DrugBank データベース

概要

DrugBankは、医薬品と医薬品標的に関する詳細情報を含む包括的なバイオインフォマティクスおよびケミインフォマティクスデータベースです。このスキルは、約9,591個の医薬品エントリ（FDA承認の小分子2,037個、バイオテク医薬品241個、栄養補助食品96個、実験化合物6,000個以上）を含むDrugBankデータへのプログラム的なアクセスを可能にし、各エントリあたり200以上のデータフィールドを提供します。

コア機能

1. データアクセスと認証

Pythonを使用してDrugBankデータをダウンロードし、適切な認証でアクセスします。このスキルは以下に関するガイダンスを提供します：

• drugbank-downloader パッケージのインストールと設定
• 環境変数または設定ファイルを使用した認証情報の安全な管理
• 特定のバージョンまたは最新バージョンのダウンロード
• XMLデータの効率的なオープンと解析
• パフォーマンス最適化のためのキャッシュデータの操作

使用時機：DrugBankアクセスの設定、データベースアップデートのダウンロード、初期プロジェクト設定。

参考資料：詳細な認証、ダウンロード手順、APIアクセス、キャッシュ戦略、トラブルシューティングについては、references/data-access.md を参照してください。

2. 医薬品情報クエリ

識別子、化学的性質、薬理学、臨床データ、外部データベースへの相互参照を含む包括的な医薬品情報をデータベースから抽出します。

クエリ機能：

• DrugBank ID、名前、CAS番号、またはキーワードで検索
• 基本的な医薬品情報の抽出（名前、タイプ、説明、適応症）
• 化学的性質の取得（SMILES、InChI、分子式）
• 薬理学データの取得（作用機序、薬力学、ADME）
• 外部識別子へのアクセス（PubChem、ChEMBL、UniProt、KEGG）
• 検索可能な医薬品データセットの構築とDataFrameへのエクスポート
• タイプ別の医薬品フィルタリング（小分子、バイオテク、栄養補助食品）

使用時機：特定の医薬品情報の取得、医薬品データベースの構築、薬理学研究、文献レビュー、医薬品プロファイリング。

参考資料：XML ナビゲーション、クエリ関数、データ抽出方法、パフォーマンス最適化については、references/drug-queries.md を参照してください。

3. 医薬品相互作用分析

薬物相互作用（DDI）を分析し、薬物警戒活動と臨床決定支援のための機序、臨床的意義、相互作用ネットワークを含みます。

分析機能：

• 特定の医薬品のすべての相互作用を抽出
• 双方向相互作用ネットワークの構築
• 相互作用を重症度と機序で分類
• 医薬品対間の相互作用を確認
• 最も多くの相互作用を持つ医薬品を特定
• ポリファーマシーレジメンの安全性を分析
• 相互作用マトリックスとネットワークグラフの作成
• 相互作用ネットワークのコミュニティ検出の実行
• 相互作用リスクスコアの計算

使用時機：ポリファーマシー安全性分析、臨床決定支援、医薬品相互作用予測、薬物警戒活動研究、禁忌の特定。

参考資料：相互作用抽出、分類方法、ネットワーク分析、臨床応用については、references/interactions.md を参照してください。

4. 医薬品標的と経路

標的、酵素、トランスポーター、キャリア、生物学的経路を含む医薬品とタンパク質の相互作用に関する詳細情報にアクセスします。

標的分析機能：

• アクション（阻害薬、アゴニスト、拮抗薬）付きの医薬品標的を抽出
• 代謝酵素（CYP450、Phase II酵素）を特定
• トランスポーター（取り込み、排出）を分析してADME研究に活用
• 医薬品を生物学的経路（SMPDB）にマップ
• 特定のタンパク質をターゲットにする医薬品を検出
• リポジショニングのための共有標的を持つ医薬品を特定
• ポリファーマコロジーとオフターゲット効果を分析
• 標的のGene Ontology（GO）用語を抽出
• UniProtとのタンパク質データの相互参照

使用時機：作用機序の研究、医薬品リポジショニング研究、標的特定、経路分析、オフターゲット効果の予測、医薬品代謝の理解。

参考資料：標的抽出、経路分析、リポジショニング戦略、CYP450プロファイリング、トランスポーター分析については、references/targets-pathways.md を参照してください。

