化合物数据库检索是药物发现和化学信息学的核心技能。 通过查询ChEMBL、PubChem、DrugBank等数据库， 可以快速获取化合物的SMILES结构、活性数据、 物化性质、药物信息等关键数据。
传统检索方式需要打开网页、搜索、筛选、下载、整理，找100个化合物至少要1天。 使用AI辅助检索，10分钟就能完成！
先明确你是想找某个靶点抑制剂、同类先导化合物，还是上市药的重定位线索，不同目标决定数据库与筛选阈值。
化合物名称、SMILES、InChIKey、CAS 号最好至少锁定两种标识，避免后面把同名不同结构或盐型当成同一个分子。
先定好要看 IC50、Ki、EC50 还是细胞实验结果，并写清 assay 类型、物种、靶点亚型，否则活性值很难横向比较。
如果目标是采购、对接、成药性评估或专利分析，最好一开始就把纯度、供应商、可购性和法规限制纳入筛选条件。
至少整理出化合物名称、数据库 ID、SMILES/InChIKey 和靶点信息，而不是只截一张网页搜索结果图。
把核心活性值、实验体系、文献来源和是否为确认性实验统一汇总，后续做 SAR 或优先级判断才有依据。
至少补齐分子量、LogP、HBD/HBA、TPSA 或其他你关心的类药性质指标，保证不同来源数据能放到同一张表里比较。
说明哪些分子适合继续做对接验证、采购验证或专利排查，以及它们为什么入选，避免检索结果停留在“找到很多分子”。
针对特定靶点（如EGFR、TP53）检索已知的抑制剂化合物，获取活性和结构数据
分析同类化合物的结构-活性关系（SAR），指导药物分子设计
查找已上市药物的新适应症，加速药物研发进程
查找化合物供应商信息，快速获取实验所需的化学试剂
生物活性分子数据库，含200万+化合物和1500万+活性数据
公共化合物数据库，含1.1亿+化合物和丰富的生物活性数据
药物信息数据库，含1.5万+药物和详细的药理数据
ChEMBL是最常用的药物活性数据库，包含IC50、Ki、EC50等活性数据， 每条数据都有文献来源。适合查找特定靶点的抑制剂化合物。
# 调用ChEMBL数据库技能 # 示例：检索EGFR抑制剂 "从ChEMBL检索EGFR抑制剂： - 靶点：EGFR (CHEMBL203) - 活性类型：IC50 - 活性阈值：<100nM 返回SMILES、活性值、文献来源" # 输出示例： # 346个化合物 # Erlotinib - IC50: 2.5nM - PMID: 12345678 # Gefitinib - IC50: 33nM - PMID: 23456789 # ...
💡 活性阈值选择：
• <100nM：高活性化合物，适合进一步研究
• 100-1000nM：中等活性，可作为起点
• >1μM：低活性，参考价值有限
建议根据具体靶点和研究目的调整阈值。
PubChem是NIH维护的公共数据库，除了结构信息，还包含丰富的 物化性质、毒性数据、专利信息和供应商信息。
# 调用PubChem数据库技能 # 示例：补充检索化合物信息 "用PubChem检索这些化合物的： - 物理化学性质（分子量、LogP、溶解度） - 安全性数据（毒性、致突变性） - 专利信息 - 供应商信息" # 输出示例： # Erlotinib # - MW: 393.4 Da # - LogP: 3.2 # - 供应商: Sigma-Aldrich, Selleckchem # - 专利: US5747558
DrugBank专注于已批准和实验性药物的详细信息， 包括适应症、作用机制、药代动力学、药物相互作用等。
# 调用DrugBank数据库技能 # 示例：查询已上市药物 "在DrugBank中查询哪些是已上市药物： - 药物名称和商品名 - 适应症和批准状态 - 作用机制（MOA） - 药代动力学（PK）参数" # 输出示例： # Erlotinib (Tarceva) # - 状态：FDA批准 # - 适应症：NSCLC, 胰腺癌 # - MOA：EGFR酪氨酸激酶抑制剂 # - PK: 口服，t1/2=36h
获取化合物结构后，可以进行骨架分析、官能团统计、类药性评估， 为药物设计提供参考。
# 调用结构分析技能（如RDKit） "分析这些化合物的结构特征： - 骨架分类（Bemis-Murcko） - 官能团统计 - 类药性评估（Lipinski规则） - 分子指纹生成" # 输出示例： # 骨架：喹唑啉（quinazoline） # 官能团：芳香胺、醚键、乙酰基 # Lipinski：5/5规则符合 # MW<500, LogP<5, HBD<5, HBA<10
📌 Lipinski规则（类药性五规则）：
• 分子量 ≤ 500 Da
• LogP ≤ 5（脂溶性）
• 氢键供体 ≤ 5
• 氢键受体 ≤ 10
符合这些规则的化合物更容易口服吸收。
假设我们想研究EGFR（表皮生长因子受体）的抑制剂，用于非小细胞肺癌治疗。
