信息速览
INFOBOX — CompTox Chemicals Dashboard 一屏速览
维度 内容 本质 化学品信息聚合门户（非单一实验数据集）——"一站式"检索化学身份、毒性、暴露与预测 运营 美国 EPA 计算毒理学与暴露中心（CCTE，原 NCCT），Research Triangle Park, NC 入口 https://comptox.epa.gov/dashboard ｜ API：https://api-ccte.epa.gov/docs/index.html 规模 v2.8（2026-03-17）1,376,722 种化学品（前一版 1,246,399，新增逾 13 万） 身份骨架 DSSTox：DTXSID（物质）＋ DTXCID（结构）＋ CASRN ＋ InChI/InChIKey 数据源 v2.8 表格列 20 条（细分约 23）：DSSTox、OPERA v2.6、ToxValDB v9.6.2、invitrodb v4.2、ToxRefDB v2.1、CPDat 4.0.0、HTTK v2.3… License 美国政府公共领域（open data）：无版权限制，商用/非商用皆免费 直系子条目 库内 EPA ToxCast（rid 194）＝面板生物活性模块后端；TOX21（rid 93） 同为 bioactivity 数据源 奠基论文 Williams et al. 2017, J Cheminform 9:61, doi:10.1186/s13321-017-0247-6 两类访问 交互 Web 面板（人）｜REST API + 批量下载（机） 核心价值 用统一化学身份把散落的毒理/暴露数据"接起来"，支撑 NAM、QSAR 与化学品优先排序 最大陷阱 把"面板"当"数据集"下载——真正建模数据在子源（invitrodb/ToxValDB…），版本需原文核对
§0 导读：这个"数据集"解决什么问题
Environmental chemistry（环境化学）与 toxicology（毒理学）领域长期面临一个尴尬的现实：数据不是不存在，而是散落、异构、无法对齐。同一个化学品，可能在 EPA 的 ToxCast 里有体外活性数据、在 ToxRefDB 里有动物毒性、在 ChemPROP 里有理化性质、在 CPDat 里有消费用途、在 NHANES 里有生物监测浓度——但这些数据各自存放在不同的数据库、不同的命名体系、不同的访问接口里。要把它们"对上话"，研究者往往要用 CAS 号手工比对、写一堆脆弱的字符串匹配脚本，稍不留神就把甲苯的数据接到了别的物质上。
CompTox Chemicals Dashboard（下称"面板"或 CCD）正是为这一痛点而生的。它是美国 EPA 计算毒理学与暴露中心（Center for Computational Toxicology and Exposure，CCTE）打造的化学品信息聚合门户——用一套统一的化学身份体系（DSSTox 的 DTXSID/DTXCID）当骨架，把 20 余个彼此独立的数据源"挂"在同一批化学品上，让使用者在一个界面里，围绕一个化学品，看到它的结构、理化性质、体外生物活性、动物毒性、毒性值、暴露估计与预测结果。
理解这个条目最重要的第一句话是：面板不是"一个数据集"，而是"许多数据集的统一入口"。 这个区别不是吹毛求疵。当你听到有人说"我下载了 CompTox 数据集"时，他很可能下的是 DSSTox 的化学结构快照、或是 invitrodb 的生物活性文件、或是 ToxValDB 的毒性值表——这些是面板背后的不同资产，各有各的版本、格式与更新节奏。把面板当成一个可以"一键下载"的静态数据集，是本条目要反复提醒的头号认知陷阱（详见 §6 与 §10）。
本条目面向几类读者：需要快速判断"某个化学品的毒性证据在哪"的环境健康研究者；要用 EPA 的开放毒理数据训练 QSAR 或 NAM（new approach methodologies，新方法学）模型的 ML 工程师；搭建化学品合规检索工具的数据工程团队；以及任何想知道"开放政府科学数据能做到什么程度"的从业者。全文按"它是什么 → 里面装了什么 → 怎么用 → 有什么坑"的顺序展开，所有硬数字均标注来源，双口径出入逐条存照。
一个直观的类比：如果 Tocris 或 ChEMBL 是"药品/生物活性的专卖店"，那么 CompTox Dashboard 更像是一座化学品信息的百货商场——它自己不生产大部分商品，而是把各家供应商（ToxCast、ToxValDB、CPDat…）的货架整合到同一个楼层导览图（DTXSID）之下，让你不必跑 20 个地方就能把一件化学品的前因后果看全。
0.1 为什么"计算毒理学"需要这样一个门户
要理解面板为何存在，需先理解计算毒理学（computational toxicology）这门学科的现实处境。
传统毒理学依赖动物实验：给动物喂食或涂抹化学品，观察其反应。这种方法可靠、被监管接受，但有两个致命局限：慢与贵。一种化学品做完整套毒性测试，往往要耗费数年与数百万美元。而现实世界中有数十万种化学品流通于市场与环境，其中绝大多数从未被完整测试。美国国家研究理事会（NRC）在 2007 年的报告中明确指出这条路走不通，主张转向"基于人类细胞与计算模型"的新方法——这就是 NAM（new approach methodologies，新方法学）的由来。
NAM 的核心逻辑是：与其用动物一个一个测，不如用数据与模型把化学品按风险排序，只对高风险者投入昂贵测试。但这一逻辑成立的前提，是所有相关数据（结构、理化、体外活性、暴露、既往毒性）能被整合到一起并可比。现实却是：这些数据散落各处、命名各异、格式不一。CompTox Dashboard 正是为消除这一障碍而建——把散落的数据接到统一身份之下，让"排序"这件事在数据层面成为可能。
因此，把面板理解为一个"技术产品"是不够的，它实质上是一项政策的执行载体：把 NRC 的愿景，变成一个可被每一位研究者调用的数据基础设施。
0.2 本文的三条阅读主线
- 是什么（§1-§2）：面板的定义、规模、身份体系与子源构成；
- 怎么用（§3-§6）：架构、功能分区、获取路径与许可；
- 用什么用、有什么坑（§7-§10）：生态影响、方法学启示、互链关系与避坑清单。
若你时间有限，可直读 INFOBOX 与 §10.3 的上手前检查清单。
§1 数据集速览：十问十答
Q1：这是什么类型的资源？
一个基于 Web 的化学品信息聚合门户（aggregation portal），配套 REST API 与批量下载能力。它不是单一实验数据集，而是"数据集的数据集"。运营方为美国 EPA 的 CCTE。
Q2：覆盖多少化学品？
截至最新 v2.8 版（官方 release notes 载 2026-03-17 发布），1,376,722 种化学品，较前一版的 1,246,399 新增逾 130,000。对照 2018 年 EPA fact sheet 与 2021 年快照页所载的"约 875,000 种"，可见八年间规模近乎翻倍——任何引用都必须锁定版本号。
Q3：核心的"身份骨架"是什么？
DSSTox 数据库（Distributed Structure-Searchable Toxicity database）。它为每种物质分配 DTXSID（物质级唯一标识，substance），为每种结构分配 DTXCID（结构级唯一标识，chemical），并维护与 CASRN、InChI/InChIKey、MS-Ready/QSAR-Ready 结构的映射。这是面板能把 20 余个异构数据源"接"到一起的粘合剂。
Q4：面板里到底聚合了哪些数据源？
v2.8 的 release notes 表格列出 20 条（按 CPDat 子标签细分则约 23 条）。代表性子源包括：DSSTox（身份）、invitrodb（ToxCast/Tox21 体外生物活性）、ToxValDB（毒性值）、ToxRefDB（动物毒性）、CPDat（化学用途）、OPERA/TEST（QSAR 预测）、ChemPROP（理化/环境归趋）、HTTK（高通量毒代动力学）、NHANES 生物监测、暴露预测模型等。
Q5：是公开还是受限？
完全公开。EPA 明文声明其计算毒理学数据属 “open data”，“free of all copyright restrictions, and fully and freely available for both non-commercial and commercial use”——即不受版权限制、商用非商用皆免费。这与许多需注册或申请的数据集形成鲜明对比。
Q6：怎么获取数据？
三条路：① 交互 Web 面板（人用，浏览/筛选/导出小规模结果）；② REST API（api-ccte.epa.gov，机器用，程序化只读取数，官方推荐替代大文件下载）；③ 批量下载与归档（chemical lists、SDF/CSV，以及 DSSTox/invitrodb 的 figshare DOI 快照）。
Q7：和库内已有的 ToxCast 条目是什么关系？
父子关系。 库内 toxcast（rid 194）描述的是面板背后 invitrodb 那个体外生物活性数据库；本条目描述的是把它们整合起来的那层门户。Tox21（rid 93）同理，既是独立条目，又是面板 bioactivity 模块的一个数据源。
Q8：有哪些"预测"数据混在里面？
有，且需小心。OPERA（v2.6）提供理化性质与毒性端点预测，TEST 提供毒性估计，面板中的暴露预测来自 SEEM/HTE 模型。这些是计算预测值，与实验测定值并存于同一条目下，使用时必须按来源字段区分。
Q9：适合谁用？
需要"一件化学品全貌"的环境健康/毒理研究者、要把 EPA 开放数据接进建模流水线的 ML 工程师、搭建合规与化学品检索工具的工程团队，以及开放科学数据的观察者。
Q10：最大的坑是什么？
把"门户"当"数据集"。你要建模，真正需要下载的是子源（invitrodb、ToxValDB…），且必须核对它们的版本。面板版本与子源版本并不同步（如面板 v2.7 内嵌 invitrodb v4.2，而 invitrodb 独立最新已到 v4.3）。
§2 数据构成与规格
2.1 规模、来源与身份体系
CompTox Chemicals Dashboard 的数据构成可以用"一个身份层 + N 个内容层"来概括。
身份层是 DSSTox。它不算"一个数据源"，而是整个面板的基石。DSSTox 为物质分配 DTXSID、为结构分配 DTXCID，并把它们与外部世界的标识符——CAS Registry Number（CASRN）、InChI/InChIKey、以及经标准化处理的 MS-Ready / QSAR-Ready 结构——建立映射。据 EPA 官网，DSSTox 的最新快照为 20241112_DSSTox（2024 年 11 月），可通过 figshare DOI 10.23645/epacomptox.5588566 获取，内含 ACD Names、MS-Ready 与 QSAR-Ready 结构。
内容层是 20 余个来源各异的数据源。EPA 官方 release notes 页面用一张表列明每个 Dashboard 版本对应的各数据源版本与快照日期。以最新 v2.8 为例，代表性条目及其快照如下（数字均取官方 release notes 表格）：
- DSSTox（含 ACD Names、MS-Ready、QSAR-Ready）——
20241112_DSSTox（2024-11） - PhysChem 与环境归趋/迁移性质——
20191118_ChemPROP（2019-11） - OPERA（QSAR 预测工具）——v2.6（2023-04）
- ACD/PERCEPTA（理化性质预测）——Percepta 2023.1.2（2024-10）
- ToxValDB（毒性值汇编）——v9.6.2（2025-04）
- ToxRefDB（动物毒性参考库）——v2.1（2022-08）
- invitroDB / ToxCast（体外高通量生物活性）——v4.2（2024-09）
- HTTr（高通量转录组）——
ro_httr_20220120（2022-01） - HTPP（高通量表型谱）——
res_htpp_u2os_acpra/res_htpp_u2os_toxcast（2024-05） - CPDat（化学与产品数据库，用于 Product & Use Categories、Chemical Weight Fraction、Chemical Functional Use 三个子标签）——v4.0.0（2024-03）
- HTTK（高通量毒代动力学 / IVIVE）——v2.3（2024-01）
- 生物监测——NHANES 派生文件（2024-04）
- 暴露预测——
