, P = LogP*10, M = MW
   

4. 使用 ZINC ID 下载 3D 结构用于对接，或从文件存储库下载

工作流 2：查找热门化合物的类似物

1. 获取热门化合物的 SMILES：

   hit_smiles = "CC(C)Cc1ccc(cc1)C(C)C(=O)O"  # Example: Ibuprofen
   

2. 使用距离阈值执行相似性搜索：

   curl "https://cartblanche22.docking.org/smiles.txt:smiles=CC(C)Cc1ccc(cc1)C(C)C(=O)O&dist=5&output_fields=zinc_id,smiles,catalogs" > analogs.txt
   

3. 分析结果，找出可购买的类似物：

   import pandas as pd
   
   analogs = pd.read_csv('analogs.txt', sep='\t')
   print(f"Found {len(analogs)} analogs")
   print(analogs[['zinc_id', 'smiles', 'catalogs']].head(10))
   

4. 获取最有前景的类似物的 3D 结构

工作流 3：批量检索化合物

1. 从文献、数据库或之前的筛选中整理 ZINC ID 列表：

   zinc_ids = [
       "ZINC000000000001",
       "ZINC000000000002",
       "ZINC000000000003"
   ]
   zinc_ids_str = ",".join(zinc_ids)
   

2. 查询 ZINC22 API：

   curl "https://cartblanche22.docking.org/substances.txt:zinc_id=ZINC000000000001,ZINC000000000002&output_fields=zinc_id,smiles,supplier_code,catalogs"
   

3. 处理结果，用于后续分析或采购

工作流 4：化学空间采样

1. 根据筛选目标选择子集参数：

   • 片段：MW < 250，适合基于片段的药物发现
   • 类先导化合物：MW 250-350，LogP ≤ 3.5
   • 类药化合物：MW 350-500，符合 Lipinski 五法则

2. 生成随机样本：

   curl "https://cartblanche22.docking.org/substance/random.txt:count=5000&subset=lead-like&output_fields=zinc_id,smiles,tranche" > chemical_space_sample.txt
   

3. 分析化学多样性，为虚拟筛选做准备

输出字段

使用 output_fields 参数自定义 API 响应：

可用字段：

• zinc_id：ZINC 标识符
• smiles：SMILES 字符串表示
• sub_id：内部物质 ID
• supplier_code：供应商目录编号
• catalogs：提供该化合物的供应商列表
• tranche：编码后的分子属性（H 数量、LogP、MW、反应性阶段）

示例：

curl "https://cartblanche22.docking.org/substances.txt:zinc_id=ZINC000000000001&output_fields=zinc_id,smiles,catalogs,tranche"

Tranche 系统

ZINC 根据分子属性将化合物划分为不同的“tranche”：

格式：H##P###M###-phase

• H##：氢键供体数量（00-99）
• P###：LogP × 10（例如，P035 = LogP 3.5）
• M###：分子量，单位为道尔顿（例如，M400 = 400 Da）
• phase：反应性分类

Tranche 示例：H05P035M400-0

• 5 个氢键供体
• LogP = 3.5
• MW = 400 Da
• 反应性阶段 0

使用 tranche 数据根据类药性标准筛选化合物。

下载 3D 结构

用于分子对接的 3D 结构可通过文件仓库获取：

文件仓库：https://files.docking.org/zinc22/

结构按 tranche 组织，并提供多种格式：

• MOL2：包含 3D 坐标的多分子格式
• SDF：结构数据文件格式
• DB2.GZ：用于 DOCK 的压缩数据库格式

有关下载协议和批量访问方式，请参阅 ZINC 文档：https://wiki.docking.org。

Python 集成

在 Python 中使用 curl

import subprocess
import json

def query_zinc_by_id(zinc_id, output_fields="zinc_id,smiles,catalogs"):
    """Query ZINC22 by ZINC ID."""
    url = f"https://cartblanche22.docking.org/[email protected]_id={zinc_id}&output_fields={output_fields}"
    result = subprocess.run(['curl', url], capture_output=True, text=True)
    return result.stdout

def search_by_smiles(smiles, dist=0, adist=0, output_fields="zinc_id,smiles"):
    """Search ZINC22 by SMILES with optional distance parameters."""
    url = f"https://cartblanche22.docking.org/smiles.txt:smiles={smiles}&dist={dist}&adist={adist}&output_fields={output_fields}"
    result = subprocess.run(['curl', url], capture_output=True, text=True)
    return result.stdout

def get_random_compounds(count=100, subset=None, output_fields="zinc_id,smiles,tranche"):
    """Get random compounds from ZINC22."""
    url = f"https://cartblanche22.docking.org/substance/random.txt:count={count}&output_fields={output_fields}"
    if subset:
        url += f"&subset={subset}"
    result = subprocess.run(['curl', url], capture_output=True, text=True)
    return result.stdout

