查询 ChEMBL 生物活性分子与药物发现数据，可按结构或性质搜索化合物，获取 IC50、Ki 等活性数据并开展构效关系研究，适用于药物化学研发。

ChEMBL 数据库

概述

ChEMBL 是由欧洲生物信息学研究所(EBI)维护的手工策展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、13,000+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此数据,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 或其他活性测量值
药物信息: 查找已批准药物、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

ChEMBL Python 客户端是编程访问所必需的:

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

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:

# 查找小分子(MW <= 500)且 LogP 有利
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% 相似性阈值
)

子结构搜索:

substructure = new_client.substructure
# 查找含有苯环的化合物
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')

查询工作流程

工作流程 1: 查找靶点的抑制剂

通过搜索识别靶点:

   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]

工作流程 2: 分析已知药物

获取药物信息:

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

检索机制:

   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')

工作流程 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']
       )

使用结果中的分子属性分析属性-活性关系。

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

延迟求值

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。迭代所有结果:

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
    )

探索药物重定位

# 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

即用型 Python 函数,演示常见的 ChEMBL 查询模式:

get_molecule_info() - 按 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() - 基于属性的筛选
get_bioactivity_data() - 查询靶点的生物活性
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() - 专用激酶抑制剂搜索
export_to_dataframe() - 将结果转换为 pandas DataFrame

查阅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(molecule、target、activity、assay、drug 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 API 信息或排查查询问题时参考此文档。

重要说明

数据可靠性

ChEMBL 数据是手工策展的,但可能包含不一致
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 提供标准化活性(-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
使用缓存以最小化重复请求
对于大型数据集,考虑批量下载
避免快速连续请求对 API 造成过大压力

化学结构格式

SMILES 字符串是主要结构格式
化合物提供 InChI 键
可以通过图像端点生成 SVG 图像

其他资源

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

ChEMBL 数据库