General-Exposure-Predictions-2022-05-16（2022-05） - 生产量——
new2020ProductionVolumeData_longform.xlsx（2022-10）
双口径存照（数据源条目数）：官方 release notes 表格在 v2.8 下图列 20 条；若把 CPDat 支撑的三个子标签（Product & Use Categories / Chemical Weight Fraction / Chemical Functional Use）各计一条，则为约 23 条。本条目正文统一采用"20（细分约 23）"的写法，避免单选一口径造成误读。
2.2 化学品规模的数量级与历版演进
面板最醒目的硬数字是化学品总数，但它是高度版本敏感的。同期可查证的三个时点：
| 时点 | 化学品数 | 来源 |
|---|---|---|
| 2018-12 | 约 875,000 | EPA CompTox fact sheet（2018-12） |
| 2021 快照页 | 约 875,000 | 2021-01 快照版 Exploring ToxCast Data |
| v2.7（前） | 1,246,399 | 官方 release notes |
| v2.8（最新） | 1,376,722 | 官方 release notes（2026-03-17） |
从 2018 年到 2026 年，面板化学品数从约 87.5 万增至 137.67 万，增幅约 57%。这一增长主要来自 DSSTox 结构库的持续扩充（release notes 载历史版本曾单版新增约 300,000、37,000、17,000 等不同量级）。对使用者而言的实操含义是：任何写进论文或模型的规模数字，都必须同时锁定 Dashboard 版本号与数据快照日期，否则不同论文引用同一"CompTox Dashboard"却给出相差几十万的数字，会造成不可复现的困惑。
2.3 各子源本身的规模（内容层的"硬数字"）
门户虽然本身是"聚合器"，但其背后几个核心子源都有独立且可查证的规模，理解它们才能理解面板的体量。据 EPA “Downloadable Computational Toxicology Data” 页：
- ToxValDB（v9.7.0）：249,071 条记录，覆盖 41,855 种化学品（其中 27,068 种有明确化学结构），来自 51 个来源（74 张源表）——该版新增了 17 个来自州与联邦机构的新来源。（注：面板 v2.8 内嵌的是 v9.6.2。）
- ToxRefDB（v3.0，2025-08 发布）：>6,000 项 guideline/类 guideline 研究，覆盖 >1,000 种化学品，采用受控词表提升数据质量。
- invitroDB / ToxCast：invitrodb v4.1（2023-09）含 26 个 assay 来源、623 个 assay 平台、1,496 个归一化 assay readout、500+ 已映射基因靶点、9,559 种独特化学品（SOT 2024 摘要口径）。
- ACToR（Aggregated Computational Toxicology Resource）：聚合 >1,000 个全球公共来源，涵盖生产、暴露、存在、危害与风险管理信息。
- CERAPP（Collaborative Estrogen Receptor Activity Prediction Project）：基于 32,464 种化学结构构建 40 个分类模型与 8 个连续模型。
- CPDat（Chemical and Products Database）：把化学品映射到消费产品类型（如洗发水、肥皂）的使用/功能词表。
双口径存照（ToxCast 化学品数）：Dashboard chemical list（ToxCast_invitroDB_v3_5）载 9,550；SOT 2024 摘要（伴随 invitrodb v4.1）载 9,559。差异源于"化学列表快照"与"数据库独特化学物总数"两种统计口径。库内
toxcast（rid 194）条目已就此存照，本条目引用并注明口径。
2.3.1 子源逐一简介：面板背后的"二十个货架"
为让读者对"面板里到底有什么"有具象认识，下面把主要子源逐一说明其角色与定位。
DSSTox（身份层）——不是"内容源"而是"骨架"。它把物质（substance）与结构（chemical）分离建模，分配 DTXSID/DTXCID，并维护与 CASRN、InChI/InChIKey 的映射，同时产出 MS-Ready 与 QSAR-Ready 两类标准化结构。可以说，没有 DSSTox 就没有面板。
invitroDB / ToxCast / Tox21（体外活性）——面板 bioactivity 模块的后端。它汇集 ToxCast 与 Tox21 两个计划的体外高通量筛选数据，是 NAM 与体外毒性预测的核心数据源。细节见库内 toxcast（rid 194）。
ToxRefDB（动物毒性）——in vivo（体内）指南研究的结构化汇编，覆盖发育、生殖、慢性等端点，采用受控词表提升一致性。它为体外活性信号提供"体内印证"。
ToxValDB（毒性值）——庞大的毒性值与风险评估值汇编，被 NAM 开发者用于建立"计算毒理结果 vs 传统风险评估值"的对照。
CPDat（用途与产品）——把化学品映射到消费产品类型与功能用途词表，支撑暴露场景推断。
ChemPROP（理化与环境归趋）——提供熔点、沸点、水溶性、蒸气压、logP、亨利常数、生物降解性、环境半衰期等，是环境归趋与暴露建模的输入。
OPERA / TEST（QSAR 预测）——EPA 开源的理化与毒性端点预测工具。它们让面板在"实测缺失"时仍能给出估计，代价是引入"预测 vs 实测"混排的治理负担。
HTTK（高通量毒代动力学）——提供毒代动力学参数，配合 IVIVE（体外到体内外推）把体外有效浓度换算成体内暴露剂量。
HTTr / HTPP（新一代高通量）——高通量转录组与高通量表型谱，是面板中较新的组学与表型数据层。
ACToR（聚合毒理资源）——聚合 >1,000 个全球公共来源的元数据库，是面板"聚合哲学"的历史源头之一。
CERAPP（雌激素受体活性预测）——基于 32,464 种结构构建的分类与连续模型集合，是内分泌干扰物评估的重要资源。
这十来个源，加上生物监测（NHANES）、暴露预测、生产量等数据，构成了面板的"内容货架"。它们各自独立、各自版本、各自引用，却被 DTXSID 这条"主绳"串在一起——这正是 §3.1 要展开的三层架构。
2.3.2 数量级感知：137.6 万化学品是什么概念
为帮助读者建立数量级直觉：137.6 万种化学品的规模，大致相当于把 PubChem 收录物质的一部分、加上环境化学与毒理领域长期积累的登记物质整合在一起的量级。它远超任何单一实验数据集（例如 ToxCast 的约 9,559 种化学物、ToxRefDB 的 >1,000 种化学物），因为面板的化学品列表是身份库级的——只要 DSSTox 有身份记录就会出现在面板，即便该物质尚无任何实验数据。
这带来一个重要推论：“面板里有这个化学品"不等于"这个化学品有毒性数据”。绝大多数登记物质的数据是稀疏的，很多只有身份与预测值。真正拥有丰富实验数据的"数据丰富型"（data-rich）化学品是少数——这恰是毒理学"NRC 愿景"要解决的核心矛盾：大量化学品几乎没有毒理数据，需要用计算方法优先排序、定向测试。
2.4 版本链与"门户滞后"规律
CompTox Dashboard 自 2016 年 12 月 v1.0 首发以来，已迭代至 v2.8。理解版本链有一个关键规律：门户版本与子源版本不同步，门户通常滞后。这是因为子源（如 invitrodb）会独立发布新版本，而面板需等到下一次整体版本更新才把新版子源"接进来"。
最清晰的例证：面板 v2.7 的 release notes 数据源表载 invitrodb v4.2（2024-09）；而 EPA “Exploring ToxCast Data” 页在 2025-08 时点载 invitrodb 独立最新已到 v4.3。也就是说，同一时刻你在面板里看到的生物活性数据，可能比 invitrodb 官方最新版落后一个小版本。
这一规律带来明确的实操纪律：做可复现研究时，以子源的官方发布为准，而不是以面板显示的版本为准；面板适合"快速看一眼"，子源适合"锁定基线"。§6 会给出具体的获取决策路径。
2.5 与库内 ToxCast / Tox21 条目的边界
本条目与库内既有条目存在明确的范围边界，检索者务必分清：
toxcast（rid 194）描述的是 invitroDB 这个体外高通量生物活性数据库——它的 AC50、hitcall、cytotoxicity burst、tcpl 拟合模型等细节属于该条目。tox21（rid 93）描述的是 Tox21 计划的高通量筛选基准数据集。- 本条目（
comptox-dashboard）描述的是把上述（及其他十几个）子源整合到统一化学身份之下的门户层。
三者不是重复，而是"门户—模块—数据集"三层。用图书馆类比：ToxCast 是"生物活性"这一类书架，Tox21 是另一类书架，而 CompTox Dashboard 是整座图书馆的检索台与楼层导览图。若你想了解某化学品的 AC50 定义，应读 toxcast 条目；若你想了解"在哪里能一次查到某化学品的全部信息"，则应读本条目。
§3 架构与技术实现：一个门户是如何"接"起二十个源的
3.1 三层架构：身份层 / 内容层 / 访问层
CompTox Dashboard 的技术骨架可拆成三层。
第一层，身份层（DSSTox）。这是最底层也最关键的抽象。DSSTox 把"物质"（substance）与"结构"（chemical）分开建模：一个 DTXSID 对应一种物质（可能因盐型、水合态而在结构上对应多个 DTXCID），一个 DTXCID 对应一种明确化学结构。这种"物质—结构"分离的设计，解决了环境毒理学里一个真实难题：同一种活性成分，因成盐形式不同而在不同数据库里被记成不同的东西（例如某农药的钠盐与游离酸）。通过 DTXSID 归并、DTXCID 区分，面板得以在"物质"粒度上对齐所有数据源。
第二层，内容层（20 余个数据源）。每个数据源在面板上都表现为某个化学品条目的一个"模块"（module）或"标签页"（tab）。例如 bioactivity 模块背后是 invitrodb，toxicity values 模块背后是 ToxValDB，exposure 模块背后是暴露预测与生物监测数据。数据源各由不同的实验室、平台与年份生产，格式异构，靠身份层连接。
第三层，访问层（Web + API + 下载）。面板提供三种消费方式，对应不同粒度的需求——这与 §6 的获取路径直接相关。
3.2 化学身份解析：MS-Ready 与 QSAR-Ready 的意义
DSSTox 提供两类"标准化结构"，是它被建模圈青睐的核心原因：
- MS-Ready 结构（MS-Ready structures）：为质谱分析（mass spectrometry，MS）场景设计的"去多组分/去盐/去同位素"结构。非靶向筛查（non-targeted analysis）时，质谱检出的是一个"单一结构"，而数据库里存的是可能含多组分的"全物质"；MS-Ready 把物质拆成质谱可比对的结构单元，使检索能落位。
- QSAR-Ready 结构：为 QSAR 建模设计的单一、明确、可计算的结构。它剔除了混合物、聚合物、未知型（UVCB）等无法直接结构建模的实体，让建模者有干净的结构输入。
这两类结构的存在，让面板同时服务两种人：做质谱确证的分析化学家，和做结构-活性建模的计算毒理学家。术语提示：UVCB = substances of Unknown or Variable composition, Complex reaction products or Biological materials（未知或可变组成物质、复杂反应产物或生物材料），是 QSAR 建模中需要特别处理的一类"难缠"实体。
3.3 API 优先的设计哲学
EPA 在 2024 年 SOT 摘要中明确表达了访问方式的演进方向：让用户通过 API 程序化取数，避免下载大文件。原文指出：“Users will be able to avoid large data downloads by accessing invitrodb programmatically via an API. This provides the best read-only solution for users who require more flexibility than the CCD can provide.”
