DrugBank 数据库

DrugBank 数据库

概述

DrugBank 是一个全面的生物信息学和化学信息学数据库，包含关于药物和药物靶点的详细信息。此技能使能够对 DrugBank 数据进行编程访问，包括约 9,591 个药物条目（2,037 个 FDA 批准的小分子、241 个生物技术药物、96 个营养保健品和 6,000+ 个实验化合物），每个条目有 200 多个数据字段。

核心能力

1. 数据访问和身份验证

使用 Python 通过适当的身份验证下载和访问 DrugBank 数据。此技能提供关于以下方面的指导：

• 安装和配置 drugbank-downloader 包
• 通过环境变量或配置文件安全地管理凭据
• 下载特定或最新版本的数据库
• 高效地打开和解析 XML 数据
• 使用缓存数据以优化性能

何时使用：设置 DrugBank 访问、下载数据库更新、初始项目配置。

参考：有关详细身份验证、下载过程、API 访问、缓存策略和故障排除，请参阅 references/data-access.md。

2. 药物信息查询

从数据库中提取综合药物信息，包括标识符、化学属性、药理学、临床数据和外部数据库的交叉引用。

查询能力：

• 通过 DrugBank ID、名称、CAS 号或关键词搜索
• 提取基本药物信息（名称、类型、描述、适应症）
• 检索化学属性（SMILES、InChI、分子式）
• 获取药理学数据（作用机制、药效学、ADME）
• 访问外部标识符（PubChem、ChEMBL、UniProt、KEGG）
• 构建可搜索的药物数据库并导出到 DataFrame
• 按类型过滤药物（小分子、生物技术、营养保健品）

何时使用：检索特定药物信息、构建药物数据库、药理学研究、文献综述、药物分析。

参考：有关 XML 导航、查询函数、数据提取方法和性能优化，请参阅 references/drug-queries.md。

3. 药物-药物相互作用分析

分析药物-药物相互作用（DDI），包括机制、临床意义和相互作用网络，用于药物警戒和临床决策支持。

分析能力：

• 提取特定药物的所有相互作用
• 构建双向相互作用网络
• 按严重性和机制分类相互作用
• 检查药物对之间的相互作用
• 识别具有最多相互作用的药物
• 分析多药治疗方案的安全性
• 创建相互作用矩阵和网络图
• 在相互作用网络中执行社区检测
• 计算相互作用风险评分

何时使用：多药安全性分析、临床决策支持、药物相互作用预测、药物警戒研究、识别禁忌症。

参考：有关相互作用提取、分类方法、网络分析和临床应用，请参阅 references/interactions.md。

4. 药物靶点和通路

访问关于药物-蛋白质相互作用的详细信息，包括靶点、酶、转运蛋白、载体和生物通路。

靶点分析能力：

• 提取带有作用（抑制剂、激动剂、拮抗剂）的药物靶点
• 识别代谢酶（CYP450、II 相酶）
• 分析转运蛋白（摄取、外排）用于 ADME 研究
• 将药物映射到生物通路（SMPDB）
• 查找靶向特定蛋白质的药物
• 识别具有共享靶点的药物以用于重新定位
• 分析多药理学和脱靶效应
• 提取靶点的基因本体（GO）术语
• 与 UniProt 交叉引用以获取蛋白质数据

何时使用：作用机制研究、药物重新定位研究、靶点识别、通路分析、预测脱靶效应、理解药物代谢。

参考：有关靶点提取、通路分析、重新定位策略、CYP450 分析和转运蛋白分析，请参阅 references/targets-pathways.md。

5. 化学属性和相似性

执行基于结构的分析，包括分子相似性搜索、属性计算、子结构搜索和 ADMET 预测。

化学分析能力：

• 提取化学结构（SMILES、InChI、分子式）
• 计算物理化学属性（MW、logP、PSA、氢键）
• 应用 Lipinski 五法则和 Veber 规则
• 计算分子之间的 Tanimoto 相似性
• 生成分子指纹（Morgan、MACCS、拓扑）
• 使用 SMARTS 模式执行子结构搜索
• 查找结构相似的药物以进行重新定位
• 为药物聚类创建相似性矩阵
• 预测口服吸收和血脑屏障渗透性
• 使用 PCA 和聚类分析化学空间
• 导出化学属性数据库

