用途：该技能用于通过 Python 程序化访问 DrugBank 数据库，获取并分析药物信息，涵盖药物属性、药物相互作用、靶点、通路与化学结构等。据资料，数据库包含约 9,591 条药物条目（2,037 个 FDA 批准小分子、241 个生物药、96 个营养品及 6,000+ 实验化合物），每条含 200+ 数据字段。
主要能力：一是数据访问与认证，借助 drugbank-downloader 下载并解析 XML，支持指定版本、缓存；二是药物信息查询，可按 DrugBank ID、名称、CAS 号或关键词检索，提取标识、化学性质、药理学与外部数据库交叉引用；三是药物相互作用分析，提取 DDI、构建双向网络、按严重程度分类并计算风险评分；四是靶点与通路分析，包括靶点、代谢酶（如 CYP450）、转运体及 SMPDB 通路映射；五是化学性质与相似性分析，含 SMILES/InChI 提取、理化性质、Lipinski 与 Veber 规则、Tanimoto 相似度与分子指纹、ADMET 预测。
使用方式：先安装依赖，如 pip install drugbank-downloader，并可按需安装 bioversions、lxml、pandas、rdkit、networkx、scikit-learn。需在 go.drugbank.com 创建免费账户并接受许可协议，获取用户名与密码，通过环境变量或配置文件管理凭据，避免硬编码。下载时建议指定版本以保证可复现，例如 from drugbank_downloader import download_drugbank; path = download_drugbank(version='5.1.10')。详细实现指引分布在 references/data-access.md、references/drug-queries.md、references/interactions.md、references/targets-pathways.md、references/chemical-analysis.md 等参考文件中。
适用场景：药物发现流程、多重用药安全分析、药物重定位研究、药理学研究等。
限制：资料未提供收费、价格或具体平台支持范围；仅说明学术用途可免费，但需遵守许可合规要求。使用时应规定数据版本、缓存解析结果、处理 XML 命名空间，并用 RDKit 验证化学结构。交互数据解读需结合临床背景。