5. 化学的性質と類似性

分子類似性検索、性質計算、部分構造検索、ADMET予測を含む構造ベースの分析を実行します。

化学分析機能：

• 化学構造の抽出（SMILES、InChI、分子式）
• 物理化学的性質の計算（MW、logP、PSA、水素結合）
• Lipinski's Rule of FiveおよびVeber's rulesの適用
• 分子間のTanimoto類似性を計算
• 分子フィンガープリントの生成（Morgan、MACCS、位相）
• SMARTSパターンを使用した部分構造検索の実行
• リポジショニング用の構造的に類似した医薬品を検出
• 医薬品クラスタリング用の類似性マトリックスの作成
• 経口吸収とBBB透過性を予測
• PCAとクラスタリングによる化学空間の分析
• 化学的性質データベースのエクスポート

使用時機：構造活性相関（SAR）研究、医薬品類似性検索、QSAR モデリング、医薬品適格性の評価、ADMET予測、化学空間探査。

参考資料：構造抽出、類似性計算、フィンガープリント生成、ADMET予測、化学空間分析については、references/chemical-analysis.md を参照してください。

典型的なワークフロー

医薬品発見ワークフロー

1. data-access.md を使用して最新のDrugBankデータをダウンロードしてアクセス
2. drug-queries.md を使用して検索可能な医薬品データベースを構築
3. chemical-analysis.md を使用して類似化合物を検出
4. targets-pathways.md を使用して共有標的を特定
5. interactions.md を使用して候補組み合わせの安全性を確認

ポリファーマシー安全性分析

1. drug-queries.md を使用して患者の医薬品を検索
2. interactions.md を使用してすべてのペアワイズ相互作用を確認
3. interactions.md を使用して相互作用重症度を分類
4. interactions.md を使用してリスクスコア全体を計算
5. targets-pathways.md を使用して相互作用機序を理解

医薬品リポジショニング研究

1. targets-pathways.md を使用して共有標的を持つ医薬品を検出
2. chemical-analysis.md を使用して構造的に類似した医薬品を検出
3. drug-queries.md を使用して適応症と薬理学データを抽出
4. interactions.md を使用して潜在的な併用療法の安全性を評価

薬理学研究

1. drug-queries.md を使用して対象医薬品を抽出
2. targets-pathways.md を使用してすべてのタンパク質相互作用を特定
3. targets-pathways.md を使用して生物学的経路にマップ
4. chemical-analysis.md を使用してADMET性質を予測
5. interactions.md を使用して潜在的な禁忌を特定

インストール要件

Python パッケージ

uv pip install drugbank-downloader  # コアアクセス
uv pip install bioversions          # 最新バージョン検出
uv pip install lxml                 # XML解析の最適化
uv pip install pandas               # データ操作
uv pip install rdkit                # 化学インフォマティクス（類似性用）
uv pip install networkx             # ネットワーク分析（相互作用用）
uv pip install scikit-learn         # ML/クラスタリング（化学空間用）

アカウント設定

1. go.drugbank.com で無料アカウントを作成
2. ライセンス契約に同意（学術利用は無料）
3. ユーザー名とパスワード認証情報を取得
4. references/data-access.md のドキュメント通りに認証情報を設定

データバージョンと再現性

再現可能な研究のため、常にDrugBankバージョンを指定してください：

from drugbank_downloader import download_drugbank
path = download_drugbank(version='5.1.10')  # 正確なバージョンを指定

公開と分析スクリプトで使用されたバージョンを文書化してください。

ベストプラクティス

1. 認証情報：環境変数または設定ファイルを使用し、ハードコードしない
2. バージョン管理：再現性のため正確なデータベースバージョンを指定
3. キャッシング：再ダウンロードと再解析を回避するためにパースされたデータをキャッシュ
4. ネームスペース：パース時にXMLネームスペースを適切に処理
5. 検証：使用前にRDKitで化学構造を検証
6. 相互参照：統合のため外部識別子（UniProt、PubChem）を使用
7. 臨床コンテキスト：相互作用データの解釈時に常に臨床コンテキストを考慮
8. ライセンス遵守：ユースケースに適切なライセンスを確保

参考資料

すべての詳細な実装ガイダンスはモジュール化された参考ファイルに整理されています：

• references/data-access.md：認証、ダウンロード、解析、APIアクセス、キャッシング
• references/drug-queries.md：XMLナビゲーション、クエリ方法、データ抽出、インデックス作成
• references/interactions.md：DDI抽出、分類、ネットワーク分析、安全性スコアリング
• references/targets-pathways.md：標的/酵素/トランスポーター抽出、経路マッピング、リポジショニング
• references/chemical-analysis.md：構造抽出、類似性、フィンガープリント、ADMET予測

特定の分析要件に基づいて、必要に応じてこれらの参考資料を読み込んでください。