如题所述
第1个回答 2024-08-18
ChEMBL是一个大型且开放访问的药物发现数据库，其目标是搜集药物研究和开发过程中的药物化学数据与知识。该数据库整合了小分子及其生物活性信息，这些信息来源于多种核心药物化学期刊的全文文章，并与已批准的药物及临床开发候选药物的数据相结合，如作用机制和治疗适应症。此外，ChEMBL还与其他数据库进行数据交换，例如PubChem BioAssay和BindingDB。数据库网址为：
ebi.ac.uk/chembl/
CHEMBL数据库收录了临床实验药物和批准药物的治疗靶标和适应症。临床开发中的化合物主要来源于美国采用名称(Usan)申请和ClinicalTrials.gov数据库。已批准的药物主要从FDA橙皮书数据库和FDA新药批准年度清单中获取，信息也来源于英国国家处方和ATC分类。临床实验药物的适应症从ClinicalTrials.gov获取，并通过手动和自动方法的组合映射到医学主题标题(Mesh)和实验因素本体论(EFO)中的疾病ID。已批准药物的适应症从每日医疗(DailyMed)的药物包装标签和ATC分类中获得。批准药物和临床实验药物的治疗靶标都是通过科学文献、药品包装标签和制药公司的pipeline信息等参考来源人工获取的。
CHEMBL数据库的当前版本为2020年5月更新的第27版，包含1,961,462个不同的化合物和13,382个靶标。
以下是该数据库中搜索化合物或药物信息的两种方法：
1. 根据化合物名称搜索
将化合物名称输入搜索框，例如输入aspirin
出现相关的46个化合物，左边的“Filters”窗口是筛选器，列出了对这46个小分子的各种特性的统计，包括分子类型、最大临床试验期、违反五条规则的次数、分子量等，并允许用户通过点击相应的数值浏览给定范围内的原始数据子集。
可以看到第一个就是所查询的化合物ASPIRIN。点击它对应的ChEMBL ID，就进入该化合物的页面。页面包含的主要信息如下：
化合物的SMILES结构式
治疗靶标（如果有的话）
适应症及相应的临床试验期数
预测的靶标
针对354个常见药物靶标，预测的化合物与靶标相互作用的可能性。靶标预测结果返回四个类：
“active”：化合物与靶标有相互作用
“inactive”：化合物与靶标没有相互作用
"empty"：模型无法预测化合物与靶标的关系
"both"：模型不能得出结论
预测的可信度分为70%，80%和90%三个档次
化合物的理化指标
2. 根据结构搜索化合物本身或与它相似的化合物
在搜索框下方点击“Draw a Structure”
可以画出化合物的结构，或者点击打开文件的图标，上传化合物结构文件（可以是sdf文件或smiles结构式）
若要上传化合物的sdf文件，则点击“选择文件”，再点Add；若要输入化合物SMILES结构式，则在Paste source下面的框选择SMILES，再把SMILES结构式粘贴在下面框里，点击"Add"。
系统默认搜索与输入化合物相似性分大于等于95%的化合物，可以左右滑动Similarity按钮下面的滑块进行修改，然后点击Similarity按钮。若只查询本化合物，则将相似性分设置为100%。
系统就会搜索出与输入化合物结构相似性大于指定值的化合物。
参考文献：Mendez D, Gaulton A, Bento AP, Chambers J, De Veij M, Félix E, Magariños MP, Mosquera JF, Mutowo P, Nowotka M, Gordillo-Marañón M, Hunter F, Junco L, Mugumbate G, Rodriguez-Lopez M, Atkinson F, Bosc N, Radoux CJ, Segura-Cabrera A, Hersey A, Leach AR. ChEMBL: towards direct deposition of bioassay data. Nucleic Acids Res. 2019; 47(D1):D930-D940. doi: 10.1093/nar/gky1075
ebi.ac.uk/chembl/
CHEMBL数据库收录了临床实验药物和批准药物的治疗靶标和适应症。临床开发中的化合物主要来源于美国采用名称(Usan)申请和ClinicalTrials.gov数据库。已批准的药物主要从FDA橙皮书数据库和FDA新药批准年度清单中获取，信息也来源于英国国家处方和ATC分类。临床实验药物的适应症从ClinicalTrials.gov获取，并通过手动和自动方法的组合映射到医学主题标题(Mesh)和实验因素本体论(EFO)中的疾病ID。已批准药物的适应症从每日医疗(DailyMed)的药物包装标签和ATC分类中获得。批准药物和临床实验药物的治疗靶标都是通过科学文献、药品包装标签和制药公司的pipeline信息等参考来源人工获取的。
CHEMBL数据库的当前版本为2020年5月更新的第27版，包含1,961,462个不同的化合物和13,382个靶标。
以下是该数据库中搜索化合物或药物信息的两种方法：
1. 根据化合物名称搜索
将化合物名称输入搜索框，例如输入aspirin
出现相关的46个化合物，左边的“Filters”窗口是筛选器，列出了对这46个小分子的各种特性的统计，包括分子类型、最大临床试验期、违反五条规则的次数、分子量等，并允许用户通过点击相应的数值浏览给定范围内的原始数据子集。
可以看到第一个就是所查询的化合物ASPIRIN。点击它对应的ChEMBL ID，就进入该化合物的页面。页面包含的主要信息如下：
化合物的SMILES结构式
治疗靶标（如果有的话）
适应症及相应的临床试验期数
预测的靶标
针对354个常见药物靶标，预测的化合物与靶标相互作用的可能性。靶标预测结果返回四个类：
“active”：化合物与靶标有相互作用
“inactive”：化合物与靶标没有相互作用
"empty"：模型无法预测化合物与靶标的关系
"both"：模型不能得出结论
预测的可信度分为70%，80%和90%三个档次
化合物的理化指标
2. 根据结构搜索化合物本身或与它相似的化合物
在搜索框下方点击“Draw a Structure”
可以画出化合物的结构，或者点击打开文件的图标，上传化合物结构文件（可以是sdf文件或smiles结构式）
若要上传化合物的sdf文件，则点击“选择文件”，再点Add；若要输入化合物SMILES结构式，则在Paste source下面的框选择SMILES，再把SMILES结构式粘贴在下面框里，点击"Add"。
系统默认搜索与输入化合物相似性分大于等于95%的化合物，可以左右滑动Similarity按钮下面的滑块进行修改，然后点击Similarity按钮。若只查询本化合物，则将相似性分设置为100%。
系统就会搜索出与输入化合物结构相似性大于指定值的化合物。
参考文献：Mendez D, Gaulton A, Bento AP, Chambers J, De Veij M, Félix E, Magariños MP, Mosquera JF, Mutowo P, Nowotka M, Gordillo-Marañón M, Hunter F, Junco L, Mugumbate G, Rodriguez-Lopez M, Atkinson F, Bosc N, Radoux CJ, Segura-Cabrera A, Hersey A, Leach AR. ChEMBL: towards direct deposition of bioassay data. Nucleic Acids Res. 2019; 47(D1):D930-D940. doi: 10.1093/nar/gky1075
