查询 Open Targets 平台的靶点-疾病关联、药物靶点发现、成药性安全性数据与遗传组学证据，适用于治疗靶点识别。

Open Targets 数据库

概述

Open Targets 平台是一个综合资源，用于系统识别和优先排序潜在的治疗药物靶点。它整合了公开可用的数据集，包括人类遗传学、组学、文献和化学数据，以构建和评分靶点-疾病关联。

关键功能：

查询靶点（基因）注释，包括可靶向性、安全性、表达
搜索带有证据评分的疾病-靶点关联
从多种数据类型（遗传学、通路、文献等）检索证据
查找疾病的已知药物及其机制
访问药物信息，包括临床试验阶段和不良事件
评估靶点的可药性和治疗潜力

数据访问： 该平台提供 GraphQL API、Web 界面、数据下载和 Google BigQuery 访问。此技能专注于用于编程访问的 GraphQL API。

何时使用此技能

此技能应在以下情况使用：

靶点发现： 为疾病寻找潜在的治疗靶点
靶点评估： 评估基因的可靶向性、安全性和可药性
证据收集： 检索支持靶点-疾病关联的证据
药物重新定位： 识别可用于新适应症的现有药物
竞争情报： 了解临床先例和药物开发格局
靶点优先排序： 基于遗传证据和其他数据类型对靶点进行排名
机制研究： 研究生物通路和基因功能
生物标志物发现： 寻找在疾病中差异表达的基因
安全性评估： 识别药物靶点的潜在毒性问题

核心工作流程

1. 搜索实体

首先找到目标、疾病或药物的标识符。

对于靶点（基因）：

from scripts.query_opentargets import search_entities

# 按基因符号或名称搜索
results = search_entities("BRCA1", entity_types=["target"])
# 返回: [{"id": "ENSG00000012048", "name": "BRCA1", ...}]

对于疾病：

# 按疾病名称搜索
results = search_entities("alzheimer", entity_types=["disease"])
# 返回: [{"id": "EFO_0000249", "name": "Alzheimer disease", ...}]

对于药物：

# 按药物名称搜索
results = search_entities("aspirin", entity_types=["drug"])
# 返回: [{"id": "CHEMBL25", "name": "ASPIRIN", ...}]

使用的标识符：

靶点：Ensembl 基因 ID（例如，ENSG00000157764）
疾病：EFO（实验因素本体论）ID（例如，EFO_0000249）
药物：ChEMBL ID（例如，CHEMBL25）

2. 查询靶点信息

检索全面的靶点注释以评估可药性和生物学特性。

from scripts.query_opentargets import get_target_info

target_info = get_target_info("ENSG00000157764", include_diseases=True)

# 访问关键字段：
# - approvedSymbol: HGNC 基因符号
# - approvedName: 完整基因名称
# - tractability: 跨模式的可药性评估
# - safetyLiabilities: 已知安全隐患
# - geneticConstraint: 来自 gnomAD 的约束评分
# - associatedDiseases: 带有评分的顶级疾病关联

要审查的关键注释：

可靶向性： 小分子、抗体、PROTAC 可药性预测
安全性： 来自多个数据库的已知毒性问题
遗传约束： 表明必要性的 pLI 和 LOEUF 评分
疾病关联： 与靶点链接的疾病及其证据评分

有关所有靶点特征的详细信息，请参阅 references/target_annotations.md。

3. 查询疾病信息

获取疾病详情和相关靶点/药物。

from scripts.query_opentargets import get_disease_info

disease_info = get_disease_info("EFO_0000249", include_targets=True)

# 访问字段：
# - name: 疾病名称
# - description: 疾病描述
# - therapeuticAreas: 高级疾病类别
# - associatedTargets: 带有关联评分的顶级靶点

4. 检索靶点-疾病证据

获取支持靶点-疾病关联的详细证据。

from scripts.query_opentargets import get_target_disease_evidence

# 获取所有证据
evidence = get_target_disease_evidence(
    ensembl_id="ENSG00000157764",
    efo_id="EFO_0000249"
)

# 按证据类型过滤
genetic_evidence = get_target_disease_evidence(
    ensembl_id="ENSG00000157764",
    efo_id="EFO_0000249",
    data_types=["genetic_association"]
)