这背后是现实的工程考量。整个面板背后是 TB 量级的异构数据，让每个人下载一份既不经济也不利于版本治理。API（api-ccte.epa.gov）提供"按需取一小块"的能力，是数据分发现代化的正确方向。对 ML 工程师而言，这意味着接数据管道时优先考虑 API 而非整库下载——除非确实需要离线全量训练。
3.4 面板的更新与运维节奏
面板的运维有两个值得使用者了解的特征。
其一，版本化更新。 每次整体版本更新都伴随一份 release notes，逐条列出数据源版本、快照日期与本次修复。v2.8 的 release notes 除了规模增长外，还记录了"通过批量搜索下载关联物质（Related Substances）的功能已修复""批量搜索下载 ToxCast Assays AEDs 的功能已修复"等具体修复项。这份 release notes 是使用者核对版本的第一手资料。
其二，维护窗口。 面板会定期停机维护（本条目核验时 2026-10-16 即遇 “down for maintenance” 提示）。对生产系统而言，这是必须纳入设计的可用性因素——不要假设面板 7×24 可用，关键数据应通过 figshare 快照或 API 兜底。
3.5 数据模型：以化学品为中心的组织方式
CompTox Dashboard 的数据模型可以概括为"以化学品为中心"（chemical-centric）。打开任一化学品页，看到的是围绕该化学品聚合的所有维度：身份、结构、理化、活性、毒性、暴露、用途、预测。这种组织方式与"以数据源为中心"（先选数据库再查）形成对比：
- 数据源中心：研究者要先知道"我要查 ToxCast"，再去 ToxCast 的库里找；
- 化学品中心：研究者只需知道"我要查这个物质"，面板自动把各源信息聚到一起。
化学品中心的代价是使用者可能"看不到数据的来源边界"——这也是为什么面板必须在每个模块标明数据来源与版本。对使用者而言，养成"每看一个数字都留意其来源标签"的习惯，是用好面板的关键。
3.6 检索能力的层次
面板提供多层次的检索能力，从粗到细：
- 标识符检索：DTXSID、DTXCID、CASRN、InChI/InChIKey；
- 文本检索：首选名、同义词、系统名；
- 结构检索：精确结构匹配、子结构查询、相似性搜索；
- 列表检索：按官方预置的化学品列表（chemical lists，如 ToxCast_invitroDB 系列）浏览；
- 批量检索：上传一批标识符批量取回结果。
这种分层检索设计，让面板既能服务"我知道 CAS 号，直接查"的精确需求，也能服务"给我找结构相似的化学品"的探索需求。
§4 你能在面板里查到什么：功能分区导览
4.1 化学品检索与身份信息
面板的入口是化学品检索。你可以用 DTXSID、DTXCID、CASRN、名称、分子式、甚至结构（子结构/相似性）来定位化学品。每个化学品页的顶部会给出其身份信息：首选名、同义词、CASRN、InChI/InChIKey、分子式、以及 MS-Ready/QSAR-Ready 结构。这一层直接来自 DSSTox。
4.2 理化性质与环境归趋
来自 ChemPROP（PhysChem and Environmental Fate/Transport Properties，20191118 快照）的数据覆盖熔点、沸点、水溶性、蒸气压、辛醇-水分配系数（logP/Kow）、亨利常数、生物降解性、环境半衰期等。这些是环境归趋建模与暴露评估的输入参数。此外，OPERA v2.6 与 ACD/PERCEPTA 提供预测版的理化性质，在实验值缺失时作为补充——但必须按来源字段区分实测与预测。
4.3 体外生物活性（ToxCast / Tox21）
bioactivity 模块背后是 invitroDB。它呈现每个化学品在数百至上千个体外 assay 上的浓度-响应结果，包括 AC50（半最大活性浓度）、hitcall（命中判定概率）与细胞毒性标志。这一模块的细节、指标定义与版本陷阱，库内 toxcast（rid 194）条目已有详尽记载，本条目不重复展开，仅强调：面板里的 bioactivity 版本随面板版本滞后于 invitrodb 独立发布（见 §2.4）。
4.4 动物毒性（ToxRefDB）与毒性值（ToxValDB）
ToxRefDB（面板内 v2.1）提供体内（in vivo）guideline 研究数据——覆盖发育、生殖、慢性毒性等端点，采用受控词表提升一致性。ToxValDB（面板内 v9.6.2）则是庞大的毒性值与风险评估值汇编，其独立最新版 v9.7.0 已含 249,071 条记录、41,855 种化学品、来自 51 个来源。这两个模块是危害表征（hazard characterization）与风险评估的核心证据来源。
4.5 暴露、生物监测与 ADME
暴露类模块整合了：暴露预测模型（SEEM/HTE）的输出、NHANES 派生的生物监测数据（2024-04 快照）、生产量数据（2022 快照）、以及 HTTK（v2.3）提供的高通量毒代动力学参数。HTTK 的价值在于把"体外有效浓度"换算为"体内外暴露剂量"（IVIVE，in vitro to in vivo extrapolation），这是 NAM 从"活性信号"走向"风险判断"的关键一环。
4.6 化学用途与产品分类（CPDat）
CPDat v4.0.0 把化学品映射到消费产品类型与功能用途词表。例如它能告诉你某种化学品被用于哪些类别的消费品、其功能分类是什么。这一层支撑暴露途径推断：知道一个化学品用在洗发水里，就比只用理化性质更能推断人群暴露场景。
4.7 QSAR 预测（OPERA / TEST）
OPERA（v2.6）是 EPA 开发的开源 QSAR 工具套件，为理化性质与毒性端点提供预测。TEST（Toxicity Estimation Software Tool）提供毒性估计。面板将这些预测值与实测值并列展示，方便对比。使用纪律：预测值不是实测值，写入模型训练集前必须按来源字段筛选，否则会把"模型输出"当作"金标准标签"，污染训练。
4.8 分区能力小结：一表看清"哪个模块给什么"
| 模块 | 后端子源 | 提供的数据 | 典型用途 |
|---|---|---|---|
| 化学身份 | DSSTox | DTXSID/DTXCID/CASRN/InChI/结构 | 跨库对齐、身份确证 |
| 理化与环境归趋 | ChemPROP / OPERA / Percepta | 熔点、水溶性、logP、降解性等 | 环境归趋建模 |
| 体外生物活性 | invitroDB（ToxCast/Tox21） | AC50、hitcall、细胞毒性 | NAM、结构-活性 |
| 动物毒性 | ToxRefDB | 发育/生殖/慢性端点 | 危害表征 |
| 毒性值 | ToxValDB | 毒性值、风险评估值 | 风险对照 |
| 暴露与生物监测 | SEEM/HTE、NHANES | 暴露预测、生物监测浓度 | 暴露评估 |
| 毒代动力学 | HTTK | TK 参数 | IVIVE |
| 用途与产品 | CPDat | 产品类型、功能用途 | 暴露场景推断 |
| 组学与表型 | HTTr / HTPP | 转录组签名、表型谱 | 机制研究 |
| QSAR 预测 | OPERA / TEST | 性质与毒性预测值 | 数据补全 |
这张表是使用者"按需选路"的导航图：先确定你要哪类数据，再定位对应子源，最后按 §5 选择访问方式。
4.9 一个反直觉的点：数据丰富度极不均衡
面板登记了 137.6 万种化学品，但绝大多数只有身份数据。真正拥有丰富实验数据的化学品是少数——EPA 的 ToxCast 约 9,559 种、ToxRefDB 约 >1,000 种、ToxValDB 覆盖 41,855 种。也就是说，从"登记在册"到"有实验数据"之间存在巨大落差。理解这一点，才能正确解读面板的规模数字：137.6 万是身份库规模，不是实验数据规模。对使用者而言，这意味着面板在"某化学品有没有数据"这个问题上给出的答案，往往比"某化学品的数据是什么"更常见地是"没有/仅有预测"。
§5 如何获取与使用：三条访问路径实操
5.1 路径一：交互 Web 面板
适合"快速看一眼"。打开 comptox.epa.gov/dashboard，检索化学品，浏览各模块，导出小规模结果（如某列表的 CSV）。优点是零门槛；缺点是规模受限，不适合批量分析。
存照（访问时点）：本条目核验时（2026-10-16），面板首页返回"down for maintenance"维护提示，故交互细节由 EPA 官方静态页与 release notes 三源互证。面板会定期维护，属正常运维现象，不影响数据获取（API 与 figshare 快照独立可用）。
5.2 路径二：REST API（官方推荐）
对需要程序化取数的用户，EPA 推荐走 API：https://api-ccte.epa.gov/docs/index.html。它以只读方式提供对面板数据的访问，避免下载整库。2024 年 SOT 摘要明确将其定位为"the best read-only solution"。适合：接入自动化的数据管道、按需查询少量化学品、构建上层应用。
5.3 路径三：批量下载与归档快照
当你确实需要离线全量数据（如训练模型），应下载子源的官方快照而非"面板整体"：
- DSSTox 化学结构：figshare DOI 10.23645/epacomptox.5588566（含 ACD Names、MS-Ready、QSAR-Ready、SDF）
- invitrodb（ToxCast/Tox21 生物活性）：invitrodb 各版本 figshare DOI（如 v3.5 = 10.23645/epacomptox.6062623.v8）
- ToxValDB：10.23645/epacomptox.20394501（v9.7.0）及归档版本
- ToxRefDB：figshare 数据库包（github.com/USEPA/CompTox-ToxRefDB）
- 化学列表与归档：figshare project 32198（NCCT Chemistry Dashboard Data）
5.4 获取决策树（速记）
你的需求是什么？
├─ 查一两个化学品的全貌 ──────────► Web 面板（5.1）
├─ 程序化/自动化取数、少量查询 ──► REST API（5.2）
└─ 离线全量、训练模型 ────────────► 下载子源官方快照（5.3）
└─ 先问：我要的是身份(DSSTox)？活性(invitrodb)？
毒性值(ToxValDB)？动物毒性(ToxRefDB)？用途(CPDat)？
—— 锁定该子源的版本号，别用"面板版本"代替
5.5 三种访问方式的取舍矩阵
把三条路径放在一起横向对比，能帮你在具体场景下快速定型：
| 维度 | Web 面板 | REST API | 子源快照下载 |
|---|---|---|---|
| 使用者 | 人（研究者、合规人员） | 程序（管道、应用） | 程序（训练、离线分析） |
| 数据粒度 | 单化学品/单列表 | 按查询取小块 | 全库/全表 |
| 上手成本 | 最低 | 中（需读 API 文档） | 中高（需懂库表结构） |
| 规模上限 | 小（导出受限） | 中（受 API 配额与分页约束） | 大（受磁盘与算力约束） |
| 版本控制 | 随面板滚动 | 随服务滚动 | 冻结于快照日期 |
| 可复现性 | 低（面板会变） | 低-中 | 高（版本锁定） |
| 适用场景 | 探索、确证、导出样例 | 生产取数、自动化质检 | 模型训练、基准复现 |
一条实践经验：凡是写进论文或模型的数字，来源都应是"版本锁定的子源快照"，而不是面板上此刻显示的值。面板是"探照灯"，快照是"标本"——探照灯帮你找到标本，但你不能拿探照灯去做解剖。
5.6 一个最小的 API 取数示例（示意）
以下为调用 api-ccte.epa.gov 按 DTXSID 取化学身份信息的结构示意（非可运行代码，具体端点与鉴权以官方文档为准）：
GET https://api-ccte.epa.gov/chemical/search/equal/<DTXSID>
Header: x-api-key: <你的密钥> # 若该端点需要
Accept: application/json
# 返回：该物质的化学身份信息（首选名、CASRN、InChI、DTXSID/DTXCID 等）
提示：APA 的 CTX API 家族覆盖 chemical、bioactivity、exposure、hazard 等多个域。接入前先读
api-ccte.epa.gov/docs的端点清单，避免盲目拼接 URL。任何一次抓取失败最多重试一次，仍失败即改走快照或记为遗留疑点，切勿写循环重试（既浪费又可能触发限流）。
5.7 数据治理建议：把"版本"当作一等公民
