ZINC数据库

ZINC数据库

概述

ZINC是由UCSF维护的可自由访问的2.3亿+可购买化合物库。通过ZINC ID或SMILES搜索，执行相似性搜索，下载用于对接的3D就绪结构，发现用于虚拟筛选和药物发现的类似物。

何时使用此技能

此技能应在以下情况使用：

• 虚拟筛选：为分子对接研究寻找化合物
• 先导发现：识别可商购的药物开发化合物
• 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：访问3D就绪的分子结构
• 类似物搜索：基于结构相似性寻找相似化合物
• 供应商查询：识别来自特定化学供应商的化合物
• 随机采样：获取用于筛选的随机化合物集

数据库版本

ZINC经历了多个版本：

• ZINC22（当前）：最大版本，包含2.3亿+可购买化合物和数十亿规模的按需合成化合物
• ZINC20：仍在维护，专注于类先导和类药物化合物
• ZINC15：前身版本，传统但仍有文档

此技能主要关注ZINC22，最当前和全面的版本。

访问方法

Web界面

主要访问点：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端点以文本或JSON格式返回数据，具有可自定义字段。

核心功能

1. 通过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（包括H计数、LogP、MW、phase）

2. 通过SMILES搜索

使用SMILES表示法按化学结构查找化合物，具有用于类似物搜索的可选距离参数。

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SMILES字符串（必要时URL编码）
• dist：Tanimoto距离阈值（默认：0表示精确匹配）
• adist：用于更广泛搜索的替代距离参数（默认：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. 通过供应商代码搜索

查询来自特定化学供应商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"

用例：

• 验证来自特定供应商的化合物可用性
• 检索目录中的所有化合物
• 将供应商代码与ZINC ID交叉引用

4. 随机化合物采样

生成用于筛选或基准测试的随机化合物集。

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：100）
• subset：按子集筛选（例如，'lead-like'、'drug-like'、'fragment'）
• output_fields：自定义返回数据字段

示例 - 随机类先导分子：

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

常见工作流程

工作流程1：准备对接库

1. 基于目标属性或所需化学空间定义搜索条件

1. 使用适当的搜索方法查询ZINC22：

   # 示例：获取具有特定LogP和MW的类药物化合物
   curl "https://cartblanche22.docking.org/substance/random.txt:count=10000&subset=drug-like&output_fields=zinc_id,smiles,tranche" > docking_library.txt

1. 解析结果以提取ZINC ID和SMILES：

   import pandas as pd

   # 加载结果
   df = pd.read_csv('docking_library.txt', sep='\t')

   # 按tranche数据中的属性筛选
   # Tranche格式：H##P###M###-phase
   # H = H键供体，P = LogP*10，M = MW

1. 使用ZINC ID下载3D结构或从文件存储库下载用于对接

工作流程2：寻找命中化合物的类似物

1. 获取命中化合物的SMILES：

   hit_smiles = "CC(C)Cc1ccc(cc1)C(C)C(=O)O"  # 示例：布洛芬

1. 执行带距离阈值的相似性搜索：

   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

1. 分析结果以识别可购买的类似物：

   import pandas as pd

   analogs = pd.read_csv('analogs.txt', sep='\t')
   print(f"找到 {len(analogs)} 个类似物")
   print(analogs[['zinc_id', 'smiles', 'catalogs']].head(10))

1. 为最有前景的类似物检索3D结构

工作流程3：批量化合物检索

1. 从文献、数据库或先前的筛选中编译ZINC ID列表：

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

1. 查询ZINC22 API：

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

1. 处理结果用于下游分析或采购

工作流程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：MW 250-350，LogP ≤ 3.5
• 类药物：MW 350-500，遵循Lipinski五规则

1. 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

1. 分析化学多样性并为虚拟筛选做准备

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：供应商目录号
• catalogs：提供化合物的供应商列表
• tranche：编码的分子属性（H计数、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组织为"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（道尔顿）（例如，M400 = 400 Da）
• phase：反应性分类

示例tranche：H05P035M400-0

• 5个H键供体
• LogP = 3.5
• MW = 400 Da
• 反应性阶段0

使用tranche数据按药物相似性标准筛选化合物。

下载3D结构

对于分子对接，3D结构可通过文件存储库获取：

文件存储库：https://files.docking.org/zinc22/

结构按tranche组织，有多种格式可用：

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

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

Python集成

使用curl与Python

import subprocess
import json

def query_zinc_by_id(zinc_id, output_fields="zinc_id,smiles,catalogs"):
    """通过ZINC ID查询ZINC22。"""
    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"):
    """通过SMILES搜索ZINC22，带有可选距离参数。"""
    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"):
    """从ZINC22获取随机化合物。"""
    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

# 查询ZINC并解析为DataFrame
result = query_zinc_by_id("ZINC000000000001")
df = pd.read_csv(StringIO(result), sep='\t')

# 提取tranche属性
def parse_tranche(tranche_str):
    """解析ZINC tranche代码以提取属性。"""
    # 格式：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

• 开始具体：在扩展到相似性搜索之前，先进行精确搜索
• 使用适当的距离参数：小的dist值（1-3）用于接近类似物，大的（5-10）用于多样化类似物
• 限制输出字段：仅请求必要的字段以减少数据传输
• 批量查询：尽可能在单个API调用中组合多个ZINC ID

性能考虑

• 速率限制：尊重服务器资源；避免快速连续请求
• 缓存：在本地存储频繁访问的化合物
• 并行下载：下载3D结构时，对文件存储库使用并行wget或aria2c
• 子集筛选：使用类先导、类药物或片段子集来减少搜索空间

数据质量

• 验证可用性：供应商目录会变化；在大量订单前确认化合物可用性
• 检查立体化学：SMILES可能未完全指定立体化学；验证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：可能时，与其他数据库（PubChem、ChEMBL）交叉检查

资源

references/api_reference.md

综合文档包括：

• 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
• 文件存储库组织和访问
• 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

请参考此文档获取详细的技术信息和高级使用模式。

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用于任何目的的质量，对使用本数据库引起的错误不承担任何责任。"

• 化合物可用性可能会随时更改，恕不通知
• 结构表示可能包含错误
• 供应商信息应独立验证
• 在实验工作前使用适当的验证

适当使用

• ZINC旨在用于药物发现的学术和研究目的
• 验证商业使用的许可条款
• 处理专利化合物时尊重知识产权
• 遵循您机构的化合物采购指南

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/
• 主要出版物：Irwin et al., J. Chem. Inf. Model 2020 (ZINC15)
• ZINC22出版物：Irwin et al., J. Chem. Inf. Model 2023

引用

在出版物中使用ZINC时，请引用适当的版本：

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.