name: chembl-database description: “查询ChEMBL的生物活性分子和药物发现数据。通过结构/属性搜索化合物，检索生物活性数据（IC50、Ki），寻找抑制剂，进行SAR研究，适用于药物化学。”

ChEMBL 数据库

概述

ChEMBL是由欧洲生物信息学研究所（EBI）维护的一个手动管理的生物活性分子数据库，包含超过200万个化合物、1900万个生物活性测量、13000多个药物靶点，以及关于已批准药物和临床候选药物的数据。通过ChEMBL Python客户端编程访问和查询此数据，用于药物发现和药物化学研究。

何时使用此技能

此技能应在以下情况下使用：

化合物搜索：通过名称、结构或属性查找分子
靶点信息：检索关于蛋白质、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
药物信息：查找已批准药物、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：分析分子性质和药物相似性
靶点-配体关系：探索化合物-靶点相互作用
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

需要ChEMBL Python客户端进行编程访问：

uv pip install chembl_webresource_client

基本使用模式

from chembl_webresource_client.new_client import new_client

# 访问不同端点
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

通过ChEMBL ID检索：

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

通过名称搜索：

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

通过属性过滤：

# 查找小分子（MW <= 500）和有利的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')

搜索特定靶点类型：

# 查找所有激酶靶点
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：

activity = new_client.activity
# 查找强效EGFR抑制剂
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：

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
# 查找与阿司匹林相似的化合物
similar = similarity.filter(
    smiles='CC(=O)Oc1ccccc1C(=O)O',
    similarity=85  # 85% 相似度阈值
)

子结构搜索：

substructure = new_client.substructure
# 查找包含苯环的化合物
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：查找靶点的抑制剂

通过名称识别靶点：

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

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
)

提取化合物ID并检索详细信息：

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

获取药物信息：

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

检索作用机制：

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

查找所有生物活性：

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

工作流 3：结构-活性关系（SAR）研究

查找相似化合物：

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

获取每个化合物的活性：

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

使用分子属性分析属性-活性关系。

过滤运算符

ChEMBL支持Django风格的查询过滤器：

__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 - 值在范围内
__in - 值在列表中
__isnull - 空值/非空值检查

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))

# 分析结果
print(df['standard_value'].describe())
print(df.groupby('standard_type').size())

性能优化

缓存

客户端自动缓存结果24小时。配置缓存：

from chembl_webresource_client.settings import Settings

# 禁用缓存
Settings.Instance().CACHING = False

# 调整缓存过期时间（秒）
Settings.Instance().CACHE_EXPIRE = 86400

懒评估

查询仅在访问数据时执行。转换为列表以强制执行：

# 查询尚未执行
results = molecule.filter(pref_name__icontains='aspirin')

# 强制执行
results_list = list(results)

分页

结果自动分页。遍历所有结果：

for activity in new_client.activity.filter(target_chembl_id='CHEMBL203'):
    # 处理每个活性
    print(activity['molecule_chembl_id'])

常见用例

查找激酶抑制剂

# 识别激酶靶点
kinases = new_client.target.filter(
    target_type='SINGLE PROTEIN',
    pref_name__icontains='kinase'
)

# 获取强效抑制剂
for kinase in kinases[:5]:  # 前5个激酶
    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

# 获取已批准药物
drugs = new_client.drug.filter()

# 对每个药物，查找所有靶点
for drug in drugs[:10]:
    mechanisms = new_client.mechanism.filter(
        molecule_chembl_id=drug['molecule_chembl_id']
    )

虚拟筛选

# 查找具有所需属性的化合物
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

准备就绪的Python函数，演示常见ChEMBL查询模式：

get_molecule_info() - 通过ID检索分子详细信息
search_molecules_by_name() - 基于名称的分子搜索
find_molecules_by_properties() - 基于属性的过滤
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() - 专门的激酶抑制剂搜索
export_to_dataframe() - 将结果转换为pandas DataFrame

请参考此脚本以获取实现细节和使用示例。

references/api_reference.md

全面的API文档，包括：

完整端点列表（分子、靶点、活性、测定、药物等）
所有过滤运算符和查询模式
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

当需要详细API信息或排查查询问题时，请参考此文档。

重要注意事项

数据可靠性

ChEMBL数据是手动管理的，但可能包含不一致之处
始终检查活性记录中的data_validity_comment字段
注意potential_duplicate标志

单位和标准

生物活性值使用标准单位（nM、uM等）
pchembl_value提供归一化活性（-log尺度）
检查standard_type以理解测量类型（IC50、Ki、EC50等）

速率限制

尊重ChEMBL的公平使用政策
使用缓存以最小化重复请求
考虑批量下载大型数据集
避免用快速连续请求冲击API

化学结构格式

SMILES字符串是主要的结构格式
InChI密钥可用于化合物
可以通过图像端点生成SVG图像

额外资源

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