信息速览
INFOBOX — Drug Target Commons 一屏速览
维度 内容 本质 众包式药物-靶点生物活性开放知识库：整合+注释+标准化 ChEMBL/BindingDB/文献数据，不采集新实验数据 团队 University of Helsinki FIMM（Jing Tang、Zia-ur-Rehman Tanoli、Tero Aittokallio 等）+ Turku + Copenhagen 论文 创刊：Cell Chem Biol. 2018;25(2):224-229（doi:10.1016/j.chembiol.2017.11.009）；2.0：Database 2018:bay083 规模 ~650 万条蛋白靶点生物活性数据点（2018 时点）；总池 1,746,997 化合物 / 13,023 靶点 / 14,820,874 条数据点 注释 μBAO 协议（assay type/format、endpoint、detection technology）；已注释 204,901 条（4,276 化合物 / 1,007 靶点） 终点 剂量-反应四件套 Kd/Ki/IC50/EC50 为主；XC50/AC50 归 Other；单浓度抑制率收录但分析排除 交叉链接 化合物连 25 库（UniChem）；靶点连 94 库（UniProt）；临床阶段 3,532 化合物；靶点-疾病 331,514 条关联 质控 登录上传 → 管理员审核才入正式库；可申请成为管理员加速数据吸纳 许可 CC BY-NC-SA 3.0（仅供研究）；Zenodo v1 镜像口径 CC BY 4.0（双口径存照） 获取 CSV 全量下载 + 数据库 dump（附 ER 图）+ API（XML/JSON，单次上限 1,000 条） 生态 IDG-DREAM 激酶结合预测挑战赛数据出口；与 GtoPdb/BindingDB 三库对比基准 库内互链 ChEMBL（主上游）、BindingDB（上游来源）、GtoPdb（专家策展对照面）
Drug Target Commons（DTC）是一个「给散落各处的生物活性数据安一个共同的家」的社区工程：它不产生新的实验数据，而是把文献、ChEMBL、BindingDB 里那些测定类型五花八门、单位各说各话、终点定义互相冲突的药物-靶点活性数据，用一套统一的 μBAO 注释协议拉齐口径，再由管理员审核后作为开放知识库整体提供下载。2018 年 2.0 版本时点，平台沉淀了约 650 万条针对蛋白靶点的生物活性数据点，覆盖近 175 万个化合物与 1.3 万个蛋白靶点——在「脱靶预测、药物再利用、QSAR 建模」这类吃大规模活性数据的任务里，DTC 是化学信息学社区最常用的公共底座之一。
导语读法三则：
- 只想下数据：直奔 §6 获取与许可——CSV/dump/API 三条通道，注意 CC BY-NC-SA 3.0 禁商用。
- 要做建模：直奔 §4 数据构成——先弄清「约 650 万条」与「已注释 20 万条」的口径差，别把未注释数据直接混进训练集。
- 关心数据质量：直奔 §5 众包质控与管理员审核机制，以及 §8 坑点清单——终点异质性是这类整合库的第一坑。
§0 导读：这个数据集解决什么问题
药物-靶点生物活性数据（一个化合物把某个蛋白抑制到什么程度）是药理学与化学信息学最基础的数据类型：脱靶预测要用它，药物再利用要用它，选择性指数、QSAR 模型、分子对接验证全部要用它。但这些数据天然碎片化——同一个 EGFR 抑制剂的 IC50，可能同时散落在某篇 2005 年的药理学论文、ChEMBL 的某条测定记录和 BindingDB 的某个表格里，测定方法不同、报告终点不同（IC50 vs XC50 vs AC50）、单位混乱、甚至同一个化合物-靶点对在不同文献里差出数量级。直接把各库数据混起来训练模型，学到的往往不是「化合物-靶点」关系，而是「哪个实验室做的测定」。
DTC 的回答分三层。第一层是整合：把 ChEMBL（主来源）、BindingDB（约 50 万条）与文献直采（约 6 万条）的数据汇入统一 schema，化合物标识用 UniChem 映射到 25 个数据库、靶点标识用 UniProt 映射到 94 个数据库，任何一条记录都能跨库追溯。第二层是注释标准化：用简化版 BioAssay Ontology（μBAO）给每条数据打上测定类型、测定格式、终点类型、检测技术、抑制剂类型五个维度的标签——让「这个 IC50 是酶活性测定还是细胞测定」变成机器可过滤的字段。第三层是社区运营：任何人可登录上传新数据或修订旧数据，但一切修改须经管理员审核后才进入正式库；这个「众包+审核」机制让数据库以远小于传统策展团队的成本持续滚动扩张。
§0 读法三则：
- 这个条目是「整合库+注释协议+社区平台」三合一：本体是生物活性记录表，方法论是 μBAO 注释协议，运营模式是带审核的众包——三者分别对应不同的复用方式。
- 全文统计数字均出自 Cell Chem Biol 2018 创刊论文与 Database 2018 的 2.0 论文两篇一手文献；任务头传入的「Nature Sci Data 2018」与「~1.4M 记录」两个说法与一手来源不符，已在坑 1 与坑 2 存照。
- DTC 与库内 GtoPdb（IUPHAR/BPS）是互补而非竞争关系：GtoPdb 是专家策展的高置信小库，DTC 是众包整合的大覆盖库——2.0 论文正是把两者与 BindingDB 摆在一起做重叠分析（§7）。
§1 数据集速览：十问十答
Q1：DTC 到底有多少数据？
两个口径要分清。可下载口径：约 650 万条针对蛋白靶点的生物活性数据点（2018 年 2.0 版本时点，全量 CSV 可下）。总池口径：1,746,997 个化合物、13,023 个蛋白靶点、14,820,874 条生物活性数据——这个数包含非蛋白靶点测定与尚未整理的部分。论文宣传页最常见的「数百万条」指的是可下载口径。
Q2：每条记录长什么样？
一个化合物-靶点-测定三元组：化合物标识（ChEMBL ID 等）、靶点标识（UniProt 等）、生物活性值与单位、终点类型、测定注释、来源文献 PubMed ID。若是突变研究还包括体细胞突变信息（如 FLT3 的 D835Y 突变）——API 可以直接按突变字符串过滤。
Q3：μBAO 是什么？
简化版 BioAssay Ontology。DTC 团队认为完整 BAO 太重，于是裁剪出五个关键字段：assay type（测定类型）、assay format（测定格式）、endpoint type（终点类型）、detection technology（检测技术）、inhibitor type（抑制剂类型）。截至 2.0 版本，已有 204,901 条数据完成这套注释，覆盖 4,276 个化合物与 1,007 个靶点。
Q4：数据从哪来？
三条来源：ChEMBL（主来源，经 DTC 团队验证并补 μBAO 注释）、BindingDB（新增整合约 50 万条已发表数据）、文献直采约 6 万条注释（这部分数据不在 ChEMBL 与 BindingDB 内，是 DTC 独有增量）。
Q5：化合物和靶点能跨库对上吗？
能，这是 DTC 的强项。化合物标识映射来自 UniChem，交叉链接 25 个数据库（DrugBank、PubChem、ChEMBL、PharmGKB 等）；靶点标识映射来自 UniProt，交叉链接 94 个数据库（Ensembl、EMBL、PDBe、HGNC、UniRef 等）。
Q6：除了活性值还有什么附加信息？
2.0 版本新增三类：化合物临床开发阶段（来自 clinicaltrials.gov，覆盖 3,532 个化合物、292,218 个适应症-阶段记录，其中已批准药物 1,406 个）；靶点基因-疾病关联（来自 DisGeNET，1,573 个基因关联 4,123 种疾病、331,514 条文献支持关联）；突变靶点的癌症类型适应症（来自 Cancer Genome Interpreter，185 个突变蛋白靶点）——后者是精准肿瘤学应用的直接接口。
Q7：数据质量怎么保证？
两层。上传层：必须 Google 账号登录才能上传/编辑，Excel 离线编辑后可 Bulk Import 批量回传。审核层：所有新注释与修改先经管理员审核，通过后才成为正式条目；研究者可申请成为管理员以加速数据吸纳。审核是抽样性质控，错误残留率没有公开量化指标。
Q8：我现在能拿到什么？
全量都在线开放：制表符分隔的 DTC_data.csv 一键下载；完整数据库 dump（附实体关系图与 schema）；REST API 返回 XML/JSON（默认 20 条/次、上限 1,000 条/次、offset 翻页可取全）。许可 CC BY-NC-SA 3.0，仅供研究用途。
Q9：为什么它对 AI-Ready 重要？
DTC 是「原始数据开放 + API 机器可读 + 注释字段标准化」的正面样本：CSV 全量可下意味着无需爬虫，μBAO 字段意味着测定类型可以直接做过滤与分层建模，UniChem/UniProt 双映射意味着与任何化学/蛋白资源都能 join。扣分项是众包注释覆盖率（约 3%）与 NC 许可限制。
Q10：和库内哪些条目互补？
与 ChEMBL（主上游）、BindingDB（上游来源）构成数据血缘链，与 GtoPdb/IUPHAR-BPS（专家策展路线）构成生产模式对照——同一化合物-靶点活性空间，DTC 用整合做大覆盖，GtoPdb 用专家评审做深置信，两者重叠分析本身就是 2.0 论文的一张主图。
§1.5 使用场景速配：五类研究者的进入路线
DTC 的记录结构决定了它的复用面极宽，但不同研究者的「最短路径」差别很大。本节把五类典型场景与各自要过的检查点配对，检索者可对号入座。
1.5.1 脱靶预测（off-target prediction）研究者
- 要什么：大量带定量活性值的化合物-靶点对，最好覆盖多靶点谱。
- 进什么：CSV 全量下载 → 激酶族或目标家族子集。
- 检查点：①只保留 Kd/Ki/IC50/EC50 四类剂量-反应终点；②确认活性值单位统一为 nM；③同一化合物-靶点对多记录时取中位数（论文口径）；④若用已注释子集，规模从 6.5M 缩到 204,901 条——预先评估够不够。
- 现成基准：IDG-DREAM 挑战赛的激酶结合预测任务与得分协议（§7.1）。
1.5.2 药物再利用（drug repurposing）研究者
- 要什么：活性证据 + 临床可及性 + 疾病关联的三重证据链。
- 进什么：平台在线检索（GUI）——2.0 版本正是为这个场景加了三个维度：临床开发阶段（3,532 化合物 / 292,218 适应症记录 / 1,406 已批准药物）、DisGeNET 靶点-疾病关联（331,514 条）、突变靶点癌症适应症（185 个）。
- 检查点：①已批准药物清单与活性数据的 join 用化合物标识做（UniChem 映射保证跨库一致）；②疾病关联文献是「关联」不是「因果」，需回溯原文；③NC 许可不影响学术再利用研究。
1.5.3 QSAR / 分子性质建模者
- 要什么：同一靶点上尽可能多的化合物活性值（单靶点回归）。
- 进什么：API 按靶点过滤或 GUI 检索后 Excel 导出。
- 检查点：①检查测定注释——μBAO 存在时按 assay type 分桶（酶活性测定与细胞测定值不可混桶）；②注释缺失时按 endpoint type 与 detection technology 字段做白名单清洗；③同一化合物多次测定取中位数并记录原始值分布。
1.5.4 数据策展 / 知识图谱构建者
- 要什么：结构化 schema、稳定标识符、可追溯来源。
- 进什么：数据库 dump（附 ER 图与 schema dump）。
- 检查点：①锁定映射快照（UniChem/UniProt 随上游滚动）；②mutation_info 字段的字符串格式（如 FLT3(D835Y)）要写解析规则；③来源 PubMed ID 是逐条可追溯的——图谱边的 citation 直接可用。
1.5.5 数据质量 / 库间一致性研究者
- 要什么：同一测定在不同库/文献中的重复记录。
- 进什么：全量 CSV + 上游库（ChEMBL/BindingDB）同期快照。
- 检查点：①重复对齐用 Standard InChIKey（化合物）与 UniProt ID（靶点）——这正是 2.0 论文三库重叠分析的方法；②活性值漂移分析要区分「真复测」与「转录抄错」——后者是 DTC 众包修订机制的目标对象。
1.5.6 场景之外：不适合 DTC 的任务
公平起见也列出反向清单：
- 需要已知 ground truth 的金标准评测——DTC 是整合库不是金标准，论文没有系统性的「正确性验证」实验；做评测金标准应选专家策展资源（如 GtoPdb）或实验验证集（如 IDG-DREAM 实验测绘子集）。
- 需要完整靶点谱的化合物——DTC 覆盖「有测定的活性空间」，未测定区域缺失不是「无结合」；负样本构造需谨慎（活性值高于阈值的记录不是严格负样本）。
- 需要商业再分发的数据产品——NC-SA 条款限制衍生品商业分发（坑 3）。
