综述：ChEMBL：化学信息学与药物研发领域的 15 年璀璨征程

研究人员回顾 ChEMBL 15 年发展，发现其推动了化学信息学和药物研发，未来仍面临挑战。

　　

一、研究背景

在 21 世纪初，药物研发领域迎来了大变革时代。高通量筛选（HTS）技术蓬勃发展，化学合成自动化水平不断提高，科学界越发重视竞争前合作与数据共享，开放数据在加速药物研发中的价值也得到广泛认可。与此同时，人类基因组计划的推进，让人们对（潜在）药物靶点的遗传学知识有了大幅增长，对实验研究靶点的需求也日益迫切。一时间，大量生物活性数据如潮水般涌现，可这些数据分散、杂乱，缺乏有效的整理和规范，犹如一盘散沙，严重制约了药物研发的效率。

为了让这些数据 “各归其位”，发挥更大价值，研究人员迫切需要一个能系统收集、整理、标准化和存储生物活性数据的平台。ChEMBL 数据库应运而生，它承载着推动化学信息学和药物研发进步的使命，开启了长达 15 年的发展征程。该研究成果发表在《Journal of Cheminformatics》杂志上。

二、研究方法

研究人员通过全面梳理 ChEMBL 数据库的发展历程，分析其在不同阶段的数据收录情况、架构变化以及功能更新。同时，借助文献计量学方法，利用 PubMed API 检索提及 “ChEMBL” 的文章，分析相关研究的热点和趋势。此外，还对基于 ChEMBL 数据开展的一系列研究进行综合评估，探究其在各个领域的应用成果。

三、研究结果

1. ChEMBL 的发展历程：ChEMBL 起源于英国生物技术公司 Inpharmatica Ltd 的 “StARlite” 项目，2009 年在 EMBL-EBI 的支持下，以开放获取数据库的形式正式上线。最初，它主要聚焦于从 12 种期刊中提取的结构 - 活性关系（SAR）数据，涵盖约 2.6 万篇文献、33 万种不同的测定方法、5400 个靶点和 44 万种化合物。此后，其数据来源不断丰富，从直接数据提交到整合其他公共数据库，如 PubChem BioAssay 数据库的剂量 - 反应终点数据等。随着数据类型的增加，数据库架构也多次调整，从最初的 15 个面向公众的表格，逐步扩展到 ChEMBL 35 版本的 78 个表格，以适应新的数据需求，如引入唯一标识符、增加描述药物特性的字段等123。
2. 在化学信息学和药物研发中的作用：ChEMBL 为定量构效关系（QSAR）建模提供了丰富的数据支持，助力研究人员构建预测模型，探究化学结构与生物活性之间的关系。同时，它也推动了数据挖掘、预测建模和机器学习等新方法的发展。在计算毒理学领域，ChEMBL 的数据可用于构建预测模型，评估药物的潜在毒性。例如，通过分析特定脱靶的生物活性数据，预测药物对人体醚 - 去极化相关基因（hERG）或肝脏有机阴离子转运多肽（OATPs）的影响。此外，研究人员还能利用 ChEMBL 数据探索小分子的化学和生物相似性，推动化学相似性度量方法、靶点预测算法等领域的发展。而且，ChEMBL 对被忽视疾病的生物活性数据收集也发挥了重要作用，许多基于该数据库的研究聚焦于结核病、登革热和疟疾等疾病478。
3. 研究热点与趋势：通过文献计量学分析发现，使用 ChEMBL 数据的研究主要集中在分子相互作用、药物和靶点研究、抑制剂开发等领域。在研究方法上，对接 / 虚拟筛选、机器学习、QSAR 等技术应用广泛。近年来，随着新冠疫情的爆发，对传染病特别是 SARS-CoV-2 的研究成为热点56。

四、研究结论与讨论

ChEMBL 在过去 15 年里，已成为化学信息学和药物研发领域不可或缺的数据库。它不仅提供了高质量的生物活性数据，还在方法开发、多学科研究和 FAIR（可发现、可访问、可互操作、可重用）数据共享原则推进等方面发挥了关键作用。其数据助力研究人员探索化学空间，设计更安全有效的药物，攻克被忽视疾病的难题。

然而，ChEMBL 也面临着挑战。随着数据多样性的增加，处理不同类型的测定方法和实验条件变得越发复杂，数据库团队的工作负担也日益加重。为了更好地服务于机器学习应用，未来需要对测定方法进行更精确的注释。

总体而言，ChEMBL 凭借其开放协作和创新的理念，以及严格的数据整理标准，有望在全球范围内继续引领临床前生物活性数据和临床候选药物数据的发展，为化学与生物学的交叉研究持续加速，推动药物研发领域不断向前迈进。