解析结果

import pandas as pd
from io import StringIO

# Query ZINC and parse as DataFrame
result = query_zinc_by_id("ZINC000000000001")
df = pd.read_csv(StringIO(result), sep='\t')

# Extract tranche properties
def parse_tranche(tranche_str):
    """Parse ZINC tranche code to extract properties."""
    # Format: H##P###M###-phase
    import re
    match = re.match(r'H(\d+)P(\d+)M(\d+)-(\d+)', tranche_str)
    if match:
        return {
            'h_donors': int(match.group(1)),
            'logP': int(match.group(2)) / 10.0,
            'mw': int(match.group(3)),
            'phase': int(match.group(4))
        }
    return None

df['tranche_props'] = df['tranche'].apply(parse_tranche)

最佳实践

查询优化

• 从具体查询开始：先执行精确搜索，再扩展到相似性搜索
• 使用合适的距离参数：较小的 dist 值（1-3）用于搜索近似类似物，较大的值（5-10）用于搜索多样化类似物
• 限制输出字段：仅请求必要字段，以减少数据传输
• 批量查询：尽可能在一次 API 调用中合并多个 ZINC ID

性能注意事项

• 速率限制：尊重服务器资源；避免连续快速发送请求
• 缓存：在本地存储常用化合物
• 并行下载：下载 3D 结构时，可对文件仓库使用并行 wget 或 aria2c
• 子集筛选：使用类先导化合物、类药化合物或片段子集来缩小搜索空间

数据质量

• 确认可用性：供应商目录会发生变化；大批量订购前请确认化合物是否有货
• 检查立体化学：SMILES 可能无法完整指定立体化学；请核验 3D 结构
• 验证结构：使用化学信息学工具（RDKit、OpenBabel）验证结构有效性
• 交叉引用：如有可能，请与其他数据库（PubChem、ChEMBL）交叉核对

资源

references/api_reference.md

全面的文档，包括：

• 完整的 API 端点参考
• URL 语法和参数规范
• 高级查询模式和示例
• 文件存储库的组织与访问
• 批量下载方法
• 错误处理和故障排除
• 与分子对接软件的集成

如需详细的技术信息和高级用法，请参阅此文档。

重要免责声明

数据可靠性

ZINC 明确声明：“我们不保证任何分子适用于任何用途的质量，也不对因使用此数据库而产生的错误承担责任。”

• 化合物的可用性可能会在不另行通知的情况下发生变化
• 结构表示可能包含错误
• 应独立核实供应商信息
• 在开展实验工作前，应进行适当的验证

适当使用

• ZINC 旨在用于药物发现领域的学术和研究用途
• 商业使用前请核实许可条款
• 使用专利化合物时，请尊重知识产权
• 获取化合物时，请遵循所在机构的指南

其他资源

• ZINC 网站：https://zinc.docking.org/
• CartBlanche22 界面：https://cartblanche22.docking.org/
• ZINC Wiki：https://wiki.docking.org/
• 文件存储库：https://files.docking.org/zinc22/
• GitHub：https://github.com/docking-org/
• 主要论文：Irwin 等，J. Chem. Inf. Model 2020（ZINC15）
• ZINC22 论文：Irwin 等，J. Chem. Inf. Model 2023

引用

在出版物中使用 ZINC 时，请引用相应版本：

ZINC22： Irwin, J. J., et al. "ZINC22—A Free Multi-Billion-Scale Database of Tangible Compounds for Ligand Discovery." Journal of Chemical Information and Modeling 2023.

ZINC15： Irwin, J. J., et al. "ZINC15 – Ligand Discovery for Everyone." Journal of Chemical Information and Modeling 2020, 60, 6065–6073.