§1.6 术语速查
| 术语 | 含义 |
|---|---|
| DTI | Drug-Target Interaction，药物-靶点相互作用 |
| bioactivity data point | 生物活性数据点：一次测定的一个终点值 |
| endpoint type | 终点类型：IC50/EC50/Kd/Ki/XC50/AC50/activity % 等 |
| dose-response endpoint | 剂量-反应终点：Kd/Ki/IC50/EC50，可换算为 pX 值做回归 |
| μBAO | 简化版 BioAssay Ontology：DTC 的五字段测定注释协议 |
| assay format | 测定格式：生化（biochemical）vs 细胞（cellular）等 |
| detection technology | 检测技术：qPCR、荧光、放射性配体结合等 |
| off-target | 脱靶：主要药效靶点之外的结合靶点 |
| drug promiscuity | 多靶点性：一个化合物结合多个靶点的现象 |
| UniChem | EBI 化合物标识映射服务：DTC 化合物 25 库链接的来源 |
| UniProt | 蛋白序列与功能数据库：DTC 靶点 94 库链接的映射源 |
| DisGeNET | 基因-疾病关联数据库：DTC 2.0 接入的疾病维度来源 |
| CGI | Cancer Genome Interpreter：突变靶点癌症适应症来源 |
| IDG | Illuminating the Druggable Genome：NIH 资助的「可成药基因组」计划 |
| FIMM | Institute for Molecular Medicine Finland：DTC 主持机构 |
| crowd-sourcing | 众包：社区成员上传/修订、管理员审核的数据生产模式 |
| bulk import | 批量导入：离线 Excel 编辑后回传的策展通道 |
| pKd/pIC50 | 活性值的负对数变换（-log10[摩尔浓度]），回归建模标准形态 |
| efficacy target | 疗效靶点：与药物临床疗效相关的靶点（2.0 论文分析用语） |
| Standard InChIKey | 化合物结构的规范哈希标识：跨库化合物对齐标准 |
§1.7 问题背景：生物活性数据为什么这么乱
要理解 DTC 的价值，先要理解它要治的病。本节用非专业友好方式讲清「活性数据碎片化」的四层病因——这也是一切 DTI 整合项目的共同出发点。
0.5.1 病因一：测定方法多样，数值天生不可比
同一个「化合物 X 把蛋白 Y 抑制到什么程度」的问题，实验室里有几十种问法：
- 竞争性结合测定：报告 Ki（抑制常数，越低越强），理论上不依赖测定条件。
- 功能测定：报告 IC50（抑制一半活性所需的浓度）或 EC50（产生一半效应的浓度）——它们依赖底物浓度、孵育时间等实验条件，同一化合物在不同条件下的 IC50 可以差几倍。
- 报告基因/细胞测定：数值里混入了渗透性、代谢稳定性等化合物性质，与纯结合亲和力偏离更远。
- 单浓度点测定：只报告某一浓度下的抑制百分数，连「效力常数」都不是。
病因的直接后果：把不同来源的 IC50/Ki/% inhibition 混进一个数值列，等于把「不同问题的答案」当成「同一问题的答案」。DTC 的 endpoint type 与 assay format 字段正是为了让使用者能把这些不同问法分开。
0.5.2 病因二：文献记录格式自由，抽取损耗大
药理学论文呈现活性数据的方式五花八门：正文一句话、表格、图（柱状图上的误差棒）、补充材料 Excel。自动抽取（ChEMBL 路线）能覆盖表格与结构化文本，但对图内数据与含混叙述常常力不从心；人工抽取覆盖好但吞吐低。无论哪条路线，抽取出的记录都面临：
- 化合物名歧义（同一药物多个商品名/研究代号/盐型）；
- 靶点名歧义（同一基因多个别名、物种差异——人源 vs 鼠源测定值不可比）；
- 单位与修饰词丢失（「约 3 nM」「小于 10 μM」这类表述的存真）。
DTC 用 UniChem/UniProt 双映射解决标识歧义，用逐条 PubMed 来源保住回溯通道。
0.5.3 病因三：各库各自为政，重叠却不互通
ChEMBL、BindingDB、GtoPdb、DrugBank 各有抽取政策、覆盖范围与数据模型。2.0 论文的三库重叠分析（§7.2）显示三库在剂量-反应数据上各有大量独占区域——同一条测定记录可能只在其中一个库里存在，而同一个化合物-靶点对在不同库里的记录数、终点口径都可能不同。不互通的代价由每个下游研究者重复支付：每个做 DTI 建模的团队都要自建一遍「多库对齐+清洗」管线。DTC 的定位就是把这笔公共成本集中付一次。
0.5.4 病因四：更新与勘误没有回流机制
文献勘误、化合物重命名、靶点标识更新（如基因符号改姓）发生后，已抽取的数据库记录不会自动更新。对静态库来说这是单向腐化；对社区库来说这是可修的——前提是有人提交修订。DTC 的众包修订通道（登录-编辑-审核）就是为这个病因设计的制度性回答。
0.5.5 小结：四病四药对照表
| 病因 | DTC 的药方 | 残余风险 |
|---|---|---|
| 测定方法多样 | μBAO 五字段注释（assay type/format、endpoint、detection technology、inhibitor type） | 注释完成率约 3%；未注记录仍需自行清洗 |
| 文献抽取损耗 | UniChem/UniProt 双映射 + 逐条 PubMed 溯源 | 转录笔误无法系统排除，敏感结论回溯原文 |
| 库间不互通 | 集中转录 ChEMBL+BindingDB+文献，统一 schema | 快照漂移；上游口径变化需人工同步 |
| 勘误无回流 | 众包修订+管理员审核 | 审核吞吐有限；错误残留率无公开量化 |
这张对照表是理解全篇的钥匙：DTC 的每个设计决定都能在其中找到对应病因。
§1.8 快速决策树：30 秒决定 DTC 适不适合你的任务
你的任务需要「化合物对靶点的定量活性证据」吗？
├─ 否（例如：只需要化合物结构/适应症/临床结局）
│ → DTC 不适用。改用 DrugBank/适应症数据库/临床数据集。
└─ 是
├─ 需要商业用途？
│ → 平台数据 NC 条款阻断。评估 Zenodo 快照口径（坑 3）或联系版权方。
└─ 研究用途
├─ 需要全量规模（百万级）？
│ → CSV 全量下载 → 走 §9.8 二十步清洗（接受 3% 注释率）
└─ 需要已标注口径（质量优先）？
→ 只用 204,901 条 μBAO 注释子集（规模缩水但口径可控）
├─ 定向查某靶点/突变/药物？
│ → API 或 GUI（§6.5 速查表）
└─ 需要金标准 ground truth？
→ DTC 不是金标准。用 GtoPdb 或实验验证集（IDG-DREAM 测绘子集）
三个出口判断（何时应该放弃 DTC 换资源）：
- 任务核心是组合用药 → DrugComb（同团队姊妹库）。
- 任务核心是药代动力学/暴露量 → PK 数据库，DTC 只有体外效力。
- 任务核心是患者级疗效 → 真实世界数据/EHR 数据集，DTC 无患者数据。
§1.9 一段话电梯陈述（可直接用于开题/综述）
「Drug Target Commons（DTC）是赫尔辛基大学 FIMM 团队 2018 年上线的众包式药物-靶点生物活性知识库，它把 ChEMBL、BindingDB 与文献散落的约 650 万条蛋白靶点活性测定（Kd/Ki/IC50/EC50 为主）拉进统一 schema，用 μBAO 协议为其中约 20 万条补齐测定类型/格式/终点/检测技术/抑制剂类型五维注释，化合物与靶点分别经 UniChem/UniProt 映射交叉链接 25/94 个外部数据库，并叠加化合物临床开发阶段（3,532 个化合物、1,406 个已批准）、DisGeNET 基因-疾病关联（33 万条）与 185 个突变靶点的癌症适应症三个应用维度；数据以 CC BY-NC-SA 3.0 许可开放，提供全量 CSV、数据库 dump 与 REST API 三条获取通道，其众包上传-管理员审核机制与 IDG-DREAM 挑战赛基准出口使其成为脱靶预测与药物再利用研究的公共底座。」
这段话的每个数字都有 §12 参考来源背书，可直接摘用；用时注明 2018 年 2.0 论文时点口径。
§1.10 与「AI-Ready」五要素的对照评估
本站用「AI-Ready」评估数据集的可机器消费程度，DTC 的五要素画像：
| 要素 | DTC 状态 | 评分依据 |
|---|---|---|
| 可获取性（Accessible） | 优 | 无注册全量下载 + dump + API 三通道 |
| 机器可读（Machine-readable） | 优 | 制表符文本/XML/JSON，schema 有 ER 图文档 |
| 标识符规范（Interoperable） | 优 | UniChem×25 / UniProt×94 双轨映射 |
| 语义标注（Annotated） | 中 | μBAO 五字段存在但覆盖仅约 3.2% |
| 许可清晰（Licensed） | 中 | CC BY-NC-SA 3.0 明确但 NC 限制 + 双口径存照 |
总评：获取与互操作是教科书级正面样本，语义标注覆盖与许可限制是主要扣分项。这个「三项优两项中」的画像使 DTC 成为库内「AI-Ready 光谱」中段的参照点——比请求制/无 API 的资源靠前，比全要素满分资源靠后。
§2 论文与版本时间线
DTC 的学术身份由两篇一手论文锚定，先给完整时间线：
| 时间 | 事件 | 出处 |
|---|---|---|
| 2017-11 | 创刊论文接收（Cell Chem Biol） | doi:10.1016/j.chembiol.2017.11.009 |
| 2018-02-15 | 创刊论文发表：Tang J 等，Cell Chem Biol. 25(2):224-229.e2 | Elsevier，开放获取 |
| 2018 | DTC 2.0 论文：Tanoli ZR 等，Database (Oxford) 2018:bay083 | doi:10.1093/database/bay083，CC BY |
| 2018 | Zenodo 存档 v1：DTC_DrugTargetInteractions.RData（86.6 MB） | doi:10.5281/zenodo.18450948 |
| 2018-09 | 2.0 论文 PubMed 收录（PMID 30219839） | PMCID PMC6146131 |
| 2019 | IDG-DREAM 激酶结合预测挑战赛以 DTC 为数据出口 | doi:10.7303/syn15667962 |
| 2018 → 今 | 数据持续滚动更新（版本号随滚动发布） | 官方平台 |
坑 1：派发 brief 说「Nature Sci Data 2018 论文 Tang 等」——三源检索（WebSearch + ScienceDirect/OUP 实抓 + Zenodo/赫尔辛基大学门户）均不存在该论文。DTC 的两篇一手论文分别是 Cell Chemical Biology 2018（创刊，Tang 一作/通讯）与 Database: The Journal of Biological Databases and Curation 2018（2.0 版本，Tanoli 一作/通讯）。本条目全部按两篇实核论文成稿。
坑 2：任务头说「~1.4M 相互作用记录」——该数字未见于任何一手来源。 创刊论文与 2.0 论文的口径分别是「~6.5 million bioactivity data points（蛋白靶点，可下载）」与总池「14,820,874 条」。1.4M 疑为某个中间快照或口径混用（如已注释条数 × 倍数），无法追溯。本条目所有规模数字以论文口径为准。
创刊论文的贡献点：提出众包式活性数据整合的定位、演示了药物再利用场景下的应用示例（如伊马替尼 imatinib 的多靶点谱）、给出 DTC 与既有资源（BindingDB、GtoPdb、DrugBank）的定位差异——既有资源各自封闭且口径不一，DTC 的差异化在于「intra-resource integration」：不但整合库间数据，还在库内对同一化合物-靶点对的多次测定做统一呈现与注释。
2.0 论文的贡献点：API 正式文档化（XML/JSON、字段级过滤示例）、临床开发阶段与基因-疾病关联两个新维度接入、突变靶点癌症适应症（Cancer Genome Interpreter，185 个突变蛋白）、三库重叠分析（DTC vs BindingDB vs GtoPdb，按 Standard InChIKey 与 UniProt ID 重叠）。
