ChEMBL 数据库技能概述
ChEMBL 是欧洲生物信息研究所（EBI）维护的人工策展生物活性分子数据库，包含超过 200 万化合物、1900 万条生物活性测量、13000+ 药物靶点，以及已批准药物和临床候选药物的数据。本技能用于以编程方式访问和查询这些数据，服务于药物发现与药物化学研究。
适用场景
本技能应在以下情况使用：化合物搜索（按名称、结构或性质查找分子）；靶点信息（检索蛋白质、酶或生物靶点数据）；生物活性数据（查询 IC50、Ki、EC50 或其他活性测量）；药物信息（查询已批准药物、作用机制或适应症）；结构搜索（相似性或子结构搜索）；化学信息学（分析分子性质与成药性）；靶点-配体关系（探查化合物-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）。
安装与设置
程序化访问需要 ChEMBL Python 客户端：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
核心能力
-
分子查询：按 ChEMBL ID 检索（molecule.get('CHEMBL25')）；按名称搜索（molecule.filter(pref_name__icontains='aspirin')）；按性质过滤（如查找 MW <= 500 且 LogP 良好 的小分子）。
-
靶点查询：检索靶点信息（target.get('CHEMBL203')）；搜索特定靶点类型（如查找所有激酶靶点）。
-
生物活性数据：按靶点查询活性（如查找强效 EGFR 抑制剂：standard_type='IC50'、standard_value__lte=100、standard_units='nM'）；获取某化合物的全部活性。
-
基于结构的搜索：相似性搜索（similarity.filter(smiles=..., similarity=85)）；子结构搜索（substructure.filter(smiles='c1ccccc1')）。
-
药物信息：检索药物数据；获取作用机制（mechanism.filter(molecule_chembl_id=...)）；查询药物适应症（drug_indication.filter(...)）。
查询工作流
工作流 1：为某靶点寻找抑制剂。先按名称识别靶点，再查询该靶点的生物活性数据，提取化合物 ID 并检索详情。
工作流 2：分析已知药物。获取药物信息，检索作用机制，查找全部生物活性。
工作流 3：构效关系（SAR）研究。查找相似化合物，获取每个化合物的活性，结合分子性质分析性质-活性关系。
过滤操作符
支持 Django 风格查询过滤：__exact 精确匹配；__iexact 不区分大小写精确匹配；__contains / __icontains 子串匹配；__startswith / __endswith 前缀/后缀匹配；__gt、__gte、__lt、__lte 数值比较；__range 范围；__in 列表内；__isnull 空/非空检查。
数据导出与分析
可将结果转换为 pandas DataFrame 进行分析，例如统计标准值分布、按标准类型分组计数。
性能优化
缓存：客户端自动缓存结果 24 小时，可通过 Settings 配置（禁用缓存或调整缓存过期时间）。
惰性求值：查询仅在访问数据时执行，转换为 list 可强制立即执行。
分页：结果自动分页，可迭代遍历全部结果。
常见用例
查找激酶抑制剂：识别激酶靶点，再获取强效抑制剂。
探索药物重定位：获取已批准药物，再为每个药物查找全部靶点。
虚拟筛选：查找具有目标性质的化合物（如 MW 范围、LogP、氢键受体/供体数量限制）。
资源
scripts/example_queries.py：可直接使用的 Python 函数，演示常见 ChEMBL 查询模式，包括 get_molecule_info()、search_molecules_by_name()、find_molecules_by_properties()、get_bioactivity_data()、find_similar_compounds()、substructure_search()、get_drug_info()、find_kinase_inhibitors()、export_to_dataframe() 等。
references/api_reference.md：完整 API 文档，包含端点列表、过滤操作符、分子性质与生物活性字段、高级查询示例、配置与性能调优、错误处理与速率限制。
重要说明
数据可靠性：ChEMBL 数据为人工策展，但可能存在不一致；应检查活动记录中的 data_validity_comment 字段，注意 potential_duplicate 标记。
单位与标准：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 以了解测量类型。
速率限制：遵守 ChEMBL 公平使用政策，使用缓存减少重复请求，大规模数据集考虑批量下载，避免快速连续请求冲击 API。
化学结构格式：SMILES 字符串为主要结构格式；化合物可提供 InChI key；可通过 image 端点生成 SVG 图像。
附加资源
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 notebooks：https://github.com/chembl/notebooks