何时使用：结构-活性关系（SAR）研究、药物相似性搜索、QSAR 建模、药物相似性评估、ADMET 预测、化学空间探索。

参考：有关结构提取、相似性计算、指纹生成、ADMET 预测和化学空间分析，请参阅 references/chemical-analysis.md。

典型工作流

药物发现工作流

1. 使用 data-access.md 下载和访问最新的 DrugBank 数据
2. 使用 drug-queries.md 构建可搜索的药物数据库
3. 使用 chemical-analysis.md 查找相似化合物
4. 使用 targets-pathways.md 识别共享靶点
5. 使用 interactions.md 检查候选组合的安全性

多药安全性分析工作流

1. 使用 drug-queries.md 查找患者药物
2. 使用 interactions.md 检查所有成对相互作用
3. 使用 interactions.md 对相互作用严重性进行分类
4. 使用 interactions.md 计算总体风险评分
5. 使用 targets-pathways.md 理解相互作用机制

药物重新定位研究工作流

1. 使用 targets-pathways.md 查找具有共享靶点的药物
2. 使用 chemical-analysis.md 查找结构相似的药物
3. 使用 drug-queries.md 提取适应症和药理学数据
4. 使用 interactions.md 评估潜在的联合治疗

药理学研究工作流

1. 使用 drug-queries.md 提取感兴趣的药物
2. 使用 targets-pathways.md 识别所有蛋白质相互作用
3. 使用 targets-pathways.md 映射到生物通路
4. 使用 chemical-analysis.md 预测 ADMET 属性
5. 使用 interactions.md 识别潜在的禁忌症

安装要求

Python 包

uv pip install drugbank-downloader  # 核心访问
uv pip install bioversions          # 最新版本检测
uv pip install lxml                 # XML 解析优化
uv pip install pandas               # 数据操作
uv pip install rdkit                # 化学信息学（用于相似性）
uv pip install networkx             # 网络分析（用于相互作用）
uv pip install scikit-learn         # ML/聚类（用于化学空间）

账户设置

1. 在 go.drugbank.com 创建免费账户
2. 接受许可协议（学术使用免费）
3. 获取用户名和密码凭据
4. 按照 references/data-access.md 中的说明配置凭据

数据版本和可重复性

始终指定 DrugBank 版本以确保可重复的研究：

from drugbank_downloader import download_drugbank
path = download_drugbank(version='5.1.10')  # 指定确切版本

在出版物和分析脚本中记录使用的版本。

最佳实践

1. 凭据：使用环境变量或配置文件，永远不要硬编码
2. 版本控制：指定确切的数据库版本以确保可重复性
3. 缓存：缓存解析的数据以避免重新下载和重新解析
4. 命名空间：解析时正确处理 XML 命名空间
5. 验证：使用前使用 RDKit 验证化学结构
6. 交叉引用：使用外部标识符（UniProt、PubChem）进行集成
7. 临床背景：解释相互作用数据时始终考虑临床背景
8. 许可合规：确保您的使用案例的适当许可

参考文档

所有详细的实现指导都组织在模块化参考文件中：

• references/data-access.md：身份验证、下载、解析、API 访问、缓存
• references/drug-queries.md：XML 导航、查询方法、数据提取、索引
• references/interactions.md：DDI 提取、分类、网络分析、安全性评分
• references/targets-pathways.md：靶点/酶/转运蛋白提取、通路映射、重新定位
• references/chemical-analysis.md：结构提取、相似性、指纹、ADMET 预测

根据您的具体分析需求加载这些参考。