Zenodo 存档链也值得注意：v1 存档（RData 格式的 R 语言对象）标注 CC BY 4.0，与平台在线数据的 CC BY-NC-SA 3.0 不同（坑 3）；Zenodo 页面还记录了「Is required by / Is source of」两条衍生数据集 DOI（10.5281/zenodo.11102665 与 10.5281/zenodo.5105698），说明 DTC 快照已被下游数据集引用为源。
§3 机构与人物：芬兰计算药理学网络
DTC 是芬兰计算药理学/系统药理学网络的旗舰开放工程：
| 机构 | 角色 |
|---|---|
| Institute for Molecular Medicine Finland（FIMM），University of Helsinki | 主持机构：平台开发、数据策展、服务器运营 |
| University of Turku（数学与统计系） | 建模与统计方法支持 |
| University of Copenhagen（BRIC，Wennerberg 组） | 2.0 阶段深度参与（通讯作者 Wennerberg 在 BRIC） |
| DrugComb 项目（EU 716063） | 资助方之一（药物组合信息学） |
核心人物与分工：
- Jing Tang（唐静）：创刊论文第一作者（并列）与通讯、Lead Contact；赫尔辛基大学数学与统计系/公共卫生系。DTC 之后的学术线延伸出 DrugComb、IDG-DREAM 等系列工程。
- Zia-ur-Rehman Tanoli：创刊论文并列一作，2.0 论文第一作者与通讯——众包注释与平台功能演进的执行核心。
- Tero Aittokallio：创刊与 2.0 论文共同通讯级作者，FIMM/Turku 系统药理学方向负责人。
- Krister Wennerberg：2.0 通讯作者之一，哥本哈根 BRIC。
- Markus Vähä-Koskela、Balaguru Ravikumar（并列一作）等 FIMM 团队成员承担数据管线与用例。
资助网络（Zenodo/Database 论文口径）：European Commission（DrugComb，716063）、European Research Council、芬兰科学院（Academy of Finland）、芬兰癌症协会、Sigrid Juselius 基金会、Cancer Foundation Finland。这个资助结构解释了 DTC 的两个特征：一是强欧洲开放科学取向（CC 许可、全量下载、无注册门槛），二是以肿瘤药理学为主要应用叙事（突变靶点、癌症适应症、药物组合）。
§4 数据构成与规格
4.1 记录 schema：一条活性数据的三层结构
DTC 的每条生物活性记录由三层字段构成：
| 层 | 字段 | 说明 |
|---|---|---|
| 标识层 | compound_id（ChEMBL ID 等多库标识）、target_id（UniProt 等多库标识）、mutation_info、pubmed_id | 化合物经 UniChem 映射 25 库；靶点经 UniProt 映射 94 库；支持按 PubMed 文献与体细胞突变（如 FLT3(D835Y)）直接过滤 |
| 数值层 | value（活性值）、units、endpoint type | 剂量-反应终点 Kd/Ki/IC50/EC50 为最有生物学相关性的一类；XC50/AC50 等小类并入 Other；activity %/inhibition % 等单浓度值收录但对比分析排除 |
| 注释层 | assay type、assay format、detection technology、inhibitor type（μBAO 五字段） | 众包注释产出，管理员审核后生效 |
4.2 规模硬数字（2.0 论文时点，2018）
| 口径 | 数字 |
|---|---|
| 可下载蛋白靶点生物活性数据点 | ~6,500,000 |
| 总池化合物数 | 1,746,997 |
| 总池蛋白靶点数 | 13,023 |
| 总池生物活性数据点 | 14,820,874 |
| 已完成 μBAO 注释 | 204,901 条（4,276 化合物 / 1,007 靶点） |
| 本轮新增文献注释 | ~16,000 条 |
| BindingDB 整合 | ~500,000 条 |
| 文献直采（ChEMBL/BindingDB 外） | ~60,000 条（完全注释） |
三处读数提醒：
- 6.5M 是「可直接下载」的口径，包含未注释数据——μBAO 注释完成率约 3.2%（204,901 / 6.5M）。做监督建模时，要么只用已注释子集，要么自建测定类型清洗管线。
- 14.8M 总池里大部分尚未进入可下载表：非蛋白靶点测定、去重未完成的转录记录都在池内。不要拿 14.8M 当「数据集规模」引用。
- 同一化合物-靶点对多条记录并存：不同文献/不同实验室的测定各占一条，聚合分析需自行取中位数（2.0 论文的 efficacy target 分析即用中位数 + 1000 nM 阈值 + 负 log 摩尔浓度变换）。
4.3 终点类型体系
2.0 论文 Figure 4 给出的终点分布逻辑：IC50 与 EC50 占大头，Kd 与 Ki 次之（均为剂量-反应参数）；XC50、AC50 等命名变体与单浓度测量归入 Other 或排除区。这个分布直接决定了建模选型：
- 做 pIC50/pKd 回归或排序：只取 Kd/Ki/IC50/EC50 四类剂量-反应终点，单位统一 nM。
- 做 分类阈值（如 active/inactive at 10 μM）：单浓度抑制率数据也能用，但必须按 detection technology 分层（酶活性 vs 细胞活性的抑制率不可比）。
- 做 跨库一致性研究：DTC 保留了同一化合物-靶点对在 ChEMBL、BindingDB 与文献间的重复记录，是研究「库间活性值漂移」的现成素材。
4.4 附加维度：临床阶段、疾病关联、突变适应症
2.0 版本把三个「活性值之外的世界」接进平台：
- 化合物临床开发阶段（clinicaltrials.gov）：3,532 个化合物、292,218 条适应症-阶段记录；最高阶段为「已批准」的化合物 1,406 个（与 Santos 等药物列表重叠）。用途：把活性数据与临床可及性连接，做再利用优先级排序。
- 靶点基因-疾病关联（DisGeNET）：1,573 个 DTC 靶点基因关联 4,123 种疾病，331,514 条有文献支持的关联。用途：给定疾病找靶点，再从活性表找化合物。
- 突变靶点癌症适应症（Cancer Genome Interpreter）：185 个突变蛋白靶点标注癌症类型。用途：精准肿瘤学里「特定突变-特定药」的查询，如 FLT3 D835Y 突变的活性数据可用 API 一行查询取出。
4.5 交叉链接体系：UniChem × UniProt 双轨
| 维度 | 映射源 | 链接数 | 代表数据库 |
|---|---|---|---|
| 化合物 | UniChem | 25 | DrugBank、PubChem、ChEMBL、PharmGKB |
| 靶点 | UniProt | 94 | UniProt、Ensembl、EMBL、PDBe、HGNC、UniRef |
双轨映射是 DTC「AI-Ready」成色的关键证据：任何一条记录都可以被机器翻译成 25+94 个坐标系里的位置，与库内其他化合物/靶点资源 join 时不存在标识符孤岛。代价是映射表本身要随上游版本更新——使用者在做严格复现时应锁定映射快照版本。
4.6 与上游来源的边界
DTC 对 ChEMBL 的处理是「验证+补注」而非原样转录：团队对 ChEMBL 主来源数据做校验并统一补 μBAO 注释；对 BindingDB 新整合的约 50 万条同样进入注释队列；对 ChEMBL/BindingDB 都没有的约 6 万条文献数据，DTC 自己做全文提取——这部分是数据库的独有增量，也是「Commons」社区价值的直接体现（闭源库覆盖不到的文献长尾）。
§2.5 两篇论文逐篇精读笔记
维护者与深度检索者可用本节快速定位两篇一手论文各章的可引用内容。
2.5.1 创刊论文（Cell Chem Biol 2018;25(2):224-229.e2）
短论文（6 页正文），章节结构：
| 章节 | 可引用内容 |
|---|---|
| 摘要/Highlights | 三条定位句：crowd-sourcing platform、open environment harmonization、comprehensive/reproducible/sustainable knowledge base |
| Introduction | 活性数据异质性问题陈述；多靶点性（polypharmacology）文献背景（Santos 2017、Davis 2011）；药物再利用需求（Pemovska 2015 等） |
| 平台描述 | DTC 定位（提取/整合/注释/标准化四动词）；域名 drugtargetcommons.fimm.fi |
| 应用示例 | 伊马替尼多靶点谱等药物再利用场景 |
| 社区邀请 | 「invite researchers to join this community effort」——开放共建的正式邀约 |
作者名单（创刊论文）：Jing Tang、Zia-ur-Rehman Tanoli、Balaguru Ravikumar（三人对等一作）、Zaid Alam、Anni Rebane、Markus Vähä-Koskela、Gopal Peddinti、Arjan J. van Adrichem、Janica Wakkinen、Alok Jaiswal、Ella Karjalainen、Prson Gautam、Liye He、Elina Parri、Suleiman Khan、Abhishekh Gupta、Mehreen Ali、Laxman Yetukuri、Anna-Lena Gustavsson、Brinton Seashore-Ludlow 等，通讯 Tero Aittokallio（Lead Contact 标注在 Tang）。
引用要点：© 2017 The Authors（在线 2017-11/2018-02 出版窗口），Elsevier 开放获取。检索关键词面：drug discovery、drug repurposing、chemical biology、cheminformatics、crowd sourcing、data curation、bioassay annotation、drug repositioning、community effort、open data。
2.5.2 2.0 论文（Database 2018:bay083，13 页）
| 章节 | 可引用内容 |
|---|---|
| 摘要 | 平台定位：search/upload/edit/annotate/export；API/dump/文本下载三通道；2.0 新增三维度（临床开发、基因-疾病、突变适应症） |
| 数据规模 | ~6.5M 可下载、14,820,874 总池、204,901 已注释等全部硬数字 |
| 平台功能 | GUI 交互细节（过滤类型、大小写规则、Excel/Bulk Import）、管理员审核制 |
| API 文档 | 查询形态、字段清单、突变/技术组合过滤示例、limit 上限 1000 |
| Figure 3 | 临床阶段分布（3,532 化合物、1,406 已批准） |
| Figure 4 | 终点类型分布与 Other 归并 |
| Figure 5 | 疗效靶点 vs 其他靶点活性分布分析（中位数+1000nM+pX 变换） |
| 补充图 | DTC/BindingDB/GtopDB 三库重叠（InChIKey/UniProt 对齐） |
| 数据许可 | CC BY-NC-SA 3.0（下载节） |
作者名单（2.0 论文）：ZiaurRehman Tanoli（通讯*）、Zaid Alam、Markus Vähä-Koskela、Balaguru Ravikumar、Alina Malyutina、Alok Jaiswal、Jing Tang、Krister Wennerberg、Tero Aittokallio；机构 FIMM（Helsinki）+ Turku + Copenhagen BRIC。收录：PMID 30219839、PMCID PMC6146131、文章号 bay083、pp.1-13。
2.5.3 两文分工一句话
创刊论文回答「为什么要有 DTC」（问题+定位+邀约），2.0 论文回答「DTC 怎么用」（功能+数字+API 文档）。引用规则：谈定位引前者，谈数字与功能引后者。
§4.7 应用示例拆解：从论文用例看 DTC 怎么用
两篇一手论文各给了一组应用示例，本节把它们拆成可复现的查询逻辑。
4.7.1 示例一：EGFR 的靶点全景（2.0 论文 Figure 1A）