无论走哪条路径，建议在下游系统中强制记录三件事：① 子源名称；② 子源版本号或快照日期；③ 取数时间戳。原因很直接——面板涉及的 20 余个子源更新节奏不一，若下游不记版本，半年后你无法回答"我这份训练集到底基于哪一版数据"。这一点在 §9 的方法学启示与 §10 的坑 2、坑 3 中会反复呼应。
§6 License 与获取：最"干净"的开放数据之一
6.1 公共领域：一句话讲清许可
CompTox Chemicals Dashboard 的许可条件简单到可以一句话说完：美国政府公共领域（public domain）开放数据，不受任何版权限制，商用与非商用皆免费。 EPA 官网原文表述为，其计算毒理学数据被视为 “open data”，“free of all copyright restrictions, and fully and freely available for both non-commercial and commercial use”（来源：EPA Downloadable Computational Toxicology Data 页）。
对使用者而言，这意味着：无需注册、无需申请、无需签署数据使用协议、不必担心商用限制。这在生物医学数据生态里是相当罕见的宽松——绝大多数数据集（含库内许多条目）都带 CC BY-NC、CC BY-NC-SA 或"upon request"之类的限制。CompTox Dashboard 在可获取性光谱上处于最开放的一端。
6.2 获取方式清单与版本链
| 资产 | 获取方式 | 版本/DOI |
|---|---|---|
| 面板本体（浏览） | comptox.epa.gov/dashboard | v2.8（2026-03-17） |
| REST API | api-ccte.epa.gov/docs/index.html | 持续更新 |
| DSSTox 身份库 | figshare | 20241112 快照，DOI 10.23645/epacomptox.5588566 |
| invitroDB（ToxCast/Tox21） | figshare / MySQL 包 | v4.2（面板内）；独立最新 v4.3 |
| ToxValDB | figshare | v9.6.2（面板内）／v9.7.0（独立最新） |
| ToxRefDB | figshare / GitHub | v2.1（面板内）／v3.0（独立 2025-08） |
| 归档化学数据 | figshare project 32198 | 历史映射与 SDF |
6.3 AI-Ready 评估：门户型资源的可用性得失
从"AI 就绪"角度看，CompTox Dashboard 的优势在于：
- 身份体系（DTXSID）为跨源对齐提供了机器可读的键，天然适合做知识图谱与数据融合；
- API 优先的设计便于程序化接入；
- 公共领域许可扫清了商用与再分发障碍；
- MS-Ready / QSAR-Ready 结构直接适配质谱分析与结构建模两类下游任务。
局限则在于：
- 门户层本身不是"训练集"——它没有统一的表格化特征矩阵，建模者仍需自行从子源抽取；
- 20 余个子源量纲、单位、置信度不统一，跨源拼接需要大量清洗；
- 预测值与实测值混排，标签治理需谨慎；
- 面板维护窗口与版本滞后，给"稳定复现"带来运营层面的摩擦。
综合判断：这是一份极高价值的"数据枢纽"，但它的 AI-readiness 体现为"连接能力"而非"开箱即用的训练集"。把它当作 data hub 而非 dataset，评估结论才站得住。
6.4 与库内可获取性光谱的对照
在千方库内，数据可获取性从"完全公开"到"请求制"分布。CompTox Dashboard 与 toxcast（rid 194）、tox21（rid 93）同属 EPA 公共领域谱系，处于最开放端；而库内不少临床数据集带 CC BY-NC 或机构申请限制。若你在做需要可商用、可再分发的化学品/毒理建模，EPA 系数据（含本条目）是无摩擦的优选。
§7 生态与影响：一个"枢纽"如何支撑整个 NAM 运动
7.1 与 21 世纪毒性测试愿景的谱系
CompTox Dashboard 的诞生有一个明确的思想源头：美国国家研究理事会（NRC）2007 年报告《Toxicity Testing in the 21st Century: A Vision and a Strategy》。该报告主张用基于人类细胞与计算模型的方法逐步替代传统动物试验，即今天所说的 NAM。要让这一愿景落地，前提是"数据必须能被整合与复用"——而这恰恰需要一座像 CompTox Dashboard 这样的枢纽。因此，面板不只是工具，更是"NRC 愿景 → 联邦实践"的关键基础设施。
7.2 对 QSAR 与 NAM 建模的支撑
面板聚合的 DSSTox 结构 + OPERA/TEST 预测 + invitrodb 活性 + HTTK 毒代动力学，构成了一条从"结构"到"体外活性"再到"体内剂量推断"的完整链条。研究者可据此开发与验证 NAM：用体外活性信号预测危害，用 HTTK 做 IVIVE，用 ToxValDB 做基准对照。库内 openadmet-expansionrx（rid 1110）等 ADMET 建模条目，在方法学上与面板的 ADME/HTTK 模块同源呼应。
7.3 在下游 ML 基准中的地位
面板本身不是基准，但它的子源催生了多个被广泛使用的 ML 基准：
- ToxCast → MoleculeNet ToxCast 子集（8,575 分子 × 617 任务，ROC-AUC，scaffold split）；
- Tox21 → MoleculeNet Tox21 子集（12 任务基准）。
库内 moleculenet（rid 113）作为下游基准套件条目，与面板构成"上游数据源—下游基准"的引用链。做分子毒性预测的模型（D-MPNN、GROVER、Uni-Mol 等）多数在 Tox21/ToxCast 上报告成绩，而这些数据的原始来源正是面板背后的 EPA 数据库。
7.4 跨库互操作与 DTXSID 的价值
面板对数据生态最深远的影响，是DTXSID 作为跨库连接键的扩散。越来越多的第三方数据源（文献挖掘、代谢组学、非靶向筛查）在发布时附带 DTXSID，以便与 EPA 数据对齐。这意味着 DTXSID 正在成为环境化学与毒理领域的"通用身份证号"——这种身份基础设施的价值，往往比任何单一实验数据都更持久。
7.5 对化学品管理与合规的支撑
在监管侧，面板为 TSCA（Toxic Substances Control Act，有毒物质控制法）框架下的化学品评估、化学品优先排序（prioritization）与替代品评估提供数据支撑。EPA 自身在表述面板价值时就强调，其数据与模型"有助于识别最需要进一步测试的化学品，并减少化学品测试中的动物使用"。
7.6 与同类国际资源的横向对照
CompTox Dashboard 并非孤例，把它放到国际同行中比较，能更清楚它的独特位置：
| 资源 | 运营方 | 定位 | 与面板的关系 |
|---|---|---|---|
| CompTox Dashboard | 美国 EPA | 化学品信息聚合门户 | 本条目 |
| PubChem | 美国 NIH/NCBI | 化学结构与生物活性巨型库 | 身份可经 CAS/InChI 互查；CID 与 DTXSID 可映射 |
| ChEMBL | EMBL-EBI | 药物发现生物活性库 | 活性数据域互补 |
| ECHA CHEM | 欧盟 ECHA | REACH 注册物质信息 | 监管域并行，覆盖欧洲物质 |
| OECD eChemPortal | OECD | 全球化学品危害信息入口 | 互为入口，均做"聚合" |
| NORMAN / MassBank | 欧洲/日本 | 非靶向筛查质谱库 | 与面板 MS-Ready 结构呼应 |
可以看出，EPA 的差异化在于**“开放式聚合 + 公共领域许可 + API 优先"三者叠加**。OECD eChemPortal 同样做聚合，但多指向各监管机构原始页；PubChem 体量更大但更偏"化学-生物活性”；而面板在"环境毒理 + 暴露 + 预测"这一组合上较为完整，且许可最宽松。
7.7 对非靶向筛查与暴露科学的推动
面板的 MS-Ready 结构对非靶向筛查（non-targeted analysis，NTA）社区意义重大。环境样品的高分辨质谱会检出成千上万个"特征峰"，如何把峰对应到具体化学品是核心难题。面板提供的 MS-Ready 结构让筛查软件可以把峰与"去盐/去多组分后的可比对结构"对齐，显著提升注释命中率。这一能力通过 Suspect Screening 工作流被环境分析化学界广泛使用，是面板"润物无声"式影响力的典型体现。
7.8 数据的下游再分发与衍生
由于面板数据处于公共领域，它被大量第三方平台再分发与衍生：R/Python 的化学品信息客户端、非靶向筛查软件的内置库、QSAR 平台的训练数据、以及各类化学品合规数据库。这种"无摩擦再分发"是公共领域许可的红利——它让 EPA 的投入产生了远超单一机构的杠杆效应。对使用者而言，这也意味着你手中的"CompTox 数据"可能经过了多层衍生，追本溯源回到 EPA 原始版本仍是保障质量的关键。
§7.9 一个具体的整合场景：从结构到风险
为把面板的价值讲得具体，这里给出一个端到端的整合场景——评估某新型替代化学品"X"的潜在健康风险：
- 身份定位：在面板中按结构检索 X，获得其 DTXSID/DTXCID，确认物质与结构身份。
- 理化与环境归趋：读取 ChemPROP 实测值（或 OPERA 预测值，标为预测）——判断其水溶性、持久性与生物累积倾向。
- 体外活性：查看 invitroDB 模块，看 X 在哪些 assay 上呈阳性、AC50 为多少，并关注是否有细胞毒性 burst（提示非特异性）。
- 毒代动力学：用 HTTK 参数做 IVIVE，把体外有效浓度推算到人群暴露剂量。
- 暴露：结合 CPDat 判断 X 的使用场景，结合暴露预测模型估计人群暴露。
- 危害基准对照：用 ToxValDB 找同类化学品的毒性值作参照。
- 优先排序：综合以上，判断 X 是否需要进一步测试或限制。
这个场景说明：面板的价值不在于提供某一个"答案数字"，而在于让这条推理链的每一环都能在同一身份体系下拿到可信数据。它把"跨 20 个数据库东拼西凑"的工作，压缩成"在一个门户里逐模块取数"。
§7.10 面向不同用户的价值总结
同一座门户，对不同角色价值不同。分角色归纳如下：
对毒理/环境健康研究者：面板是"一站式文献替代"——不用再逐个访问各数据库，一个界面拿到化学品的多维证据链。核心价值是省时与可比。
对 ML / QSAR 工程师：面板是"数据入口"，但其价值在于其身份层——DSSTox 的 DTXSID 让来自不同源的数据可以被可靠对齐。工程师应把它当"数据目录"而非"数据本身"。
对数据工程师：面板的 API 设计（API 优先、只读取数）是良好实践范本；其"门户 ≠ 数据集"的分层设计也值得在自建数据产品时借鉴。
对合规与监管人员：面板提供化学品危害与暴露信息的快速检索，支撑优先排序与合规判断，且因公共领域许可而可无摩擦嵌入内部工具。
对开放科学观察者：面板是"公共领域 + API 优先 + 长期运营"的政府数据范例，值得作为"开放数据如何产生杠杆效应"的案例研究。
§7.11 面向 NAM 政策落地的意义
面板并非孤立的 IT 系统，它是 EPA 落实"减少动物测试、推进 NAM"政策的关键数据基础设施。EPA 官方表述强调其数据与模型"有助于识别最需要进一步测试的化学品，并减少化学品测试中的动物使用"。换句话说，面板的存在使得"用计算方法先筛选、只对高风险化学品做动物测试"这条政策路径在操作层面可行——没有统一的数据整合，优先排序就无从谈起。
从这个角度看，面板的意义超出了"工具"范畴：它是美国联邦在化学品安全监管范式转型上的一项基础设施投资。理解了这一层，才能理解为什么 EPA 愿意长期、持续地投入资源维护一个免费开放的数据库。
§8 方法学启示：可迁移的经验
8.1 "身份先行"是数据整合的第一性原理
面板最值得学习的，不是它聚合了多少数据，而是它先解决身份、再谈内容的顺序。在整合任何异构数据集时，最大的成本从来不是存储或算力，而是"这条记录和那条记录是不是同一个东西"。DSSTox 用 DTXSID/DTXCID 把这个问题前置解决，后续所有数据源的接入都变得机械。这条经验可迁移到任何多源数据融合项目：先建统一键，再接内容层。
值得强调的是"物质—结构"分离这一设计细节。许多数据整合项目失败，恰恰因为把"物质"与"结构"混为一谈：同一活性成分的钠盐与游离酸在结构上不同、在物质角色上却是同一活性物。DSSTox 用 DTXSID 管物质、DTXCID 管结构，才让"归并"与"区分"两件事得以同时正确。