# 每条证据记录包含：
# - datasourceId: 特定数据源（例如，"gwas_catalog", "chembl"）
# - datatypeId: 证据类别（例如，"genetic_association", "known_drug"）
# - score: 证据强度（0-1）
# - studyId: 原始研究标识符
# - literature: 相关出版物

主要证据类型：

genetic_association： GWAS、罕见变异、ClinVar、基因负担
somatic_mutation： 癌症基因普查、IntOGen、癌症生物标志物
known_drug： 来自已批准/临床药物的临床先例
affected_pathway： CRISPR 筛选、通路分析、基因签名
rna_expression： 来自 Expression Atlas 的差异表达
animal_model： 来自 IMPC 的小鼠表型
literature： 来自 Europe PMC 的文本挖掘

有关所有证据类型的详细描述和解释指南，请参阅 references/evidence_types.md。

5. 查找已知药物

识别用于疾病的药物及其靶点。

from scripts.query_opentargets import get_known_drugs_for_disease

drugs = get_known_drugs_for_disease("EFO_0000249")

# drugs 包含：
# - uniqueDrugs: 独特药物总数
# - uniqueTargets: 独特靶点总数
# - rows: 药物-靶点-适应症记录列表，包含：
#   - drug: {name, drugType, maximumClinicalTrialPhase}
#   - targets: 药物靶向的基因
#   - phase: 此适应症的临床试验阶段
#   - status: 试验状态（活跃、完成等）
#   - mechanismOfAction: 药物如何工作

临床阶段：

第 4 阶段：已批准药物
第 3 阶段：晚期临床试验
第 2 阶段：中期试验
第 1 阶段：早期安全性试验

6. 获取药物信息

检索详细的药物信息，包括机制和适应症。

from scripts.query_opentargets import get_drug_info

drug_info = get_drug_info("CHEMBL25")

# 访问：
# - name, synonyms: 药物标识符
# - drugType: 小分子、抗体等
# - maximumClinicalTrialPhase: 开发阶段
# - mechanismsOfAction: 靶点和作用类型
# - indications: 带有试验阶段的疾病
# - withdrawnNotice: 如果撤回，原因和国家

7. 获取靶点的所有关联

查找与靶点关联的所有疾病，可选择按评分过滤。

from scripts.query_opentargets import get_target_associations

# 获取评分 >= 0.5 的关联
associations = get_target_associations(
    ensembl_id="ENSG00000157764",
    min_score=0.5
)

# 每个关联包含：
# - disease: {id, name}
# - score: 总体关联评分（0-1）
# - datatypeScores: 按证据类型的细分

关联评分：

范围：0-1（越高 = 证据越强）
使用调和和聚合所有数据类型的证据
不是置信度评分，而是相对排名指标
研究不足的疾病可能得分较低，尽管有良好的证据

GraphQL API 详情

对于超出提供的辅助函数的自定义查询，直接使用 GraphQL API 或修改 scripts/query_opentargets.py。

关键信息：

端点： https://api.platform.opentargets.org/api/v4/graphql
交互式浏览器： https://api.platform.opentargets.org/api/v4/graphql/browser
无需身份验证
仅请求所需字段以最小化响应大小
对大型结果集使用分页：page: {size: N, index: M}

有关以下内容，请参阅 references/api_reference.md：

完整的端点文档
所有实体类型的示例查询
错误处理模式
API 使用的最佳实践

最佳实践

靶点优先排序策略

在优先排序药物靶点时：

从遗传证据开始： 人类遗传学（GWAS、罕见变异）提供最强的疾病相关性
检查可靶向性： 优先选择有临床或发现先例的靶点
评估安全性： 审查安全隐患、表达模式和遗传约束
评估临床先例： 已知药物表明可药性和治疗窗口
考虑多种证据类型： 来自不同来源的收敛证据增加信心
机械验证： 通路证据和生物学合理性
手动审查文献： 对于关键决策，检查原始出版物