检索 EGFR（表皮生长因子受体）时，DTC 的搜索结果面板展示两层信息：第一层是 EGFR 本身的交叉链接（UniProt/Ensembl/HGNC 等 94 库映射）与 DisGeNET 基因-疾病关联（EGFR 关联的疾病清单及文献支持数）；第二层是 EGFR 名下的全部活性记录，可按终点类型、测定注释排序过滤。
复现逻辑：搜索 target=EGFR → 点击 info 图标看关联库与疾病 → 进 Bioactivities 表格 → 按 endpoint/assay 过滤 → 导出 Excel。这个流程是「靶点中心式」使用的标准形态，适用于任何有活性数据的靶点。
4.7.2 示例二：吉非替尼的化合物全景（2.0 论文 Figure 1B）
检索 gefitinib（吉非替尼，EGFR 抑制剂）时，面板展示化合物的 25 库交叉链接（DrugBank/PubChem/ChEMBL/PharmGKB）与临床试验阶段信息（clinicaltrials.gov 的适应症-阶段记录）。 compounds 维度把「这个药在多少适应症上走到了哪一期」与「它对哪些靶点有多强」放在同一视野——药物再利用决策的两条关键证据链。
4.7.3 示例三：FLT3 D835Y 突变的精准查询（2.0 论文 Figure 2）
急性髓系白血病（AML）中 FLT3 激酶的 D835Y 突变影响抑制剂敏感性。DTC 把突变信息作为一级检索维度：?mutation_info=FLT3(D835Y) 一行 API 调用返回该突变相关的全部活性数据。论文 Figure 2 展示了已注释（浅蓝底）与未注释（白底）活性值的并排呈现——这正是「注释完成率约 3%」在界面上的直接可见形态。
复现逻辑：API 突变查询 → 识别已注释记录（μBAO 字段非空）→ 只用已注释子集做突变-药敏结论 → 未注释记录列为待核。配合 CGI 突变靶点癌症适应症（185 个突变蛋白），可扩展为「突变-癌症类型-候选药」三层查询。
4.7.4 示例四：伊马替尼的多靶点谱（创刊论文）
创刊论文以 imatinib（伊马替尼，BCR-ABL 抑制剂）为例演示药物再利用场景：同一化合物对多个靶点（ABL 家族、KIT、PDGFR 等）的活性值散布在不同文献，DTC 把它们拉进同一表格并给出测定注释。这个用例示范了 DTC 对「多靶点性（polypharmacology/promiscuity）」研究的价值：脱靶谱不是从单一来源抄来的清单，而是多条独立测定的可追溯汇集。
4.7.5 示例五：疗效靶点 vs 其他靶点的活性分布（2.0 论文 Figure 5）
2.0 论文做了一个分析示范：取 1,406 个已批准药物（Santos 等药物列表重叠口径），把每个药物-靶点对的多次测定取中位数，套 1000 nM 效力阈值，对活性值做负 log 变换（pX），再比较「疗效靶点（efficacy target）」与「其他靶点」的活性分布（核密度图）。这个分析框架可以直接搬用：任何「已批准药物的靶点结合是否系统性更强」类问题都能用同一管线复现，且管线各步（中位数聚合、阈值、变换）都有论文口径可依。
4.7.6 示例六：三库重叠的复现方法（2.0 论文补充图）
重叠分析的方法学细节：化合物对齐用 Standard InChIKey（避免盐型/立体化学差异导致的假不重叠），靶点对齐用 UniProt ID，比较范围限定剂量-反应数据（Kd/Ki/IC50）。检索者若要复现 DTC vs 任何其他库的重叠分析，照此三步即可；这也是评估「自己的研究问题缺哪部分数据」的快速诊断法。
§4.8 与上游库的记录级差异
DTC 转录 ChEMBL/BindingDB 时加了什么、改了什么，直接决定「同一记录在两个库里是否一致」：
| 处理 | DTC 侧 | 使用者须知 |
|---|---|---|
| 转录 | 保留原始活性值、单位、文献来源 | 数值层面以原文为准，DTC 不是二次换算器 |
| 验证 | 对 ChEMBL 主来源数据做团队校验 | 校验规则未逐条公开——高度敏感结论建议回溯原文 |
| 补注 | 统一补 μBAO 五字段（约 20 万条） | 注释字段是 DTC 独有增量，上游库无对应 |
| 映射 | UniChem/UniProt 多库标识 | 上游标识天然兼容，join 无损 |
| 突变维度 | mutation_info 字段 | 文献里的突变测定在上游库往往无独立字段——这是 DTC 的结构性优势 |
| 临床/疾病维度 | 2.0 新增三层附加信息 | 属于「记录附属面板」而非活性记录本体 |
一句话总结：DTC 对活性数值做的是「保真转录+注释增强」，不是「重新测定或重新计算」——所以跨库活性值不一致的根源在原始文献与测定差异，不在 DTC 的转录过程；但这不排除转录笔误，高敏感结论仍应回溯 PubMed 原文。
§4.9 活性测定技术图谱：detection technology 字段的背景知识
μBAO 的 detection technology 字段标注每条测定用了什么检测手段。理解常见技术与其系统性偏差，是读懂活性数据质量的前提。
| 检测技术 | 原理 | 常见偏差 | 建模提示 |
|---|---|---|---|
| 荧光强度 | 化合物或产物发光/荧光变化 | 化合物自荧光或淬灭干扰→假阳性/假阴性 | 同靶点内先按技术分层再比较 |
| 荧光偏振（FP） | 配体结合改变偏振 | 对高亲和力化合物动态范围受限 | 常用于激酶竞争结合 |
| 放射性配体结合 | 同位素标记配体置换 | 金标准但通量低；废弃物处理贵 | 值可信度最高，常作仲裁 |
| Surface Plasmon Resonance（SPR） | 表面等离子共振测直接结合 | 需要纯化蛋白；无酶活性信息 | 给 Kd 而非 IC50 |
| Time-Resolved FRET（TR-FRET） | 时间分辨能量转移 | 信号稳、通量高；淬灭敏感 | 激酶测定主流 |
| qPCR | 核酸定量 | 间接反映（表达层面） | 多见于细胞效应类记录 |
| AlphaScreen | 扩散发光邻近检测 | 对单线态氧敏感，化合物干扰多 | 已知干扰化合物可查 |
| CellTiter-Glo 等活力测定 | ATP 定量反映细胞活力 | 效力混入渗透/毒性因素 | 与生化测定值不直接可比 |
三点推论：
- IC50 的可变性主要来自功能测定的条件依赖，而 Ki/Kd 的可变性来自实验误差——同一对记录里 Ki 的跨库一致性通常优于 IC50。
- 生化 vs 细胞测定的鸿沟：细胞 IC50 系统性高于生化 IC50（渗透成本），且差异量依赖化合物性质。混合建模时 assay format 是必分层的字段。
- 技术标签的覆盖不均：μBAO 注释的记录有此标签，未注记录没有——这是「先过滤注释子集」的又一理由。
§4.10 终点类型的语义学：一个 IC50 有多少种写法
DTC 收录的终点命名变体（XC50、AC50 等）不是重复，而是有语义差别的行业惯用语：
- IC50：标准抑制浓度，最通用的效力指标。
- XC50 / AC50：不同文献/药企内部的「at 50%」变体命名，语义近似 IC50 但测定协议可能不同——DTC 把小比例变体归入 Other。
- EC50：效应浓度（激活类测定），与抑制类 IC50 方向相反但量纲相同。
- Kd / Ki：平衡解离常数 / 抑制常数——热力学量，理论上与测定条件无关，可比性最强。
- activity % / inhibition %：单浓度抑制率，依赖测定浓度，不是效力常数。
- Residence time / off-rate（若出现）：结合动力学参数，少数文献记录。
清洗时的实用规则：
- Ki/Kd 一组（直接 pX 化）。
- IC50/EC50/XC50/AC50 一组（pX 化但标注「条件依赖」）。
- 单浓度点一组（只做同浓度分层分析或丢弃）。
- 组间不合并——这是本条目反复强调的第一铁律。
§4.11 数据规模的时间纵深：1.0 到 2.0 的增长轨迹
把两篇论文的数字排成时间线，能看到 DTC 早期增长形态：
| 时点 | 可下载数据点 | 已注释 | 化合物 | 靶点 |
|---|---|---|---|---|
| 1.0（2018 初，Cell Chem Biol） | 未见单独公开总数（以 ChEMBL 转录为主体） | — | — | — |
| 2.0（2018，Database） | ~6,500,000 | 204,901 | 1,746,997（池） | 13,023（池） |
| 2.0 → 今 | 滚动增长（官方平台实时数字待复核） | 滚动增长 | — | — |
两点观察：
- 注释增速远慢于转录增速：2.0 版本本轮仅新增约 16,000 条文献注释，而同期 BindingDB 一次整合就是 ~500,000 条——机器可转录的量级与人工可注释的量级差 30 倍以上。这个剪刀差是所有众包注释类项目的共同宿命。
- 总池（14.8M）与可下载（6.5M）的差值约 8.3M 条，包含非蛋白靶点测定与待整理部分——这部分是 DTC 的「战略储备」，其整理进度是观察项目活力的窗口（当前无公开进度指标，遗留疑点）。
§5 众包质控：登录-上传-审核三级机制
DTC 的运营模式是「众包+集中审核」，流程如下：
- 登录门槛：Google 账号一键登录；未登录只能浏览/搜索/下载，任何上传与编辑必须登录——用账号体系把恶意灌水挡在第一道门外。
- 编辑界面：类 Excel 的表格交互——列头点击排序、逐列过滤（字符串列支持 Contains/Starts with 等，数值列支持 Equal/Greater than 等，条件可 AND/OR 组合，大小写不敏感）；用户可对既有记录点击 Bioactivities 按钮查看并建议修改。
- 批量通道：支持在线排序/过滤后导出 Excel，离线批量编辑，再通过 Bulk Import 回传——为文献策展团队设计的流水线通道。
- 管理员审核：所有新注释与修改先进入待审队列，经管理员组审核通过后才落为正式条目；管理员会在累积足量新数据时收到邮件通知。研究者可主动申请成为管理员以加速数据吸纳。
- 持续版本化：审核通过的数据进入滚动更新的正式库，快照通过下载页与 Zenodo 存档固化。
这个机制的效果是双刃的。正面：DTC 用极小的全职策展成本维持了数百万条记录的持续增长，管理员审核至少保证了「入库数据有责任人背书」；负面：审核吞吐成为瓶颈——6.5M 条数据里只有 204,901 条完成 μBAO 注释（约 3.2%），注释速度远落后于数据汇集速度。对使用者的实操含义：把 DTC 当「原始活性数据仓库」用是安全的，当「已标准化活性数据集」用时必须先过滤 annotation 状态。
另一个隐性风险是众包修订的时效性：文献勘误、测定重测、靶点标识更新都不会自动回流到 DTC，需要社区成员主动提交修订。对高价值化合物-靶点对，建议回溯 PubMed 原文做二次核对。
§6 获取与许可
6.1 四条获取通道
| 通道 | 入口 | 格式 | 适用场景 |
|---|---|---|---|
| 全量文本下载 | 下载页 DTC_data.csv | 制表符分隔文本 | 一次性建模、本地数据库装载 |
| 数据库 dump | 下载页 | 完整 dump + ER 图 + schema | 需要复现关系结构或自建镜像 |
| REST API | drugtargetcommons.fimm.fi/api/data/bioactivity/ | XML/JSON | 增量更新、按化合物/靶点/突变/文献过滤查询 |
| GUI 导出 | 网页表格 | Excel | 小规模手工筛选 |
API 要点（2.0 论文文档口径）：
- 基础形态：
https://drugtargetcommons.fimm.fi/api/data/bioactivity/?filter_field=value，字段名覆盖 compound ID、target ID、mutation info、PubMed ID、assay format、assay type 等，字段值大小写敏感。 - 突变示例：
?mutation_info=FLT3(D835Y)返回该突变的全部活性数据。 - 组合过滤：
?detection_technology=qPCR&molecule_chembl_id=CHEMBL939。 - 分页：默认每次 20 条，可修改；单次上限 1,000 条，配合 offset 参数遍历全量。
6.2 许可：一个资源两层口径
| 载体 | 许可 | 说明 |
|---|---|---|
| 平台在线数据与全量下载 | CC BY-NC-SA 3.0（仅供研究用途） | 2.0 论文下载节明确口径；NC = 禁商业，SA = 衍生物同方式共享 |
| Zenodo v1 存档（RData） | CC BY 4.0 | Zenodo 记录页 Rights 字段口径 |