8.2 "门户 ≠ 数据集"的边界意识
面板刻意做了"聚合器"而非"大一统数据集"。它不强行把 20 个源熔成一张表，而是保留各源独立性、只在其上做检索与展示。这种设计的代价是使用者需要自己理解子源边界，但好处是各源可以独立演进、独立版本、独立引用。对数据产品设计者的启示：并非所有整合都要"熔成一张宽表"，保留边界有时是更稳健的选择。
8.3 API 优先与"读时取数"的可持续性
EPA 明确转向 API 优先、避免整库下载，体现了现代数据分发的可持续思维。当数据体量达到 TB 级且频繁更新时，"分发大文件"的旧模式既浪费带宽又制造版本混乱，“按需取数”（read-time retrieval）才是正解。这对任何维护大型数据集的组织都值得借鉴。
8.4 公共领域许可的杠杆效应
面板选择公共领域许可，而非"署名-非商业"之类的限制性协议，产生了显著的杠杆效应：第三方可以无摩擦地再分发、再加工、嵌入商业产品。结果是 EPA 的数据投入被无数下游应用放大。这条经验对数据发布方是一个值得深思的选择题：限制性许可保护了控制权，却抑制了采用；公共领域放弃了控制，却换来了生态。CompTox Dashboard 是"选择生态"的成功案例。
8.5 对写作者的启示：先问"边界"再问"内容"
撰写与评估任何数据资源时，第一问不应是"它有多少数据"，而应是"它的边界在哪"——它是数据集还是门户？是原始数据还是再分发？是实验还是预测？CompTox Dashboard 恰好是一个边界易被误解的资源：它太像"数据集"，以至于使用者不自觉地把它当数据集对待。把边界问清楚，后续所有评估都变得可靠。这也是本条目反复强调"门户 ≠ 数据集"的原因。
8.6 可迁移的"枢纽型资源"评估清单
综合以上，给出一份评估"枢纽型数据资源"的清单，读者可套用于任何类似资源：
- 身份键是什么？ 是否有一个稳定的跨源连接键（如 DTXSID）？
- 内容源有哪些？版本如何？ 是否可查证每个源的版本与快照日期？
- 访问层如何？ 有没有 API、是否支持批量、粒度如何？
- 许可是什么？ 公共领域、CC、还是请求制？能否商用？
- 门户与源是否同步？ 是否存在"面板版本滞后子源"的问题？
- 预测与实测是否分离？ 混排时如何区分？
- 稳定性如何？ 有无维护窗口、限流、单点依赖？
- 可复现基线在何处？ 应冻结哪一个快照作为基线？
这八问，正是本条目从 §2 到 §7 逐一回答的内容。
§9 与库内条目的关系
9.1 家族图谱
在千方库内，本条目处于 EPA 计算毒理学数据家族的门户位置：
- 直系子条目：
toxcast（rid 194）——面板 bioactivity 模块的后端数据库；tox21（rid 93）——同为 bioactivity 数据源的计划级数据集。 - 同域化学/生物活性：
chembl（rid 85/572）、pubchem-pcba（rid 86）、drugbank（rid 89/571）、drugcentral（rid 344）、drugtargetcommons（rid 1080）。 - 下游 ML 基准：
moleculenet（rid 113）——含 ToxCast/Tox21 子集的基准套件。 - ADMET 建模同源：
openadmet-expansionrx（rid 1110）。
9.2 检索路径建议
想了解某化学品的体外活性细节 ──────► toxcast（rid 194）
想了解 Tox21 计划与 12 任务基准 ────► tox21（rid 93）
想了解"在哪里一次查到化学品全貌" ──► 本条目（comptox-dashboard）
想了解分子毒性预测基准成绩 ────────► moleculenet（rid 113）
想了解化学结构与生物活性对照 ──────► pubchem-pcba（rid 86）/ chembl（rid 85）
9.3 互链价值分析：为什么这个条目值得链出去
在知识图谱意义上，comptox-dashboard 是一个枢纽节点（hub node）——它的价值不在于自身数据的深度，而在于它能同时连接"上游身份体系"与"下游应用"。把它与库内条目互链，能显著提升检索者"从一个点走到全领域"的效率：
- 链到
toxcast（194）：从"门户"直达"最有价值的子数据集"； - 链到
tox21（93）：覆盖另一个核心 HTS 计划； - 链到
moleculenet（113）：从"上游数据源"走到"下游 ML 基准"，形成完整引用链； - 链到
pubchem-pcba（86）/chembl（85）：让检索者理解 EPA 系资源在更广化学品信息生态中的位置。
9.4 边界再申明（防止内容重复维护）
需要强调：本条目不重复展开任何子源的技术细节。AC50 的定义、hitcall 的计算、cytotoxicity burst 的判定、tcpl 的拟合模型——这些属于 toxcast（194）；Tox21 的 12 任务与基准成绩——属于 tox21（93）；MoleculeNet 的 617 任务与排行榜——属于 moleculenet（113）。本条目只描述"这些子源如何被门户整合、如何被访问"。这一分工避免了库内多条目重复维护同一批数字而随时间漂移的问题。
9.5 若你是新读者：三条推荐阅读顺序
- 先读本条目：建立"EPA 化学品数据是一个门户、包含多个子源、身份骨架是 DSSTox"的整体认知；
- 再读
toxcast（194）：理解其中最重要的子数据集（体外生物活性）的细节与陷阱； - 需要建模时读
moleculenet（113）：了解如何把这些数据用于 ML 基准与模型评测。
§10 避坑清单：十二个已踩过的坑
坑 1：把"门户"当"数据集"下载。
最常见的误解。CompTox Dashboard 是聚合门户，没有一个叫"CompTox 数据集"的单一下载物。你要建模，需要下的是子源（DSSTox/invitrodb/ToxValDB…）。避坑：先明确你需要哪类内容（身份/活性/毒性值/用途），再锁对应子源。
坑 2：规模数字不带版本。
"CompTox 覆盖 87.5 万/124 万/137.6 万种化学品"这三个数字在不同年份都对。不锁版本引用，论文之间无法对齐。避坑：写规模必同时写版本号（如 v2.8）与快照日期。
坑 3：用了"面板内版本"当子源基线。
面板 v2.7 内嵌 invitrodb v4.2，而 invitrodb 独立最新已是 v4.3。若你以面板显示版本为准做可复现研究，会与直接引用 invitrodb 的论文对不上。避坑：可复现基线以子源官方发布为准。
坑 4：把预测值当实测值。
OPERA/TEST 的预测理化性质与毒性端点，和实验测定值混排在同一化学品的不同字段里。若不分来源直接取用，会把模型输出当金标准。避坑：按来源字段筛选，建模时只取实测或明确标为预测。
坑 5：跨源直接比较数值。
20 余个子源来自不同平台、年份、量纲。把 A 源的活性值与 B 源的活性值不加换算直接比大小，是典型错误。避坑：比较前核对单位与实验条件，必要时做标准化。
坑 6：忽视 MS-Ready / QSAR-Ready 的适用差异。
MS-Ready 结构是为质谱比对设计的（去多组分/去盐），QSAR-Ready 是为结构建模设计的（单一明确结构）。用错类型会导致检索或建模的系统性偏差。避坑：质谱场景用 MS-Ready，建模场景用 QSAR-Ready。
坑 7：无视维护窗口与 API 限流。
面板会定期维护（本条目核验时即遇 “down for maintenance”）。若把面板作为生产系统唯一数据源，维护窗口会打断你的流水线。避坑：关键数据用 figshare 快照 + API 双通道，避开单点依赖。
坑 8：DTXSID 未做映射就跨库连接。
第三方数据若只带 CASRN 或名称而无 DTXSID，直接按字符串连接会因同义名/CAS 变体而错配。避坑：跨库连接优先用 DTXSID；无 DTXSID 时先做身份解析（可借面板 API 反查）。
坑 9：把"面板里能查到"误当成"数据已实验验证"。
面板会把预测值（OPERA/TEST）与实测值并列。看到一个数值就当作实验结论，是隐蔽错误。避坑：永远先看数值的来源标签，预测值须明确标注。
坑 10：忽略 UVCB 与混合物在建模中的特殊性。
面板中相当一部分物质是 UVCB 或混合物，无法用单一结构表示。把它们当作单一化合物送进 QSAR 模型会导致系统性错误。避坑：建模前用 QSAR-Ready 结构筛选，排除或特殊处理 UVCB。
坑 11：引用 DOI 时错把"面板版本 DOI"当"通用 DOI"。
DSSTox 与 invitrodb 各版本有各自的 figshare DOI（例如 invitrodb v3.5 = 10.23645/epacomptox.6062623.v8）。引用时若不带版本后缀，读者无法定位到你实际用的那一版。避坑：DOI 连同版本号一起引。
坑 12：以为"公共领域"就等于"无需引用"。
公共领域指版权层面无限制，但学术规范仍要求引用来源。不标注出处既不专业，也让结果无法追溯。避坑：即便法律上不必，也务必按学术惯例标注 EPA 与具体子源版本。
§10.1 与库内最相似条目的差异化声明（消歧）
为免检索者把本条目与库内 EPA 系条目混淆，此处明确消歧（说明写正文，不进 relatedLink，遵循 R012 纪律）：
- 与
toxcast（rid 194）：toxcast 是数据集级条目，讲 invitroDB 的 AC50/hitcall/cytotoxicity/tcpl 拟合；本条目是门户级，讲聚合架构、身份体系与获取路径。二者为"模块 vs 门户"关系，不重复、可互链。 - 与
tox21（rid 93）：tox21 讲 Tox21 计划与 12 任务基准；本条目仅把 Tox21 作为面板的一个 bioactivity 数据源提及。 - 与
moleculenet（rid 113）：moleculenet 是下游 ML 基准套件（含 ToxCast/Tox21 子集）；本条目是上游数据门户。二者为"数据源 vs 基准"关系。 - 与
pubchem-pcba（rid 86）/chembl（rid 85）：三者同为化学品-生物活性资源，但 PubChem/ChEMBL 各自独立建库，身份体系不同；本条目专指 EPA 门户，身份骨架为 DSSTox。
一句话记忆：本条目回答"EPA 的化学品信息都收在哪、怎么拿"，而不是"某个具体数据集的内容细节"。
§10.2 检索者最常见的五个误会
- 误会一：“CompTox 是一个可以下载的 CSV。”——它没有单一 CSV；所谓"CompTox 数据"实为多个子源文件的集合。
- 误会二：“面板里的化学品数就是固定的。”——数字随版本剧烈变化，需锁版本。
- 误会三：“面板版本 = 子源版本。”——面板常滞后于子源（见附录 E）。
- 误会四：“里面全是实验数据。”——预测值与实测值并存，须按来源区分。
- 误会五：“公共领域所以随便用，不用标注。”——法律自由≠学术免引用。
§10.3 一份"上手前检查清单"
在你第一次把 CompTox Dashboard 用于实际项目前，建议逐条确认：
- [ ] 我明确知道我要的是哪类数据（身份/理化/活性/毒性值/暴露/用途）？
- [ ] 我知道对应的子源是哪一个（DSSTox/invitrodb/ToxValDB/ToxRefDB/CPDat…）？
- [ ] 我记录了该子源的版本号或快照日期？
- [ ] 我区分了预测值与实测值，并对来源打标？
- [ ] 我的访问方式（面板/API/快照）与我的数据规模匹配？
- [ ] 我为"面板维护窗口"准备了兜底方案（快照）？
- [ ] 我的跨库连接用了 DTXSID 而非字符串名称？
- [ ] 我按学术规范准备好了引用（面板版本 + 子源版本 + 取数日期）？
若这八项都能打勾，你基本避开了本条目列出的全部常见坑。
§10.4 与子源条目的分工声明
为避免重复维护，本条目与 toxcast（194）、tox21（93）的分工如下：
| 主题 | 归属条目 |
|---|---|
| 门户架构、身份体系、获取路径、许可 | 本条目 |
| invitroDB 的 AC50/hitcall/cytotoxicity/tcpl | toxcast（194） |
| Tox21 计划、12 任务基准 | tox21（93） |
| MoleculeNet 基准与排行榜 | moleculenet（113） |
凡属子源条目的细节，本条目仅作"索引式提及"，不复制数字。
§10.5 最后一道提醒
把所有提醒浓缩成一句：当你要为某个具体数字负责时，请回到它的原始子源与版本；当你要理解 EPA 化学品数据"整体长什么样"时，请看这个门户。 门户给你地图，子源给你标本——两者配合，才是正确用法。
§11 总结
11.1 三句话总结
- CompTox Chemicals Dashboard 是一个化学品信息聚合门户，不是单一数据集——它用 DSSTox 的 DTXSID/DTXCID 身份体系，把 20 余个异构毒理/暴露数据源接到同一批化学品上。