证据解释

强证据指标：

多个独立证据来源
高遗传关联评分（尤其是 L2G > 0.5 的 GWAS）
来自已批准药物的临床先例
与疾病匹配的 ClinVar 致病性变异
具有相关表型的小鼠模型

注意事项：

仅单一证据来源
文本挖掘作为唯一证据（需要手动验证）
跨来源的冲突证据
高必要性 + 普遍表达（治疗窗口差）
多个安全隐患

评分解释：

评分排名相对强度，而非绝对置信度
研究不足的疾病尽管有潜在有效的靶点，但得分较低
专家策划的来源权重高于计算预测
检查证据细分，而不仅仅是总体评分

常见工作流程

工作流程 1：疾病的靶点发现

搜索疾病 → 获取 EFO ID
使用 include_targets=True 查询疾病信息
审查按关联评分排序的顶级靶点
对于有前途的靶点，获取详细的靶点信息
检查支持每个关联的证据类型
评估优先靶点的可靶向性和安全性

工作流程 2：靶点验证

搜索靶点 → 获取 Ensembl ID
获取全面的靶点信息
检查可靶向性（尤其是临床先例）
审查安全隐患和遗传约束
检查疾病关联以了解生物学
寻找化学探针或工具化合物
检查靶向基因的已知药物以获取机制见解

工作流程 3：药物重新定位

搜索疾病 → 获取 EFO ID
获取疾病的已知药物
对于每种药物，获取详细的药物信息
检查作用机制和靶点
寻找相关疾病适应症
评估临床试验阶段和状态
基于机制识别重新定位机会

工作流程 4：竞争情报

搜索感兴趣的靶点
获取带有证据的相关疾病
对于每种疾病，获取已知药物
审查临床阶段和开发状态
识别竞争对手及其机制
评估临床先例和市场格局

资源

脚本

scripts/query_opentargets.py

用于常见 API 操作的辅助函数：

search_entities() - 搜索靶点、疾病或药物
get_target_info() - 检索靶点注释
get_disease_info() - 检索疾病信息
get_target_disease_evidence() - 获取支持证据
get_known_drugs_for_disease() - 查找疾病的药物
get_drug_info() - 检索药物详情
get_target_associations() - 获取靶点的所有关联
execute_query() - 执行自定义 GraphQL 查询

参考资料

references/api_reference.md

完整的 GraphQL API 文档，包括：

端点详细信息和身份验证
可用的查询类型（靶点、疾病、药物、搜索）
所有常见操作的示例查询
错误处理和最佳实践
数据许可和引用要求

references/evidence_types.md

证据类型和数据源的综合指南：

所有 7 个主要证据类型的详细描述
每个来源的评分方法
证据解释指南
每种证据类型的优势和局限性
质量评估建议

references/target_annotations.md

完整的靶点注释参考：

12 个主要注释类别解释
可靶向性评估详情
安全隐患来源
表达、必要性和约束数据
靶点优先排序的解释指南
靶点评估的红旗和绿旗

数据更新和版本控制

Open Targets 平台每季度更新，发布新的数据版本。当前版本（截至 2025 年 10 月）可在 API 端点获得。

发布信息： 查看 https://platform-docs.opentargets.org/release-notes 获取最新更新。

引用： 使用 Open Targets 数据时，请引用：

Ochoa, D. et al. (2025) Open Targets Platform: facilitating therapeutic hypotheses building in drug discovery. Nucleic Acids Research, 53(D1):D1467-D1477.

限制和考虑因素

API 用于探索性查询： 对于许多靶点/疾病的系统分析，使用数据下载或 BigQuery
评分是相对的，不是绝对的： 关联评分对证据强度进行排名，但不预测临床成功
研究不足的疾病得分较低： 新型或罕见疾病可能有强有力的证据，但总评分较低
证据质量各不相同： 专家策划的来源权重高于计算预测
需要生物学解释： 评分和证据必须在生物学和临床背景下解释
无需身份验证： 所有数据均可自由访问，但请适当引用

Open Targets 数据库