坑 3：license 双口径。 平台数据与 Zenodo 镜像的许可不一致——BY-NC-SA 3.0（更严）与 BY 4.0（更宽）并存。稳妥做法：按更严的 BY-NC-SA 3.0 对待任何 DTC 数据派生品；若依赖 Zenodo 快照的 BY 4.0 口径，需在成果中注明快照 DOI（10.5281/zenodo.18450948）并自行承担口径解释责任。NC 条款对商业化建模是硬约束：任何把 DTC 数据直接进入商业产品/商业模型训练的用法都需要另行授权。
6.3 域名与托管现状
- 论文口径域名：
drugtargetcommons.fimm.fi（FIMM 托管）与drugtargetcommons.org（赫尔辛基大学研究门户登记的访问入口）。 - 坑 4：任务头给出的
drugtargetcommons.firetail.org在本次核验中两次抓取失败（沙箱网络限制），无法验证其是否为现行托管域名。本条目引用一律使用论文口径域名；firetail 域名待官方渠道恢复后复核（遗留疑点）。 - 全量 CSV 论文直链：
http://drugtargetcommons.fimm.fi/static/Excell_files/DTC_data.csv（Excell 为论文原文拼写，非笔误修复对象——按原文存照）。
§7 评估、生态与互链
7.1 IDG-DREAM 激酶结合预测挑战赛
DTC 最重要的第三方生态事件是 IDG-DREAM Drug Kinase Binding Prediction Challenge（2019）：IDG（Illuminating the Druggable Genome）与 DREAM 联盟组织的激酶结合亲和力预测竞赛，两轮挑战在 Synapse 平台运行（doi:10.7303/syn15667962），而最优模型的容器化代码与后续持续验证数据都挂在 DTC 平台出口——DTC 由此成为「预测模型持续对照实验数据」的落点。挑战赛结论（bioRxiv 2019.12.31.891812）：只要训练数据对激酶家族有足够结构多样性，最优模型的表现不依赖数据量与数据类型；模型预测可直接指导实验测绘的优先级。这段生态对建模者的含义：DTC 激酶子集自带一套经过社区验证的基准任务与得分协议，不必自造。
7.2 三库重叠分析：DTC vs BindingDB vs GtoPdb
2.0 论文用两张图做了资源空间定位：化合物按 Standard InChIKey 重叠、靶点按 UniProt ID 重叠，比较 DTC、BindingDB 与 GtopDB（IUPHAR/BPS Guide to PHARMACOLOGY）在剂量-反应数据（Kd/Ki/IC50）上的重合度。定性结论：三库各有独占区域，GtopDB 提供专家策展的权威值但覆盖小，BindingDB 提供大规模文献转录，DTC 以整合与注释见长——三者重叠区有限说明「没有任何单一库能覆盖全部化学生物学活性空间」，这正是 DTC 主张社区共建的论证支点。
对库内检索者：DTC 与 GtoPdb（库内 gtopdb 条目）是同一活性空间的两条生产路线——众包整合 vs 专家策展；与 ChEMBL、BindingDB（若在库）是上游-下游血缘——DTC 的相当一部分记录转录自前两者并附加了注释层。做 DTI 建模选数据时，DTC 的价值在「一次 join 拿到多库对齐的记录+测定类型注释」，而非独占数据量。
7.3 引用与应用面
- 2.0 论文 Citation Indexes 57（哥本哈根大学研究门户口径，抓取时点）；创刊论文为 Cell Chem Biology 开放获取高被引资源文献。
- 赫尔辛基大学研究门户（researchportal.helsinki.fi）将 DTC 登记为正式数据集（Creator: Jing Tang, 2018, University of Helsinki, doi:10.1016/j.chembiol.2017.11.009）。
- Zenodo 衍生链：两个下游数据集 DOI（11102665 与 5105698）声明依赖 DTC 源数据。
- 应用示例（创刊论文）：伊马替尼等多靶点激酶抑制剂的脱靶谱整合、药物再利用场景下的活性证据汇集。
7.4 生产模式对比：三种 DTI 资源路线
| 路线 | 代表 | 数据来源 | 质控机制 | 覆盖 vs 置信 |
|---|---|---|---|---|
| 专家策展 | GtoPdb（IUPHAR/BPS） | 专家逐条评审文献 | 专家委员会 | 置信极高、覆盖有限 |
| 自动转录 | ChEMBL、BindingDB | 文献/提交的系统性抽取 | 抽取管线+抽检 | 覆盖大、口径需清洗 |
| 众包整合 | DTC | 多库转录+文献直采+社区上传 | μBAO 注释+管理员审核 | 覆盖大+注释层，注释完成率约 3% |
DTC 的位置是第三条路线的代表作：它不与前两条竞争「谁更准」，而是做「把前两条路线的产出拉齐口径」的整合层。这个定位决定了它的最佳用法——作为多源活性数据的统一入口与注释增强层，而不是作为终极 ground truth。
6.4 下载与使用的版本管理建议
DTC 是滚动更新库，「你下载的是哪一天的数据」是复现的生命线。建议的版本管理动作：
- 记录抓取时间戳：精确到日。论文引用可写「downloaded YYYY-MM-DD」。
- 固化快照：把下载的 CSV/dump 与其 md5 一并归档——共享分析时附带校验值。
- 锁定映射版本：UniChem 与 UniProt 的映射表版本号（或抓取日期）随快照归档。
- 区分论文口径与实时口径：本条目所有数字是 2018 年 2.0 论文时点口径；官方平台的实时数字会更大。两者都合法，但引用时必须注明是哪一种。
- Zenodo 快照作为稳定引用锚：需要不可变引用时用 doi:10.5281/zenodo.18450948（v1 快照），而不是会漂移的「最新下载」。
6.5 GUI 检索技巧速查
| 需求 | 操作 |
|---|---|
| 按靶点找活性数据 | 搜索框输入靶点名/UniProt ID → 选 target 类别 → Bioactivities 按钮 |
| 按化合物找全部靶点 | 搜索框输入药名/ChEMBL ID → 选 compound 类别 → Bioactivities 按钮 |
| 按文献找数据 | 搜索 PubMed ID → 选 publication 类别 |
| 按突变找数据 | 搜索框输入突变字符串（如 FLT3(D835Y)）→ 选 mutation 类别 |
| 多列组合过滤 | 列头过滤图标 → 条件 AND/OR 组合（字符串 Contains 等 / 数值 Greater than 等） |
| 查看库间链接 | 记录前 info 图标 → 25 化文库 / 94 靶点库交叉链接面板 |
| 查疾病关联 | 靶点记录 → DisGeNET 面板（前 10 疾病在线展示，全表在补充材料） |
| 查临床阶段 | 化合物记录 → clinicaltrials.gov 阶段面板 |
| 批量编辑回传 | 过滤导出 Excel → 离线修改 → Bulk Import → 管理员审核 |
| 加速社区数据吸纳 | 申请管理员资格 → 新数据达标时邮件通知 |
大小写规则再强调一次：GUI 过滤大小写不敏感（GEFITINIB 与 gefitinib 等价），API 字段值大小写敏感——两个入口的同一查询写法可能行为不同。
§7.5 更广的生态位：DTC 在活性数据资源地图上的坐标
把 DTC 放回全球活性数据资源地图，能看清它的生态位与依赖关系：
文献全文
│（人工/自动抽取）
▼
ChEMBL ──┐
BindingDB ─┤── 转录+验证+μBAO补注 ──► DTC（整合层）
文献直采 ──┘ （社区上传+管理员审核）
│
├─► GtoPdb（专家策展路线，独立平行）
│
▼
下游应用：脱靶预测 / 再利用 / QSAR / 知识图谱 / 挑战赛基准（IDG-DREAM）
三层定位：
- 对上游：DTC 是 ChEMBL 与 BindingDB 的「注释增强镜像+文献长尾补充」——上游停更不影响 DTC 已固化记录，但上游口径变化需要 DTC 侧同步（映射版本管理由此而来）。
- 对平行资源：GtoPdb 这类专家策展库是「置信锚」——DTC 记录与 GtoPdb 冲突时，专家值优先是合理默认；2.0 论文的重叠分析给了量化对照的基础。
- 对下游：DTC 的差异化价值在「一次接入拿到多库对齐+测定注释+临床/疾病/突变三维附加信息」——下游不必再各自做一次库间对齐工程。
7.5.1 与 DrugComb 的同源关系
DTC 的资助方之一是 EU DrugComb 项目（716063），Tang 组的姊妹工程 DrugComb 专注药物组合（drug combination）协同数据——两者的关系是「单药活性 vs 药物组合活性」的分工，方法论同源（社区整合+标准化+开放）。检索药物组合协同数据时应去 DrugComb，DTC 不收录组合协同终点。
7.5.2 与 IDG 计划的关系
IDG（Illuminating the Druggable Genome）是 NIH 资助的计划，目标是照亮「可成药但研究不足」的基因组空间（激酶、GPCR、离子通道家族）。IDG-DREAM 挑战赛把 DTC 作为数据出口——understudied kinases 的活性测绘正是 DTC 文献直采增量最能补位的区域。这解释了 DTC 激酶数据的相对密度高于一般靶点家族。
7.5.3 引用生态的量化口径
- 创刊论文（Cell Chem Biol 2018）：Cell Press 开放获取，DTC 的标准引用入口。
- 2.0 论文（Database 2018）：Citation Indexes 57（哥本哈根大学门户口径，抓取时点 2026-10-16）——作为数据库论文属于稳定引用型资源。
- Zenodo 链：v1 存档 + 两个下游数据集 DOI 声明依赖关系。
§7.6 局限性的论文自述与使用者推论
两篇论文对自身局限的披露相对克制，以下把「论文写明的」与「从数据结构可推的」分开列：
| 类别 | 内容 |
|---|---|
| 论文写明 | 单浓度数据对比分析排除；小比例终点类型归 Other；注释完成率远低于总量（204,901 vs 6.5M） |
| 结构可推 | 管理员审核无公开的粒度与错误率指标；文献直采的抽取质量依赖策展人；映射版本随上游漂移 |
| 推论性提醒 | 同一靶点家族内测定技术的系统性差异（如荧光淬灭假象）不被 μBAO 字段完全捕获——detection technology 字段存在但不保证实验级噪声被标注 |
使用者推论（第二行起）不是论文自述，是本条目基于 schema 与运营模式的合理推断，引用时注意区分。
§7.7 众包科学数据项目的制度对比：DTC 的运营模式在光谱上的位置
DTC 的「登录上传+管理员审核」不是孤例，把它与其他科学众包项目对照，能看出制度取舍：
| 项目 | 贡献者 | 审核机制 | 数据类型 | 制度特征 |
|---|---|---|---|---|
| DTC | 专业研究者（自愿） | 管理员审核后入库 | 生物活性测定记录 | 小众专业众包：贡献者少而准 |
| Galaxy Zoo 系 | 公众志愿者 | 算法聚合+交叉验证 | 星系形态分类 | 大众众包：靠人数稀释个体噪声 |
| OpenStreetMap | 公众志愿者 | 社区互审+回滚 | 地理数据 | 持续编辑制：版本化+撤销 |
| Wikipedia | 公众志愿者 | 社区共识+争议仲裁 | 百科文本 | 治理最重：制度成本最高 |
DTC 位于光谱「专业小众」一端，其制度推论：
- 贡献者池小：生物活性注释需要药理学读写能力，志愿贡献者天然稀缺——这直接解释 3% 的注释完成率。
- 审核可以是人力密集的：贡献量小使管理员审核可行——这是大众众包（OSM/Wikipedia）做不到的重人力模式。
- 增量大头来自团队自己的策展管线（文献直采+上游转录），众包是补充而非主体——把 DTC 理解成「Wikipedia 式人人可写」会误判其数据生产结构。
- 管理员招募是可扩展性瓶颈：论文 explicitly 邀请研究者申请管理员以加速吸纳——开放管理权限是这类项目规模化的关键开关。
7.7.1 激励结构讨论
DTC 的贡献激励主要是学术性的：贡献记录可溯源（社区声望），无个人积分体系（区别于 Stack Overflow 式激励）。这个设计的隐性代价是「低摩擦贡献路径」缺失——研究者没有强动机把自己的测定数据转录进 DTC。对比之下，期刊/资助方强制数据存缴（如结构生物学的 PDB 存缴文化）是上游库 ChEMBL 数据持续流入的真正引擎。DTC 的长期活力因此部分取决于开放科学政策（资助方数据共享要求）能否覆盖药理学活性数据。
7.7.2 对库内条目写作者的启示
DTC 的运营模式为「社区治理型数据集」提供了一个库内参照样本：它的「审核后入库」「管理员工件流」「批量导入通道」三个制度件，是评估任何社区型医学数据集运营成熟度的检查清单。
§7.8 与临床信息学的连接面：DTC 在医学数据生态里的下游角色