- 规模随版本剧烈变化（2018 约 87.5 万 → 2026 v2.8 共 1,376,722 种化学品），引用必须锁定版本与快照日期。
- 它是美国公共领域开放数据，无版权限制、商用免费，并已全面转向 API 优先的取数方式。
11.2 适合谁
- 需要"一件化学品毒理全貌"的环境健康与毒理研究者；
- 要把 EPA 开放毒理数据接入建模流水线的 ML/QSAR 工程师；
- 搭建化学品合规、检索或非靶向筛查工具的数据工程团队；
- 研究开放科学数据基础设施与 NAM 政策落地的学者。
11.3 不适合谁
- 想要"开箱即用训练集"的人——本条目是枢纽不是训练集，须自行从子源抽取与清洗；
- 需要临床患者级数据的人——面板是化学品导向，不含个体患者记录；
- 需要稳定无维护中断的生产数据源的人——须自建快照兜底。
11.4 30 秒决策卡
| 你的问题 | 答案 |
|---|---|
| 这是什么？ | EPA 化学品信息聚合门户（CCTE 运营） |
| 多大？ | v2.8 共 1,376,722 种化学品 × 20 余源 |
| 怎么拿？ | Web 面板 / REST API（推荐）/ 子源 figshare 快照 |
| 能商用吗？ | 能，美国政府公共领域 open data |
| 直系子条目？ | toxcast（rid 194）、tox21（rid 93） |
| 头号坑？ | 把"门户"当"数据集"，且不锁版本 |
FAQ（高频问答 24 问）
A. 基础认知
Q1：CompTox Dashboard 是一个数据集吗？
不是严格意义上的单一数据集，而是一个化学品信息聚合门户（aggregation portal），底层由 20 余个彼此独立的数据源构成。
Q2：谁在运营？
美国 EPA 的计算毒理学与暴露中心（Center for Computational Toxicology and Exposure，CCTE），前身为 National Center for Computational Toxicology（NCCT），位于北卡罗来纳州 Research Triangle Park。
Q3：什么时候上线的？
v1.0 于 2016 年 12 月首发，奠基论文为 Williams et al. 2017（J Cheminform 9:61）。当前最新为 v2.8（2026-03-17）。
Q4：CCD 这个缩写指什么？
CompTox Chemicals Dashboard，官方与社区常用缩写。
Q5：它和 ToxCast 什么关系？
ToxCast 的体外活性数据库（invitroDB）是面板 bioactivity 模块的后端之一。库内 toxcast（rid 194）描述那个数据库，本条目描述整合门户。
Q6：它和 Tox21 什么关系？
Tox21 计划的高通量筛选数据被并入 invitroDB，因而也通过面板展示。库内 tox21（rid 93）为独立条目。
B. 数据与获取
Q7：覆盖多少化学品？
最新 v2.8 为 1,376,722 种；但此数字随版本变化，引用须锁版本。
Q8：数据是免费的吗？
是。美国政府公共领域 open data，无版权限制，商用非商用皆免费。
Q9：需要注册或申请吗？
不需要。面板、API 与 figshare 快照均无需注册或申请。
Q10：怎么程序化取数？
用 REST API：https://api-ccte.epa.gov/docs/index.html。EPA 官方推荐其作为只读取数方案。
Q11：怎么批量下载？
下载子源的官方快照：DSSTox（figshare 10.23645/epacomptox.5588566）、invitrodb、ToxValDB、ToxRefDB 等，而非"面板整体"。
Q12：有 MySQL 数据库包吗？
有。invitroDB 提供 MySQL 数据库包，配合 tcpl R 包使用（细节见 toxcast 条目）。
Q13：面板打不开怎么办？
可能是维护窗口（本条目核验时 2026-10-16 即遇维护）。此时可改用 API 或 figshare 快照。属正常运维。
Q14：数据多久更新一次？
面板整体版本不定期更新（v1.0 2016 → v2.8 2026），子源更新频率各异。以官方 release notes 为准。
C. 内容与使用
Q15：里面有哪些类型的毒性数据？
体外生物活性（invitroDB）、动物毒性（ToxRefDB）、毒性值与风险值（ToxValDB）、QSAR 预测（OPERA/TEST）。
Q16：有暴露数据吗？
有。暴露预测模型输出、NHANES 生物监测、生产量数据、CPDat 用途分类等。
Q17：HTTK 是什么？
高通量毒代动力学（high-throughput toxicokinetics），用于把体外有效浓度换算为体内暴露剂量（IVIVE）。
Q18：MS-Ready 结构和普通结构有何不同？
MS-Ready 为质谱比对设计，做了去多组分/去盐/去同位素处理，适配非靶向筛查。
Q19：QSAR-Ready 结构是什么？
为结构建模设计的单一明确结构，剔除混合物、聚合物与 UVCB，适配 QSAR。
Q20：预测值和实测值怎么区分？
按数据来源字段区分。OPERA/TEST/暴露模型输出为预测，标有对应来源；实验测定值来自具体实验源。
Q21：能拿它训练模型吗？
可以，但需自行从子源抽取、清洗并对齐版本。面板本身不是训练集。
Q22：DTXSID 有什么用？
它是跨库连接化学品身份的"通用身份证号"，让不同数据源能按物质对齐。
D. 边界与注意
Q23：它包含患者数据吗？
不包含。面板是化学品导向，无个体患者记录。
Q24：有什么必须注意的？
三点：别把它当单一数据集；规模数字必须锁版本；可复现研究以子源官方版本为准。
E. 进阶与工程
Q25：DTXSID 和 DTXCID 到底差在哪？
DTXSID 标识"物质"（可能含盐型/水合态等多种结构变体），DTXCID 标识"结构"（单一明确化学结构）。做物质级整合用前者，做结构级建模用后者。
Q26：怎么把 PubChem 的 CID 和面板的 DTXSID 对上？
可经 CASRN 或 InChI/InChIKey 做桥接，也可用面板 API 反查。注意同义名与 CAS 变体会造成误配，桥接后应抽样核验。
Q27：面板的数据能直接喂给机器学习模型吗？
不能直接喂。面板是门户，没有统一的特征矩阵。你需要自行从子源抽取、清洗、对齐版本，并区分预测值与实测值。
Q28：为什么不同论文引用的"CompTox 化学品数"相差几十万？
因为版本不同。2018 年约 87.5 万，v2.8 为 137.6 万。不锁版本的引用必然对不上。
Q29：面板会定期维护吗？会影响使用吗？
会维护（本条目核验时 2026-10-16 即遇维护）。对生产系统有影响，建议用快照兜底、API 辅助。
Q30：公共领域数据引用时需要标注吗？
法律上无需许可，但学术规范要求标注来源与版本。请按惯例引用 EPA 及具体子源。
Q31：ToxCast 和 Tox21 在面板里怎么区分？
两者数据都并入 invitroDB，通过 bioactivity 模块展示。计划层面 Tox21 是多机构协作、ToxCast 是 EPA 主导，细节见各自条目（rid 93 / 194）。
Q32：面板里有药代动力学数据吗？
有，通过 HTTK（v2.3）提供高通量毒代动力学参数，用于 IVIVE。
Q33：如何判断某个化学品"数据丰富"还是"数据稀疏"？
看它各模块是否有实测数据。多数登记物质只有身份与预测值，属数据稀疏；少数有丰富实验数据的为 data-rich。
Q34：面板支持结构检索吗？
支持，包括精确结构、子结构、相似性检索，基于 DSSTox 结构库。
Q35：MS-Ready 结构适用于哪些分析场景？
主要适用于质谱（尤其高分辨质谱）非靶向/疑似物筛查，用于把检出的特征峰与可比对结构对齐。
Q36：如果 API 抓取失败怎么办？
最多重试一次；仍失败则改走 figshare 快照或记为遗留疑点，切勿写循环重试。
事实清单（硬事实 32 条）
- 官方名：CompTox Chemicals Dashboard（CCD）。
- 运营方：US EPA Center for Computational Toxicology and Exposure（CCTE）。
- 位置：Research Triangle Park, NC（109 T.W. Alexander Drive，Mailcode D143-02）。
- v1.0 首发于 2016 年 12 月。
- 奠基论文：Williams et al. 2017，J Cheminform 9:61，doi:10.1186/s13321-017-0247-6。
- 最新版本：v2.8，官方 release notes 载 2026-03-17 发布。
- v2.8 化学品总数：1,376,722。
- 前一版化学品总数：1,246,399。
- v2.8 新增化学品：逾 130,000。
- 2018 年 fact sheet 载面板覆盖约 875,000 种化学品。
- 2021 年快照页同样载约 875,000 种。
- DSSTox 最新快照：20241112_DSSTox（2024-11）。
- DSSTox 提供 DTXSID（物质）与 DTXCID（结构）标识。
- DSSTox 提供 MS-Ready 与 QSAR-Ready 结构。
- 面板 v2.8 release notes 数据源表列 20 条（细分约 23 条）。
- invitrodb（ToxCast）在面板 v2.7/v2.8 中为 v4.2（2024-09）。
- invitrodb 独立最新为 v4.3（2025-08，据 Exploring ToxCast Data 页）。
- ToxValDB 面板内版本为 v9.6.2（2025-04）。
- ToxValDB 独立最新 v9.7.0 含 249,071 记录、41,855 化学品（27,068 有结构）、51 源、74 源表。
- ToxRefDB 面板内版本 v2.1（2022-08）。
- ToxRefDB 独立最新 v3.0（2025-08）含 >6,000 研究、>1,000 化学品。
- OPERA 面板内版本 v2.6（2023-04）。
- CPDat 面板内版本 v4.0.0（2024-03）。
- HTTK 面板内版本 v2.3（2024-01）。
- HTTr 快照：ro_httr_20220120（2022-01）。
- HTPP 快照：res_htpp_u2os_acpra / res_htpp_u2os_toxcast（2024-05）。
- ACToR 聚合 >1,000 个全球公共来源。
- CERAPP 基于 32,464 种化学结构。
- License：美国政府公共领域 open data，无版权限制，商用非商用免费。
- API 入口：https://api-ccte.epa.gov/docs/index.html。
- DSSTox figshare DOI：10.23645/epacomptox.5588566。
- 库内直系子条目：toxcast（rid 194）、tox21（rid 93）。
术语表（28 条）
- CompTox Dashboard / CCD：EPA 计算毒理学化学品面板，化学品信息聚合门户。
- CCTE：Center for Computational Toxicology and Exposure，EPA 计算毒理学与暴露中心。
- NCCT：National Center for Computational Toxicology，CCTE 前身。
- DSSTox：Distributed Structure-Searchable Toxicity database，EPA 的化学身份与结构库。
- DTXSID：DSSTox Substance Identifier，物质级唯一标识。
- DTXCID：DSSTox Chemical Identifier，结构级唯一标识。
- CASRN：CAS Registry Number，化学物质登记号。
- InChI / InChIKey：IUPAC 国际化学标识符及其哈希键。
- MS-Ready 结构：为质谱比对标准化的结构（去多组分/去盐）。
- QSAR-Ready 结构：为结构-活性建模标准化的单一明确结构。
- invitroDB：存放 ToxCast/Tox21 体外生物活性数据的关联数据库。
- ToxCast：EPA 体外高通量毒性筛选计划。
- Tox21：联邦多机构 Tox21 高通量筛选计划。
- ToxRefDB：Toxicity Reference Database，动物毒性参考数据库。
