J. Med. Chem. | 新药研发的“数据金矿”：药物数据库助力下一代药物研发，你用了么？

ChEMBL数据库汇总全球的药物信息，串联"适应症-靶点-结构"关联数据，便于研究人员筛选、快速锁定候选化合物，如老药新用、AI预测成药概率及临床试验分析如临床试验提前终止关键因素等。在之前的文章中有介绍过基于数据库进行芳（杂）环的骨架模拟编辑JMC｜Merck药物设计：分子编辑与芳杂环的突围

ChEMBL数据库网址：https://www.ebi.ac.uk/chembl/#

药物信息来源及示例

ChEMBL的药物数据来源为FDA橙皮书、EMA药品信息、USAN申请等，具有全面性与准确性。以盐酸吡格列酮（CHEMBL1715）为例，图中直观呈现了药物数据的完整维度：从基础信息（通用名、别名、化学结构）到核心属性（适应症、作用机制），再到安全与状态信息（警告、撤市记录），甚至包含前药活性成分等深度特征。

image.png

数据的标准化构建

分子层级关系构建

该数据库通过层级体系将盐型、溶剂合物、前药、ADC等不同形态的药物归为"家族"，确保同一药物的属性可聚合分析，避免数据碎片化。例如，以盐酸喷他佐辛为例（下图a），展现最简单的"给药形态-母药-活性成分"统一关系。

image.png

适应症和作用靶点

通过统计可视化，展现ChEMBL药物数据在适应症与靶点维度的分布规律，以数据分布直观呈现药物研发的重点方向与分子机制特征，为研发方向提供参考。

适应症的研发阶段分布

按研发阶段（max_phase 1-4）统计Top 20适应症，直观呈现不同阶段的研究热点。例如Phase 4药物中肿瘤相关适应症占比高，反映获批药物中肿瘤治疗药物的成熟度与临床需求集中度；而早期临床阶段则聚焦更多罕见病领域，体现反映"早期探索创新、后期聚焦刚需"的研发规律。

靶点的作用类型分布

按药物作用类型（抑制剂、激动剂、拮抗剂等）统计Top 20靶点，揭示药物-靶点相互作用的主流模式。例如抑制剂类药物集中作用于激酶靶点，这与激酶抑制剂在肿瘤、自身免疫病治疗中的广泛应用相符；而激动剂多靶向G蛋白偶联受体，反映这类受体在代谢调节、内分泌治疗中的核心地位，量化药物-靶点相互作用的主流模式。

药物生物安全性

聚焦药物安全数据，按毒性类型统计撤市药物与黑框警告药物的数量分布，量化药物安全风险的关键类型，为药物安全预测模型训练、临床风险评估提供标准化标注数据。

• 202种撤市药物的核心毒性诱因，其中心脏毒性、肝毒性占比最高（如特非那定因心脏毒性撤市），明确药物撤市的主要安全风险。
• 含黑框警告（严重/危及生命不良反应）的获批药物，神经系统毒性、胃肠道毒性等占比靠前（如罗格列酮马来酸盐因心脏毒性被标注黑框警告）。

image.png

研发阶段与数据来源

展示各阶段药物的数据来源分布，揭示ChEMBL数据"从临床候选到获批上市"的全生命周期覆盖特点，帮助用户根据研究场景选择数据源，例如检索获批药物优先参考FDA/EMA来源，检索早期候选药重点关注USAN/ClinicalTrials.gov数据。

image.png

分子特征：支撑"成药性评估"的关键属性

ChEMBL"适配研发需求"的分类原则：既覆盖小分子、生物制剂等全模态药物，又通过精准标注（如手性、分子类型）支撑剂型设计、安全性评估等环节，构建了分子属性的分类与可视化标准。通过视觉符号（颜色、图标）替代纯文本/编码，例如"彩色背景"可快速识别药物是否为前药或手性分子 。

前药与代谢途径的数据关联设计

通过两个实例，可视化呈现ChEMBL对前药与代谢数据的整理逻辑，解决前药研究中"活性形式不明确"的数据痛点，快速检索药物体内起效分子及实现"药物活性-代谢特征-安全属性" 的全链条数据整合：

• 以萘丁美酮（CHEMBL1070）为例，展示前药与体内活性成分（6-甲氧基-2-萘乙酸，CHEMBL1105）的对应关系，标注代谢转化路径。
• 呈现奥美拉唑（CHEMBL1503）的完整代谢网络，包括CYP酶介导的中间代谢物与终产物，标注各代谢物的ChEMBL标识符，形成"母药-中间产物-终产物"的关联链条。

image.png

药物研发的"时间-类型"演变趋势

• 折线图展示1939-2023年的累积药物数量，按"首次获批年份"与"USAN申请年份"分别绘制，2020-2023年呈现快速增长趋势，累计达6000余种。 饼图按时间阶段展示分子类型占比：早期以小分子为主，2010年后抗体、ADC、寡核苷酸等生物制剂占比显著提升（达25%）。

image.png

总结

• 药物重定位：老药新用的"捷径"

研究人员通过筛选ChEMBL中的适应症，可快速锁定候选化合物；

• AI 与机器学习：模型训练的"优质饲料"

ChEMBL的"结构-靶点-适应症"关联数据已成为AI制药的核心训练集：例如用药物适应症数据验证大语言模型的"分子-适应症翻译"能力，用撤市药物数据训练"毒性预测模型"；

• 临床试验分析：失败风险的"预警器"

通过整合ChEMBL的"研发阶段-靶点-安全数据"，可识别出"临床试验提前终止"的关键因素——例如针对心脏靶点的药物若缺乏早期毒性数据，其终止率较高，为立项决策提供数据支撑。