DTC 的直接用户是化学信息学社区，但它的下游辐射到达临床信息学与药物安全领域。本节梳理三条连接面，供库内医学条目检索者参考。
7.8.1 连接面一：药物警戒与不良反应机制解释
脱靶谱是不良反应机制解释的经典路径（如 hERG 通道抑制与 QT 延长、多巴胺受体拮抗与锥体外系症状）。DTC 的活性数据为「这个药为什么有这个副作用」提供定量证据检索入口：按化合物查全部靶点活性 → 找到与不良反应机制相关的脱靶靶点 → 回溯测定文献。库内的药物安全类条目（若在库）可引用此路径作为机制研究的数据源之一。
7.8.2 连接面二：临床药物相互作用（DDI）预警研究
两个药共用一个代谢酶或一个靶点时可能产生相互作用。DTC 的多靶点活性谱可以用于：候选相互作用对筛选（共享脱靶靶点）→ 活性强度分级（是否达到相关浓度区间）→ 文献回溯验证。这条研究线的完整实现还需要血浆浓度/暴露量数据（DTC 不含），DTC 提供的是「靶点重叠+结合强度」两级证据。
7.8.3 连接面三：精准医学的突变-药匹配
2.0 的突变靶点癌症适应症维度（185 个 CGI 突变靶点）+ 突变级活性查询，使 DTC 成为肿瘤精准医学「突变-药」证据链的一环。完整管线通常是：肿瘤测序 → 突变注释（CGI/CIViC 类工具）→ 突变药敏证据（DTC 突变活性记录）→ 临床试验/已批准药物匹配（DTC 临床阶段字段）。DTC 在其中承担「药敏定量证据」环节。
7.8.4 边界：DTC 不能回答的临床问题
公平清单：
- 不含患者级数据——任何「这个病人该用什么药」的问题不归 DTC 管。
- 不含药代动力学（PK）/暴露量——体外效力到体内疗效的换算需要额外数据源。
- 不含临床结局——活性证据到治疗推荐之间隔着整个临床验证体系。
- 不含组合协同——组合用药数据在姊妹库 DrugComb。
一句话：DTC 是「体外药理学的定量证据层」，向上接化学（化合物结构），向下接临床（疾病/适应症/阶段），本身不替代任何一层。
§7.9 历史定位：2017-2018 开放药理数据浪潮中的 DTC
DTC 诞生于开放药理学数据的密集期，同期事件线：
| 年份 | 事件 | 与 DTC 的关系 |
|---|---|---|
| 2011-2016 | ChEMBL、BindingDB 等大规模活性库成熟 | DTC 的上游来源生态成型 |
| 2015 | Pemovska 等再利用方法论（数据库驱动的药物再利用） | 创刊论文引用的需求背景 |
| 2017 | Santos 等药物列表（权威已批准药清单） | 2.0 分析的对照药物集 |
| 2017-11 | DTC 创刊论文接收 | 平台正式亮相 |
| 2018 | DTC 2.0 论文 + DrugComb 启动（同团队） | 整合层+组合层的双子布局 |
| 2019 | IDG-DREAM 挑战赛 | DTC 成为激酶预测基准出口 |
在这条时间线上，DTC 的历史角色是「把成熟的上游库+文献长尾收拢为一个带注释层的社区整合点」——它不是最早做活性数据的，但是最早把「社区共建」制度化地加进活性数据整合的少数平台之一。同期同团队布局的 DrugComb 补上了药物组合维度，两者共同构成 Tang 组「活性数据基础设施」战略的两翼。
§8 DAIMS 表：数据集一览
| 维度 | 内容 |
|---|---|
| Dataset 名称 | Drug Target Commons（DTC） |
| Access | CC BY-NC-SA 3.0（仅供研究用途）；Zenodo v1 镜像 CC BY 4.0；无注册门槛，全量直下 |
| Instance 数 | ~650 万条蛋白靶点生物活性数据点（2018 年 2.0 时点，可下载口径）；总池 14,820,874 条 |
| Modalities | 化合物结构标识 + 蛋白靶点标识 + 定量生物活性值 + 测定注释 + 文献来源 + 临床/疾病/突变附加维度 |
| Source | ChEMBL（主来源）、BindingDB（~50 万条）、文献直采（~6 万条）、community uploads；标识映射 UniChem/UniProt |
| 任务适配 | 脱靶预测、药物再利用优先级排序、QSAR/pKi 建模、选择性谱分析、库间活性值一致性研究、精准肿瘤学突变-药查询 |
| 缺失处理 | 未注释记录占约 96.8%；单浓度数据与剂量-反应数据须分开建模；同一对多记录需聚合策略 |
| 版本链 | v1（2018 创刊）→ 2.0（2018）→ 滚动更新（快照版本号待官方渠道复核） |
| 引用格式 | Tang J, et al. Cell Chem Biol. 2018;25(2):224-229.e2. doi:10.1016/j.chembiol.2017.11.009；Tanoli ZR, et al. Database (Oxford). 2018:bay083. doi:10.1093/database/bay083 |
§9 实操指南：从下载到建模的最短路径
9.1 三类使用者的推荐入口
| 使用者 | 推荐路径 | 关键动作 |
|---|---|---|
| 全量建模（QSAR/脱靶） | CSV 全量下载 | 只保留 Kd/Ki/IC50/EC50 剂量-反应终点；单位统一 nM；按化合物-靶点对取中位数 |
| 定向查询（某靶点/突变） | REST API | ?target_id=... 或 ?mutation_info=FLT3(D835Y)，offset 翻页 |
| 库间对齐研究 | dump + 交叉链接表 | 用 UniChem/UniProt 映射 join 上游库，锁定映射快照版本 |
9.2 五条避坑清单
- 先过滤 endpoint type 再比数值：IC50 与 XC50 不是一个东西，activity % 与 IC50 更不可换算。μBAO 注释存在时按注释过滤，不存在时按字段名严格白名单。
- 别把 6.5M 当已清洗数据集：只有 204,901 条有 μBAO 注释。直接全量训练等于把「测定类型异质性」当特征学进去——IDG-DREAM 挑战赛的经验是数据多样性有用，但前提是口径可控。
- 聚合策略要显式：同一化合物-靶点对多实验室记录并存，论文口径是中位数；对活性值差异巨大的重复测定（数量级差），建议保留为单独样本或做鲁棒损失，而不是简单平均。
- 锁定映射快照：UniChem/UniProt 映射随上游滚动更新，复现实验应记录抓取日期与映射版本。
- 商用红线：CC BY-NC-SA 3.0 的 NC 条款适用于数据及其衍生物——用 DTC 训练的商业模型存在许可解释风险，商用场景先评估或改用更宽许可的快照（Zenodo BY 4.0 口径，坑 3）并注明出处。
9.3 与典型任务的映射
- 脱靶预测：以激酶族为例，DTC 激酶子集 + IDG-DREAM 基准协议；特征侧用化合物结构（经 ChEMBL ID 取 SMILES），标签侧用 pKd/pIC50。
- 药物再利用：活性数据 + 临床阶段字段（1,406 已批准药物）+ DisGeNET 疾病关联三层 join，对候选再利用对做活性证据核查。
- 精准肿瘤学：突变靶点适应症（185 个 CGI 突变靶点）+ 突变级 API 查询，直接回答「某突变有没有药理学证据」。
- 数据质量研究：多库重复记录是现成的「库间一致性」评测集，可量化 ChEMBL/BindingDB/文献三方对同一测定的数值漂移。
9.4 API 速查
基础查询（按 ChEMBL 化合物 ID，单次上限 1000 条）
https://drugtargetcommons.fimm.fi/api/data/bioactivity/?molecule_chembl_id=CHEMBL939&limit=1000
突变查询
https://drugtargetcommons.fimm.fi/api/data/bioactivity/?mutation_info=FLT3(D835Y)
组合过滤（检测技术 × 化合物）
https://drugtargetcommons.fimm.fi/api/data/bioactivity/?detection_technology=qPCR&molecule_chembl_id=CHEMBL939
全量翻页：修改 limit 与 offset 参数，遍历至空返回
注意字段值大小写敏感（API 口径），而 GUI 表格过滤大小写不敏感——两个入口行为不一致，脚本化时先小样本验证字段值大小写。
9.5 引用规范
使用 DTC 数据的成果应同时引用两篇论文（创刊 + 2.0），并在方法节写明：下载/抓取日期、数据快照口径（可下载数 vs 注释子集）、endpoint 白名单与聚合策略、映射库版本。若使用 Zenodo 快照，附 DOI 10.5281/zenodo.18450948。
§9.6 端到端最小示例：从 CSV 到 pIC50 数据矩阵
以下为一个语言无关的最小管线描述（伪代码形态，任何语言皆可实现）：
1. 下载 DTC_data.csv（制表符分隔，UTF-8）
2. 读入 DataFrame，字段白名单：
compound_id, target_id (或 gene/UniProt), value, units,
endpoint_type, assay_type, assay_format, detection_technology,
mutation_info, pubmed_id
3. 过滤 endpoint_type ∈ {Kd, Ki, IC50, EC50}
4. 单位归一：全部转 nM（注意 μM/µM/mM 换算与脏值，剔除非正值）
5. 变换：pX = -log10(value_nM × 1e-9)
6. 聚合：按 (compound_id, target_id) 分组取 pX 中位数；
同时保留 n_records 列（重复测定数，建模时可作权重）
7. 可选：mutation_info 非空的记录单独成表（突变-药敏子集）
8. 可选：join 已注释子集（μBAO 五字段非空）做「注释质量分层」对照实验
三个工程细节：
- 单位列的脏值率不可忽视：转录来源混杂，会出现空单位或非常规写法——单位归一步骤要有显式的「无法归一则丢弃」日志。
- 中位数聚合前先看分布：同一对的两条记录若相差 >2 个 log 单位，值得回溯两条来源文献——那可能是不同突变/不同测定条件被转录成了同一对。
- 靶点标识列要确认到底是哪一列：DTC 记录的靶点标识在不同导出形态下可能是基因名、UniProt 或内部 ID——以 dump 的 ER 图为准，不要按列名猜。
9.6.1 API 翻页抓取的礼貌协议
API 单次上限 1,000 条、offset 翻页。抓全量的注意点：
- 串行+间隔：不要并发轰击公共学术服务；间隔数百毫秒到秒级是社区惯例。
- 断点续抓：记录 (filter, offset) 游标，失败从游标续。
- 增量更新策略：定期按 pubmed_id 或记录数对比上次快照，只抓增量区间——DTC 无官方增量 API 说明，全量 diff 是稳妥做法。
- 优先 CSV：纯全量需求直接用 CSV，别用 API 翻几万页。
9.6.2 与库内其他资源的组合工作流
DTC（活性值+测定注释）
+ ChEMBL/BindingDB 快照（上游对照、结构 SMILES 补全）
+ GtoPdb（专家置信锚，冲突仲裁）
+ UniChem 映射（化合物跨库 join）
+ UniProt 映射（靶点跨库 join）
──────────────────────────────────────
→ 统一化合物-靶点活性矩阵（多来源、带注释、可追溯）
组合工作流里 DTC 的角色是「对齐起点」：先用它的 25+94 映射把各库记录挂到同一坐标系，再按需要回上游取结构/原文细节。
§9.7 FAQ：建模者最常问的十个问题
F1：DTC 数据能直接当训练集吗？
能，但必须先做 §9.2 的五条清洗（终点白名单、单位归一、聚合、注释分层、单浓度处理）。直接全量训练是最常见误用。
F2：「~6.5M」和 ChEMBL 的百万级数据是什么关系？
高度重叠——ChEMBL 是 DTC 主来源。用 ChEMBL 的研究换用 DTC 的增量价值在 μBAO 注释、突变维度与文献长尾，不在数据量本身。
F3：负样本怎么构造？
DTC 收录「有测定的」记录，无测定不等于无结合。常规做法：活性值高于阈值（如 >10 μM）的记录作弱负样本，并保留其活性值信息；或用实验验证的 selectivity 数据做严格负样本。
F4：同一化合物-靶点对活性值冲突怎么办？
先检查是否测定条件不同（突变/检测技术/测定格式）；真复测冲突取中位数（论文口径），极端分歧（>2 log 单位）建议回溯原文仲裁（可用 GtoPdb 专家值）。
F5：可以商业化使用吗？
平台数据 CC BY-NC-SA 3.0 禁止商业用途。Zenodo 快照 BY 4.0 口径存照但建议按严口径执行；商用场景联系版权方（赫尔辛基大学 FIMM）。
F6：数据更新频率？
滚动更新，无公开的发布节律承诺。需要稳定版本时用 Zenodo 快照或自行固化下载。