- ToxValDB：Toxicity Values Database，毒性值汇编数据库。
- CPDat：Chemical and Products Database，化学品-产品数据库。
- OPERA：EPA 开源 QSAR 预测工具套件。
- TEST：Toxicity Estimation Software Tool，毒性估计工具。
- ChemPROP：面板中的理化性质与环境归趋数据源。
- HTTK：High-Throughput Toxicokinetics，高通量毒代动力学。
- HTTr：High Throughput Transcriptomics，高通量转录组。
- HTPP：High Throughput Phenotypic Profiling，高通量表型谱。
- ACToR：Aggregated Computational Toxicology Resource，聚合毒理资源库。
- CERAPP：Collaborative Estrogen Receptor Activity Prediction Project。
- NAM：New Approach Methodologies，新方法学（替代动物试验）。
- IVIVE：In Vitro to In Vivo Extrapolation，体外到体内外推。
- UVCB：Unknown or Variable composition, Complex reaction products or Biological materials。
- TSCA：Toxic Substances Control Act，美国有毒物质控制法。
附录
附录 A：条目信息速查卡
| 字段 | 内容 |
|---|---|
| slug | comptox-dashboard |
| 官方名 | CompTox Chemicals Dashboard（CCD） |
| 运营方 | US EPA CCTE |
| 类型 | 化学品信息聚合门户（非单一数据集） |
| 规模 | v2.8：1,376,722 种化学品 × 20 余数据源 |
| 身份体系 | DSSTox（DTXSID/DTXCID/CASRN/InChI） |
| License | 美国政府公共领域 open data |
| 获取 | Web 面板 / REST API / 子源 figshare 快照 |
| 直系子条目 | toxcast（194）、tox21（93） |
| 奠基论文 | Williams et al. 2017, J Cheminform 9:61 |
附录 B：DAIMS 评估全表
DAIMS（Data And Information Management System / 数据资产成熟度评估框架）用于横向比较库内数据资源的"AI 就绪度"。本条目按七维打分（1-5 分）：
| 维度 | 评分 | 说明 |
|---|---|---|
| D1 可获得性（Availability） | 5 | 公共领域全开放，无注册无申请，商用免费 |
| D2 可互操作（Interoperability） | 5 | DTXSID 统一身份键，跨源跨库连接能力强 |
| D3 可加工性（Actionability） | 4 | API 优先，程序化友好；但子源异构需清洗 |
| D4 规模与代表性（Scale） | 5 | 137.6 万化学品，覆盖极广 |
| D5 标注质量（Annotation Quality） | 4 | 多源权威，但为聚合异构源，质量不均 |
| D6 文档与可复现（Documentation） | 4 | release notes 详载各源版本；面板版本滞后子源 |
| D7 稳定性（Stability） | 4 | 长期运营稳定；有维护窗口与版本漂移 |
| 综合 | 4.4 / 5 | 极高价值的开放数据枢纽；扣分主要在子源异构与门户-子源版本差 |
评估口径说明：DAIMS 综合分为七维算术平均，用于库内横向排序而非绝对定论。
附录 C：逐项证据链自证
| 事实 | 来源 URL |
|---|---|
| 化学品总数 v2.8=1,376,722、数据源表、各源版本 | https://www.epa.gov/comptox-tools/comptox-chemicals-dashboard-release-notes |
| 公共领域 license、ToxValDB/ToxRefDB/ACToR/CERAPP 规模、下载入口 | https://www.epa.gov/comptox-tools/downloadable-computational-toxicology-data |
| 2018 覆盖约 875,000、Rusty Thomas 联系人 | https://www.epa.gov/sites/production/files/2018-12/documents/comptox_factsheet_dec2018.pdf |
| invitrodb v4.1 细节（9,559 化学品、26 源、623 平台、1,496 readout） | https://assessments.epa.gov/risk/document/&deid=360705 |
| Dashboard 覆盖约 875,000（2021 口径）、ToxCast 数据获取 | https://19january2021snapshot.epa.gov/chemical-research/exploring-toxcast-data_.html |
| ToxCast_invitroDB_v3_5 化学列表、9,550 | https://comptox.epa.gov/dashboard/chemical-lists/ToxCast_invitroDB_v3_5 |
附录 D：数据获取决策树
需求粒度？
├─ 单个化学品全貌 ─────► Web 面板
├─ 程序化少量取数 ─────► REST API（api-ccte.epa.gov）
└─ 离线全量建模 ───────► 子源快照
├─ 化学身份 ──────► DSSTox（figshare 5588566）
├─ 体外活性 ──────► invitrodb（ToxCast/Tox21）
├─ 毒性值 ────────► ToxValDB
├─ 动物毒性 ──────► ToxRefDB
└─ 用途分类 ──────► CPDat
※ 一律锁定子源版本号，勿用"面板版本"替代
附录 E：子源版本对照表（面板内 vs 独立最新）
| 子源 | 面板内版本 | 独立最新版 | 备注 |
|---|---|---|---|
| DSSTox | 20241112 快照 | 同 | 面板与独立一致 |
| invitroDB | v4.2（2024-09） | v4.3（2025-08） | 面板滞后 |
| ToxValDB | v9.6.2（2025-04） | v9.7.0 | 面板滞后 |
| ToxRefDB | v2.1（2022-08） | v3.0（2025-08） | 面板明显滞后 |
| OPERA | v2.6（2023-04） | — | 以官方为准 |
| CPDat | v4.0.0（2024-03） | — | 以官方为准 |
附录 F：核心链接速查
附录 G：跨库连接规范建议
- 优先使用 DTXSID 作为跨库连接键；无 DTXSID 时先经面板 API 反查补全。
- 连接前做身份归一（去盐、去同位素、去多组分），必要时用 MS-Ready/QSAR-Ready 结构。
- 记录所用子源版本与快照日期，写入数据集卡片。
- 对预测值与实测值分别打标，避免污染训练标签。
附录 H：坑点档案（与 §10 对照）
| 编号 | 坑 | 一句话对策 |
|---|---|---|
| 坑 1 | 门户当数据集 | 明确需求→下子源 |
| 坑 2 | 规模不锁版本 | 版本号+快照日期一起写 |
| 坑 3 | 面板版本当基线 | 可复现以子源官方为准 |
| 坑 4 | 预测当实测 | 按来源字段筛选 |
| 坑 5 | 跨源直接比较 | 先核单位与条件 |
| 坑 6 | MS/QSAR-Ready 混用 | 质谱用 MS、建模用 QSAR |
| 坑 7 | 无视维护/限流 | 快照+API 双通道 |
| 坑 8 | DTXSID 未映射 | 先做身份解析再连接 |
| 坑 9 | 能查到≠已实验验证 | 看来源标签 |
| 坑 10 | 忽略 UVCB/混合物 | 建模前用 QSAR-Ready 筛选 |
| 坑 11 | DOI 不带版本 | DOI 连版本号一起引 |
| 坑 12 | 公共领域=免引用 | 按学术惯例标注来源 |
附录 I：CompTox 生态时间线
| 年份 | 事件 |
|---|---|
| 2007 | NRC 发布《Toxicity Testing in the 21st Century》报告，奠定 NAM 思想 |
| 2007 起 | ToxCast 计划启动 |
| 2016-12 | CompTox Chemicals Dashboard v1.0 首发 |
| 2017 | Williams et al. 论文（J Cheminform 9:61）发表 |
| 2018-12 | EPA fact sheet：面板覆盖约 87.5 万种化学品 |
| 2019 | Grulke et al. DSSTox 论文（Comput Toxicol）发表 |
| 2019-05 | invitrodb v3.2 快照（list 9,224 化学品） |
| 2022-08 | invitrodb v3.5 公共发布（list 9,550 化学品） |
| 2023-09 | invitrodb v4.1（9,559 化学品、26 源、623 平台） |
| 2024-09 | invitrodb v4.2 作为面板 v2.7 数据源 |
| 2025-08 | invitrodb v4.3 独立发布；ToxRefDB v3.0 发布 |
| 2026-03-17 | 面板 v2.8 发布，化学品数达 1,376,722 |
附录 J：术语中英对照速查
| 中文 | 英文 | 说明 |
|---|---|---|
| 计算毒理学 | computational toxicology | 用计算方法研究化学品毒性 |
| 聚合门户 | aggregation portal | 整合多源数据的统一入口 |
| 物质标识符 | substance identifier | DTXSID |
| 结构标识符 | chemical identifier | DTXCID |
| 新方法学 | new approach methodologies (NAM) | 替代动物试验的体外/计算方法 |
| 体外到体内外推 | in vitro to in vivo extrapolation (IVIVE) | 剂量换算 |
| 高通量筛选 | high-throughput screening (HTS) | 自动化批量筛选 |
| 非靶向筛查 | non-targeted analysis (NTA) | 质谱未知物筛查 |
| 理化性质 | physicochemical properties | 物理化学参数 |
| 环境归趋 | environmental fate | 化学品在环境中的去向 |
| 危害表征 | hazard characterization | 危害性质描述 |
| 优先排序 | prioritization | 化学品测试优先级 |
| 未知或可变组成物质 | UVCB | 难建模实体 |
| 数据丰富型 | data-rich | 有较多实验数据的化学品 |
附录 K：常见任务的数据选路速查
| 任务 | 首选子源 | 访问方式 |
|---|---|---|
| 化学品身份确证 | DSSTox | API / 面板 |
| 结构-活性建模 | DSSTox + invitroDB | 快照下载 |
| 体外活性预测 | invitroDB | 快照 / API |
| 危害基准对照 | ToxValDB | 快照 |
| 动物毒性回顾 | ToxRefDB | 快照 / GitHub |
| 暴露场景推断 | CPDat | 快照 |
| 剂量外推 | HTTK | 快照 |
| 非靶向筛查注释 | DSSTox（MS-Ready） | 快照 / 面板 |
| 分子毒性 ML 基准 | invitroDB → MoleculeNet 子集 | 见 moleculenet 条目 |
附录 L：引用规范模板
撰写论文或技术文档时，建议按以下模板标注本资源及其子源：
数据来源：U.S. EPA. CompTox Chemicals Dashboard, Version 2.8 (released 2026-03-17).