# ChEMBL检索 target = "EGFR" # 或使用靶点ID: CHEMBL203 activity_type = "IC50" threshold = 100 # nM # 检索结果 compounds = query_chembl(target, activity_type, threshold) # 返回346个化合物 # Top 5化合物： # 1. Erlotinib - IC50: 2.5 nM # 2. Afatinib - IC50: 0.5 nM # 3. Osimertinib - IC50: 1.2 nM # 4. Gefitinib - IC50: 33 nM # 5. Lapatinib - IC50: 11 nM
使用PubChem补充化合物的物理化学性质和安全性数据。
# PubChem批量查询 for compound in compounds: data = query_pubchem(compound.smiles) print(f"{compound.name}") print(f" MW: {data.molecular_weight}") print(f" LogP: {data.logp}") print(f" TPSA: {data.tpsa}") print(f" 溶解度: {data.solubility}") # 输出： # Erlotinib # MW: 393.4 Da # LogP: 3.2 # TPSA: 86.2 Ų # 溶解度: 0.34 mg/mL
使用DrugBank查询哪些化合物已经上市，获取临床信息。
# DrugBank查询 approved_drugs = [] for compound in compounds: info = query_drugbank(compound.name) if info.approved: approved_drugs.append(info) print(f"{info.name} ({info.brand_name})") print(f" 适应症: {info.indications}") print(f" 批准年份: {info.approval_year}") # 输出： # Erlotinib (Tarceva) # 适应症: NSCLC, 胰腺癌 # 批准年份: 2004 # # Gefitinib (Iressa) # 适应症: NSCLC # 批准年份: 2002
💡 药物重定位机会： 已上市药物的安全性已验证，可以探索新的适应症（药物重定位）， 这比从头开发新药更快捷、成本更低。
整合所有数据，生成完整的化合物报告。
# 生成汇总表格 report = pd.DataFrame({ '化合物': [c.name for c in compounds], 'SMILES': [c.smiles for c in compounds], 'IC50 (nM)': [c.ic50 for c in compounds], 'MW': [c.mw for c in compounds], 'LogP': [c.logp for c in compounds], 'Lipinski': [c.lipinski_pass for c in compounds], '已上市': ['是' if c.approved else '否' for c in compounds], '供应商': [c.suppliers for c in compounds] }) # 保存为Excel report.to_excel('EGFR_inhibitors.xlsx', index=False)
只看名称，不核对结构
同名异构体、前药、盐型和代谢物很容易混在一起，真正用于分析和实验的永远应该是标准化后的结构标识。
把不同实验体系的活性值直接比较
酶学、细胞、结合实验和不同物种数据混比，会让“最强化合物”结论失真，必须先分层看证据来源。
数据库命中就直接推进实验
能检索到不代表可买、可合成、可成药，至少还要过一轮性质过滤、供应商确认和文献复核。
忽视专利与法规边界
尤其是上市药重定位和热门靶点项目，专利状态、适应症范围和地区法规会直接影响后续研发可行性。
不同实验室测定的活性值可能有差异。 建议优先选择活性数据来自 reputable 期刊、使用标准实验方法的化合物。 注意实验条件（如细胞系、底物）的差异。
不同数据库可能使用不同的SMILES表示法（立体化学、互变异构等）。 使用前建议用RDKit标准化SMILES，确保结构一致性。
不同数据库使用不同的靶点标识符： ChEMBL用CHEMBL ID，UniProt用UniProt ID，NCBI用Gene ID。 使用前确保靶点ID正确映射。
使用化合物进行研发前，务必检查专利状态和法规限制。 已上市药物的专利可能仍在保护期内，仿制需遵守相关法规。
💡 代码包内含 README.md 文档，包含环境配置和运行说明。解压后即可使用。