F7：有官方 Python/R SDK 吗？
论文口径只有 REST API 与文本/dump 下载，无官方 SDK。社区有零散封装，使用前自审其字段映射是否与新版本一致。
F8：怎么引一条具体记录？
引数据集两篇论文 + 记录级溯源字段（pubmed_id）+ 快照日期。记录无独立 DOI。
F9：突变数据覆盖多少？
mutation_info 字段覆盖文献中的突变测定；2.0 版本另有 185 个突变靶点的癌症适应症（CGI）。突变维度的总量无单独公开数字（遗留疑点）。
F10：发现数据错误怎么办？
登录 → 找到记录 → 建议修改 → 等管理员审核。批量错误可用 Bulk Import 通道提交修订。
§9.8 完整清洗工作流：从 6.5M 到可训练矩阵的二十步
本节把 §9.6 的最小示例展开成一份可执行的完整工作流，每步都标注「做什么/为什么/风险」。这是本条目最具工程价值的一节。
阶段一：获取与固化（步 1-3）
- 下载全量 CSV 与 dump：CSV 用于分析，dump 用于核对 schema（ER 图）。
- 记录快照元数据：下载日期、文件大小、md5、行数——写进项目 README。
- 归档一份只读副本：所有清洗在副本上进行，原始文件永不修改。
阶段二：结构核对（步 4-6）
- 对照 ER 图核对列名：不同导出形态字段名可能不同，先建「字段名→语义」映射表。
- 确认主键组合：活性记录没有全局唯一 ID 时，用 (compound_id, target_id, endpoint_type, value, units, pubmed_id) 组合哈希做去重键。
- 统计字段覆盖率：每个字段的非空率一次摸底——决定后续哪些过滤可行（如注释字段非空率过低就不能依赖它做主清洗）。
阶段三：口径清洗（步 7-12）
- 终点白名单：只保留 Kd/Ki/IC50/EC50——记录丢弃行数与理由。
- 单位归一：全部转 nM；无法归一的（空单位/怪格式）入丢弃日志。
- 非正值与异常值处理：活性值 ≤0、>1e9 nM 的一律剔除（测定下限/上限占位值混入）。
- 比较运算符残留检查：转录的「<10」「>30000」若变成数值 10/30000 会引入假精度——有此形态时单独处理（保守做法：丢弃或按区间建模）。
- 物种核对：靶点为人源 vs 模式生物源测定不可比——按 UniPort 物种信息分层或只留人源。
- 突变记录隔离：mutation_info 非空的记录单独成表——野生型与突变体活性不能混桶。
阶段四：聚合与变换（步 13-16）
- pX 变换：pX = -log10(value_nM × 1e-9)。
- 分组聚合：(compound_id, target_id, 测定条件组) 取中位数；n_records 作为置信权重列。
- 分歧标记：同组内 pX 极差 >2 的组打旗标——人工抽检或回溯文献。
- 注释分层对照：μBAO 注释子集与非注释子集各建一版矩阵，对比下游模型表现差异——量化「注释值多少钱」。
阶段五：验证与交付（步 17-20）
- 合理性 sanity check：已知药物-靶点对的活性值抽查（如伊马替尼-ABL 纳摩尔级）。
- 跨库抽查：与 ChEMBL/BindingDB 同期快照对同一对记录的值差异分布——超预期漂移即报警。
- 交付物清单：清洗后矩阵 + 丢弃日志 + 字段映射表 + 快照元数据 + 清洗脚本——五件套齐才算可复现。
- 写方法节：把步 3-19 的参数全部写进论文/报告方法节，引用本条目 §12 的两篇论文。
9.8.1 每阶段的时间成本经验值
单人单机口径（数量级参考，非论文数据）：获取固化半天；结构核对半天到一天；口径清洗一到两天（取决于脏值率）；聚合变换半天；验证交付半天——合计约三到五个工作日。外包给 DTC 已注释子集可跳过阶段三大半，但规模缩水到 20 万条——这是本条目反复出现的「规模换质量」权衡的工程面。
§9.9 验证清单：交付前的十问
- 数据快照日期与 md5 记录了吗？
- 终点白名单外的记录去哪了（日志可查吗）？
- 单位归一的丢弃率多少？正常范围是多少？
- 「<」「>」残留检查做了吗？
- 物种分层了吗？
- 突变记录隔离了吗？
- 聚合用的中位数还是均值？理由？
- pX 极差 >2 的组处理了吗？
- 已知药物-靶点对 sanity check 过了吗？
- 清洗脚本与参数可复现吗？
十问全过，才可宣布「矩阵可训练」。这份清单同样适用于评估他人论文的 DTC 用数规范——方法节缺哪问，就向哪里追问。
§9.10 字段级 schema 速查（数据工程师视角）
| 字段族 | 代表字段 | 类型 | 缺失处理建议 |
|---|---|---|---|
| 化合物标识 | ChEMBL ID、PubChem CID、DrugBank ID、InChIKey | 字符串 | 至少保留一个可解析标识；InChIKey 做去重主键 |
| 靶点标识 | UniProt、基因名、Ensembl | 字符串 | UniProt 为 join 主键；基因名仅作展示 |
| 活性值 | value、units | 数值+字符串 | 单位归一后剔除非正值与空值 |
| 终点 | endpoint type | 枚举 | 四类剂量-反应白名单制 |
| 注释 | assay type/format、detection technology、inhibitor type | 枚举/字符串 | 允许空——空即「未注释」，不要当第三类用 |
| 来源 | pubmed_id | 整数 | 空来源记录降权或剔除 |
| 突变 | mutation_info | 字符串（如 FLT3(D835Y)） | 需写解析器拆基因/位点/替换 |
| 附加维度 | 临床阶段、疾病关联、突变适应症 | 关联表 | 以 dump 的 ER 图为准，别按 CSV 列猜 |
schema 三原则（从 ER 图结构推导的工程纪律）：
- 活性记录表是事实表，化合物/靶点/文献维度表通过标识 join——不要把附加维度拍平进事实表后误用。
- 标识映射表要版本化——UniChem/UniProt 映射是慢变维（SCD），复现要锁定版本。
- mutation_info 是自由文本——入库前先写解析验证，异常形态单独成清单。
§10 坑点清单（检索与使用陷阱）
坑 1：论文归属误记——「Nature Sci Data 2018」不存在。 DTC 的两篇一手论文是 Cell Chem Biol 2018（Tang 等，创刊）与 Database (Oxford) 2018（Tanoli 等，2.0）。任何把 DTC 引到 Nature Scientific Data 名下的文献/任务描述都是误记；本条目全部数字以两篇实核论文为准。来源：ScienceDirect 论文页、Oxford Academic 论文页、Zenodo 记录、赫尔辛基大学研究门户四源交叉。
坑 2：规模数字口径混用。 「~6.5M」= 可下载蛋白靶点活性数据点；「14,820,874」= 总池（含未整理与非蛋白靶点）；「204,901」= 已 μBAO 注释子集；「1,746,997 / 13,023」= 总池化合物/靶点数。任务头传入的「~1.4M」未见于任何一手来源，疑为某快照或口径混用。引用时必须注明口径。
坑 3：license 双口径。 平台数据 CC BY-NC-SA 3.0（研究用途限定）vs Zenodo v1 存档 CC BY 4.0。商用评估按更严口径执行；依赖宽口径时注明快照 DOI 与理由。
坑 4：域名与托管现状存疑。 论文口径域名 drugtargetcommons.fimm.fi 与 drugtargetcommons.org；本次核验中任务头给的 drugtargetcommons.firetail.org 与 fimm.fi 主站均抓取失败（沙箱网络），现行托管域名待官方渠道复核。论文直链 DTC_data.csv 中的目录名「Excell_files」为原文拼写，检索失败时先确认未误改为 Excel。
坑 5：注释完成率仅约 3%。 6.5M 条中 204,901 条有 μBAO 注释。把 DTC 当已标准化数据集直接全量训练是最常见误用——测定类型异质性会污染模型。正确姿势：先过滤注释状态或 endpoint 白名单。
坑 6：单浓度数据不是活性常数。 activity %/inhibition % 依赖测定浓度与实验条件，跨化合物跨靶点不可比。2.0 论文的对比分析直接排除它们；建模时要么同浓度分层使用，要么丢弃。
坑 7：API 与 GUI 的大小写敏感性不一致。 API 字段值大小写敏感（论文文档明示），GUI 过滤大小写不敏感。脚本化检索失败先查大小写。
坑 8：同一化合物-靶点对多条记录。 多实验室测定各占一条，数值可差数量级。聚合前先看分布（论文用中位数），警惕把复测差异当作生物信号学习。
坑 9：GtopDB 是对比对象不是上游来源。 2.0 论文只把 GtoPdb 用于三库重叠分析，DTC 的活性数据不来自 GtoPdb；上游是 ChEMBL、BindingDB 与文献。血缘关系写错会导致引用链失真。
坑 10：核验渠道受限存照。 本次成稿的全部数字来自论文全文（PMC/OUP/ScienceDirect）、Zenodo 记录与赫尔辛基大学研究门户四个一手来源；官方平台站点因沙箱网络限制未能直接实抓，当前快照版本号与最新记录数为遗留疑点——检索者应以官方平台实时数字为最终口径。
§11 库内互链点（建议）
以下互链 rid 一律以占位形式书写，由主会话在入库后统一回填（R018 纪律）：
| 目标条目 | 关系 | 建议 |
|---|---|---|
| gtopdb（GtoPdb / IUPHAR-BPS） | 同域互补：专家策展路线 vs 众包整合路线；2.0 论文三库对比对象 | 双向互链，正文 §7.2 已写对照表 |
| chembl（若在库） | 上游主来源：DTC 主数据来源并补注 μBAO | 血缘互链 |
| bindingdb（若在库） | 上游来源：2.0 整合约 50 万条 | 血缘互链 |
| dgidb / drugbank / stitch（若在库） | 同域 DTI/药物-基因资源 | 生态互链，可写「活性值交叉验证源」 |
| drugcomb / 药物组合类条目（若在库） | 同团队（Tang 组）姊妹工程，EU 716063 资助 | 团队血缘互链 |
relatedLink 一律使用纯 URL 占位 https://www.qianfanghub.com/ai-ready-dataset/<slug>/0，消歧说明只存在于本节正文（R012 纪律）。
§12 参考来源
- Tang J, Tanoli Z-UR, Ravikumar B, et al. Drug Target Commons: A Community Effort to Build a Consensus Knowledge Base for Drug-Target Interactions. Cell Chem Biol. 2018 Feb 15;25(2):224-229.e2. doi:10.1016/j.chembiol.2017.11.009（ScienceDirect 开放获取全文）
- Tanoli ZR, Alam Z, Vähä-Koskela M, et al. Drug Target Commons 2.0: a community platform for systematic analysis of drug-target interaction profiles. Database (Oxford). 2018;2018:bay083. doi:10.1093/database/bay083（Oxford Academic / PMC6146131）
- Zenodo 存档：Drug Target Commons v1，doi:10.5281/zenodo.18450948（DTC_DrugTargetInteractions.RData，86.6 MB，CC BY 4.0 口径）
- 赫尔辛基大学研究门户：researchportal.helsinki.fi/en/datasets/drugtargetcommons（数据集登记与访问入口 drugtargetcommons.org）
- IDG-DREAM Drug Kinase Binding Prediction Challenge（bioRxiv 2019.12.31.891812；Synapse doi:10.7303/syn15667962）
- PubMed PMIID 30219839 / PMCID PMC6146131（2.0 论文收录记录）
附记（存照）：任务头三项信息与实核不符——①论文非 Nature Sci Data 2018 而是 Cell Chem Biol 2018 + Database 2018 双论文；②「~1.4M 记录」无一手来源支撑，实核口径 ~6.5M（可下载）/ 14,820,874（总池）；③ drugtargetcommons.firetail.org 域名两次抓取失败，现行托管待复核。本条目全部按一手来源成稿，出入逐条已入坑 1/坑 2/坑 4/坑 10。