Center for Computational Toxicology and Exposure. https://comptox.epa.gov/dashboard
子源：<名称>, version <版本号>, snapshot <快照日期>.
获取自 <figshare DOI 或 API 端点>, 于 <取数日期> 检索。
要点：面板版本、子源版本、快照日期、取数日期四项齐备，才构成可复现的引用。
附录 M：遗留疑点（核验过程存照）
- Williams et al. 2017 论文精确卷期页（J Cheminform 9:61）未在本轮网络预算内二次实抓确认，标为低置信，待核。
- 面板首页在核验时点（2026-10-16）处于维护状态，交互细节由 EPA 静态页与 release notes 三源互证。
- v2.8 release notes 数据源表格的条目计数（20 vs 细分约 23）以官方页面原始呈现为准。
- invitroDB 在面板内与独立发布之间的确切版本对应，逐年可能变化，引用时须逐版核对 release notes。
§12 补充说明：门户型资源的引用规范与常见误用
12.1 为什么"门户型条目"需要单独的引用规范
库内绝大多数条目描述的是单一数据集——一个压缩包、一份 CSV、一个 HuggingFace 仓库。引用方式相对直接：给出仓库地址 + 版本/tag + 取数日期即可。CompTox Dashboard 不同：它是一个聚合门户，其内容由二十余个子源在不同时间点"接入"，且门户版本与子源版本不同步。这意味着，同一句"数据来自 CompTox Dashboard"，在不同时间点指向的可能是完全不同的数据快照。
因此，门户型资源的引用规范必须比单一数据集更严格。核心原则是：引用到子源层，而不是停在门户层。
12.2 引用模板（三层递进）
| 引用精度 | 模板 | 适用场景 |
|---|---|---|
| 粗粒度 | CompTox Chemicals Dashboard, accessed 2026-10-16 | 仅作资源指路，不涉及具体数值 |
| 中粒度 | CompTox Dashboard v2.8 (release notes 日期), accessed 2026-10-16 | 描述门户整体能力、模块构成 |
| 细粒度（推荐） | ToxValDB v9.7.0, in CompTox Dashboard v2.8, accessed 2026-10-16 | 引用任何具体毒性数值、记录条数 |
只有第三种精度才具备真正的可复现性。当审稿人或下游同事质疑某个数字时，细粒度引用的回答路径是明确的：去 ToxValDB v9.7.0 查；粗粒度引用的回答路径则是模糊的——“去面板上找找看”。
12.3 四类常见误用
误用一：把门户规模当作数据规模。 如前文所述，137.6 万种化学品是身份库规模，不等于"137.6 万种化学品都有毒性数据"。真正的 data-rich 化学品只是少数。把身份库规模写进论文当"数据量"，是最高频的误用。
误用二：忽略门户滞后。 假设 invitrodb 已发布新版，但门户尚未接入。此时从面板取到的数据是旧版。若下游不记录子源版本，半年后将无法解释为何"用同一路径取数却得到不同结果"。
误用三：把预测值与实验值混为一谈。 面板同时提供 OPERA 预测值与实测毒性值，二者在界面上的呈现可能邻近。混用会直接污染 QSAR 训练集的标签质量——预测值不能当作实验真值来训练或评估模型。
误用四：跨越版本拼接数据。 例如用 v2.6 的 ToxCast 活性值与 v2.8 的 ToxValDB 毒性值拼一个训练集，却不记录版本差异。这会引入难以察觉的分布漂移。正确做法是冻结单一门户版本快照作为基线。
12.4 与库内条目的互操作建议
本条目与库内以下条目构成互补关系，建议在数据流水线中组合使用：
- toxcast / tox21：提供体外高通量筛查的原始层数据（well-level 活性）。本门户提供的是聚合后的展示层。若需做剂量-反应建模，应回到 toxcast 原始层；若只需快速浏览某化学品的活性概况，门户更高效。
- pubchem：结构层身份的另一套体系（CID）。DTXSID 与 CID 之间可通过面板的交叉引用映射。做多库整合时，两套 ID 体系的对照表是必需的中间产物。
- drugbank / chembl：药物语境下的化学实体。与本门户的环境化学语境互补，交集主要体现在已上市药物同时具有环境暴露数据的情形。
组合使用时，务必注意各库的许可差异：CompTox 为公共领域（最宽松），而 Chembl 为 CC BY-SA、部分药物数据库有非商用限制。下游若做商用产品，需逐库核对许可，不能以"最宽松的那个"为准。
12.5 一句话操作建议
把门户当"索引"，把子源当"事实"。 用门户快速定位与浏览，用子源版本 + 快照日期锁定任何要负责的数字。
§13 面向下游建模者的实操清单
13.1 起步前的五个确认动作
在把 CompTox 数据接入任何建模流水线之前，建议依次完成以下确认：
- 确认任务类型：你要的是结构-活性关系（QSAR）、剂量-反应建模、暴露评估，还是化学品身份消歧？不同任务对应不同子源，选错子源会让后续全部返工。
- 确认子源与版本：明确你要的是 ToxCast、ToxValDB、ToxRefDB 还是 CPDat，并记录其版本号。这一步在 §12.2 已给出模板。
- 确认许可：CompTox 本身为美国公共领域，但其部分子源可能聚合了第三方受限数据。若做商用产品，需逐子源核对。
- 确认化学身份粒度：面板提供 MS-Ready（结构标准化）与 QSAR-Ready（去盐、去立体等）两种就绪格式。你的模型用哪种，决定了你该取哪一列。
- 确认缺失模式：毒理数据天然稀疏。务必先统计缺失率，再决定是插补、剔除还是改用预测值填补。
13.2 数据稀疏性的应对策略
毒理数据的稀疏性不是缺陷，而是这门学科的固有特征——绝大多数化学品从未被系统测试过。应对策略有三条：
- 优先排序（prioritization）：用 OPERA 等预测模型给未测化学品排序，把有限的实验资源投向高风险者。这正是 21 世纪毒性测试愿景的核心思路。
- 迁移学习：用数据丰富型化学品训练模型，再迁移到稀疏目标。CompTox 的身份体系（DTXSID）恰好为跨源对齐提供了主键。
- 明确标注预测来源：任何用预测值填补的位置，必须在下游数据集中打标，避免下游误当实验真值使用。
13.3 最小可用流水线示意
一个典型的下游流水线可概括为四步：取数（API/批量下载）→ 对齐（DTXSID 为主键）→ 打标（区分实验值/预测值/缺失）→ 冻结（记录子源版本与快照日期）。四步中最容易被省略的是第四步，也恰恰是导致结果不可复现的首要原因。
13.4 与库内其他毒理条目的选型建议
| 需求 | 首选条目 | 理由 |
|---|---|---|
| 体外高通量活性原始数据 | toxcast / tox21 | well-level 原始层，适合剂量-反应建模 |
| 化学品毒性参考值（RfD 等） | comptox-dashboard（ToxValDB 子源） | 聚合多来源权威参考值 |
| 动物毒性研究记录 | comptox-dashboard（ToxRefDB 子源） | 结构化动物实验摘要 |
| 化学品身份消歧 | comptox-dashboard（DSSTox/DTXSID） | 跨库主键体系 |
| 暴露与生物监测 | comptox-dashboard（暴露模块） | 聚合 NHANES 等暴露源 |
选型时的一条经验：越靠近原始层的任务，越应回到独立数据集；越靠近概览与整合的任务，越适合用门户。
附录 N：与库内 PANDA-PLUS 等条目的格式一致性说明
本条目在结构上遵循千方库内已发布条目的统一范式：frontmatter（title/subtitle/description/schema_org 等）+ INFOBOX 速览 + §0-§10 正文 + FAQ + 事实清单 + 术语表 + 附录。与 panda-plus 等条目一致，所有硬数字标注来源，双口径冲突逐条存照，互链点以库内 rid 标注。差异仅在于本条目所述对象为"数据门户"而非"实验数据集"，故正文重点在于架构、身份体系与获取路径，而非标注流水线。
附录 O：一句话记住这个条目
CompTox Dashboard 是 EPA 用 DTXSID 这枚"通用身份证"，把二十余个异构毒理/暴露数据源接成一座公共领域的化学品信息枢纽——它本身不是数据集，而是数据集的统一入口。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- toxcast — 共享标签：药物发现与化学 / 化学信息学 / 药物安全
- ttd — 共享标签：药物发现与化学 / 化学信息学 / 知识图谱
- ddinter — 共享标签：药物发现与化学 / 药物安全 / 知识图谱
- meddra — 共享标签：公共卫生与流行病学 / 药物发现与化学
- drugbank — 共享标签：药物发现与化学 / 化学信息学 / 药物安全
- fda-sentinel — 共享标签：公共卫生与流行病学 / 药物发现与化学 / 药物安全
- sider — 共享标签：药物发现与化学 / 药物安全 / 知识图谱
- tox21 — 共享标签：药物发现与化学 / 化学信息学 / 药物安全
- chebi — 共享标签：药物发现与化学 / 化学信息学 / 知识图谱
- iuphar-bps — 共享标签：药物发现与化学 / 化学信息学 / 知识图谱
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