§10.5 坑点扩展：检索者实测易踩的三个补充坑
坑 11：把「Commons」理解为单一下载数据集。 DTC 是「平台+库+社区」三合一：下载页只是平台的一个出口；论文里的临床阶段、疾病关联、突变适应症等维度部分只在 GUI/API 面板呈现，不一定全在 CSV 里。需要附加维度时检查导出形态的字段覆盖。
坑 12：把 DrugComb 数据混进 DTC 检索。 Tang 组的另一资源 DrugComb 专注药物组合协同，与 DTC 同门户生态但数据不同。搜「drug combination synergy」不应在 DTC 找；搜单药活性不应在 DrugComb 找。两库引用勿混。
坑 13：Snapshot 漂移导致复现失败。 同一篇论文复现时重新下载 DTC 可能得到不同结果（新数据入库/旧记录修订）。复现已发表论文的 DTC 实验，应设法获取原论文的快照日期与过滤脚本，而不是「今天重新下一个全量」。
§10.6 数字一致性自查表
引用 DTC 时用此表自查口径：
| 若你写的是 | 你必须确认 | 论文出处 |
|---|---|---|
| ~650 万条 | 口径=蛋白靶点可下载数据点，2018 时点 | Database 2018 bay083 下载节 |
| 14,820,874 | 口径=总池数据点（含未整理） | 同上 |
| 1,746,997 / 13,023 | 口径=总池化合物/靶点数 | 同上 |
| 204,901 | 口径=μBAO 已注释数据点 | 同上（结果节） |
| 4,276 / 1,007 | 口径=已注释化合物/靶点数 | 同上 |
| ~50 万 | 口径=BindingDB 整合条数 | 同上 |
| ~60,000 | 口径=文献直采注释（库外增量） | 同上 |
| 3,532 / 292,218 / 1,406 | 口径=临床阶段化合物/适应症记录/已批准数 | 同上（Figure 3） |
| 185 | 口径=CGI 突变靶点数 | 同上 |
| 1,573 / 4,123 / 331,514 | 口径=DisGeNET 基因/疾病/关联数 | 同上 |
| 25 / 94 | 口径=化合物/靶点交叉链接库数 | 同上 |
| 2018;25(2):224-229 | 创刊论文卷期页 | Cell Chem Biol |
§11.5 消歧与常见混淆
| 混淆项 | 澄清 |
|---|---|
| DTC vs DrugBank | DrugBank 是药物-靶点+药物信息的专家策展库；DTC 是活性数据整合平台。 DrugBank 是 DTC 化合物 25 库链接之一 |
| DTC vs ChEMBL | ChEMBL 是自动抽取的活性数据库（DTC 主上游）；DTC 加注释层+社区层+附加维度 |
| DTC vs BindingDB | BindingDB 是文献活性数据专库（DTC 上游之一）；三库重叠分析见 §7.2 |
| DTC vs GtoPdb | GtoPdb（IUPHAR/BPS）专家策展小而准；DTC 众包整合大而全。互补不互替 |
| DTC vs DGIdb | DGIdb 专注药物-基因相互作用与可成药性注释；DTC 专注定量活性值。颗粒度不同 |
| DTC vs DrugComb | 同团队姊妹工程：DrugComb=药物组合协同，DTC=单药活性。数据勿混 |
| drugtargetcommons.fimm.fi vs drugtargetcommons.org vs firetail.org | 前两个是论文口径域名；firetail.org 本次核验不可达（坑 4）。以官方渠道为准 |
§12.5 数据血缘认知地图（一图流）
┌──────────────────────────────┐
│ 文献全文（PubMed 索引空间） │
└──────┬──────────────┬────────┘
自动抽取 │ │ 人工直采
▼ │ ▼
┌──────────┐ │ ┌─────────────┐
│ ChEMBL │─┼────────│ BindingDB │
└────┬─────┘ │ └──────┬──────┘
│ 转录+验证 │ 整合 ~0.5M
▼ ▼
┌─────────────────────────────────────────┐
│ Drug Target Commons（DTC） │
│ · μBAO 注释层（~204,901 条已注） │
│ · UniChem×25 / UniProt×94 交叉链接 │
│ · 临床阶段（3,532 化合物） │
│ · DisGeNET 关联（331,514 条） │
│ · CGI 突变适应症（185 靶点） │
│ · 社区上传+管理员审核 │
└────┬──────────────┬──────────────┬──────┘
▼ ▼ ▼
CSV/dump/API IDG-DREAM 基准 知识图谱/再利用/
（获取通道） （评测出口） QSAR（建模下游）
使用这张图回答「我该从哪进」：要全量→左下；要基准任务→中下；要定向查询/再利用→右下；要理解数据从哪来→上方三条来源。
§13 版本与维护说明
- 本条目成稿时点：2026-10-16；全部规模数字为 2018 年 DTC 2.0 论文时点口径（一手来源可查证的最新快照数字）。
- DTC 为滚动更新库：官方平台实时数字会持续增长，引用本条目数字时注明「2018 论文时点」。
- 遗留疑点（待官方渠道恢复后复核）：①当前平台快照版本号与最新记录数；②drugtargetcommons.firetail.org 是否为现行托管域名；③2.0 之后是否有 3.0 级别的版本论文（本次网络预算内三源检索未发现，不排除漏检）。
- 派发 brief 三处出入（Nature Sci Data 2018 / ~1.4M / firetail.org 域名）已分别存照于坑 1、坑 2、坑 4。
条目附记：Drug Target Commons 是「整合层」路线的代表作——它证明了在专家策展（GtoPdb）与自动抽取（ChEMBL/BindingDB）之外，社区众包+管理员审核可以以极低成本维持一个数百万条记录的开放活性知识库。它的 μBAO 注释协议、UniChem/UniProt 双轨映射与三通道获取（CSV/dump/API）是 AI-Ready 数据集的正面教材；它的 3% 注释完成率、NC 许可与快照漂移风险则是使用时必须清醒对待的边界。两条合起来，才是完整的 DTC。
附录 C：延伸阅读导航（按问题找文献）
| 你想了解 | 读哪篇 | 定位 |
|---|---|---|
| DTC 是什么、为什么建 | 创刊论文（Cell Chem Biol 2018） | 定位与社区邀约 |
| 有多少数据、怎么下载、API 怎么写 | 2.0 论文（Database 2018 bay083） | 功能与数字总账 |
| 2018 年的原始快照 | Zenodo 10.5281/zenodo.18450948 | 固化存档（RData） |
| 机构登记与访问入口 | 赫尔辛基大学研究门户 | 官方元数据 |
| 激酶预测基准任务 | IDG-DREAM（bioRxiv 2019.12.31.891812） | 下游基准生态 |
| 众包注释协议 | 2.0 论文 μBAO 节 + BAO 原始文献 | 注释方法论 |
| 三库重叠方法论 | 2.0 论文补充图 | 库间对齐方法 |
| 药物组合协同 | DrugComb 系列（同团队） | 姊妹库 |
附录 D：本条目未覆盖、检索者可能仍想问的问题
| 问题 | 状态 |
|---|---|
| 当前（2026）平台的实时记录总数 | 遗留疑点（官方站本次不可达，坑 10） |
| 2.0 之后是否发布过 3.0 级版本论文 | 三源检索未见，不排除漏检 |
| firetail.org 与 fimm.fi 的托管关系 | 遗留疑点（坑 4） |
| 管理员审核的错误残留率 | 论文未披露，无公开量化 |
| mutation_info 字段的记录总量 | 无单独公开数字 |
| 突变-药敏证据的临床验证覆盖率 | 超出 DTC 论文范围，属下游研究 |
这些问题本条目按「不猜测、只存照」原则处理：正文用论文口径，实时性问题留待官方渠道恢复后复核（§13.6 交接清单）。
§13.5 写作方法附记：本条目的核验路径
供后续维护者复用本条目的核验方法（全部一手来源，检索时点 2026-10-16）：
- 创刊论文全貌：ScienceDirect 文章页（pii S2451945617304269）——标题、作者全名单、摘要、Highlights、关键词、开放获取声明。检索入口：WebSearch 「Drug Target Commons Tang Cell Chem Biol」。
- 2.0 论文全文：Oxford Academic（doi:10.1093/database/bay083）与 PubMed Central（PMC6146131）——规模数字、API 文档、下载许可、μBAO 说明、三库重叠图、临床/疾病维度数字全部出自此源。
- Zenodo 存档：记录页 10.5281/zenodo.18450948——v1 文件（RData 86.6 MB）、license 口径（CC BY 4.0）、衍生 DOI 链、资助信息（EU 716063）。
- 机构登记：赫尔辛基大学研究门户（researchportal.helsinki.fi/en/datasets/drugtargetcommons）——数据集登记、访问入口 drugtargetcommons.org、Creator 登记（Jing Tang, 2018）。
- 第三方生态：IDG-DREAM 挑战赛（bioRxiv 2019.12.31.891812 + Synapse doi:10.7303/syn15667962）——DTC 作为数据出口与持续验证平台的角色。
- 未走通：drugtargetcommons.firetail.org 与 drugtargetcommons.fimm.fi 主站两次 WebFetch 均失败（沙箱网络）——官方平台实时状态未实抓，相关数字一律用论文口径并标注时点。
三源互证结论：创刊论文（Cell Chem Biol）、2.0 论文（Database/OUP+PMC）、Zenodo+赫尔辛基门户三条独立链在「论文归属、团队归属、许可、规模量级、获取方式」五个关键面上互相印证；唯一无法在线核验的是平台实时快照状态（遗留疑点已存照）。
§13.6 给后续接管者的快速交接
- 本条目 FACTS.md 位于同目录，九节结构完整，先读它再读本文。
- 规模数字的唯一权威是 2.0 论文（bay083），别用二手转述。
- 若官方平台恢复访问，优先补三件事：①当前快照版本号；②最新记录总数；③firetail.org 与 fimm.fi 的托管关系——补完更新坑 4 与坑 10。
- 若发现 3.0 版本论文发布：核对规模口径是否换代，更新 §2 时间线与 §4.11 纵深表。
§14 结语：为什么 DTC 值得一个百科条目
回到最初的问题：一个不产生新实验数据的整合库，为什么值得放进 AI-Ready 数据集百科？
因为它示范了一件事：医学数据的基础设施价值不只在「采集」，更在「让已有数据变得可用」。全球药理学界每年产出数以百万计的活性测定值，散落在论文表格与各库的异构 schema 里——不整合，它们就是数据坟场；整合了，它们就是脱靶预测、药物再利用、QSAR 建模的燃料。DTC 用 μBAO 注释解决「口径」问题，用双轨映射解决「标识」问题，用众包+审核解决「更新」问题，用三通道获取解决「可及」问题——四件事凑齐，散数据才变成数据集。
它也示范了边界：3% 的注释完成率提醒我们人工策展跟不上机器转录，NC 许可提醒我们开放不等于无约束，快照漂移提醒我们滚动更新是复现的天敌。这些边界不是缺陷清单，而是任何想做「医学数据整合层」的后来者都要面对的工程现实——DTC 把它们原样暴露给了社区。
对一个以「让医学数据 AI-Ready」为使命的站点来说，这样的样本和它的两篇论文一样值得被完整记录。
附录 A：本条目数字来源对照总表
| 数字 | 出处 | 时点 |
|---|---|---|
| ~6,500,000 可下载数据点 | Database 2018 bay083 下载节 | 2018 |
| 14,820,874 / 1,746,997 / 13,023 总池 | 同上 | 2018 |
| 204,901 / 4,276 / 1,007 注释子集 | 同上结果节 | 2018 |
| ~16,000 本轮新增注释 / ~60,000 文献直采 / ~500,000 BindingDB | 同上 | 2018 |
| 3,532 / 292,218 / 1,406 临床维度 | 同上 Figure 3 | 2018 |
| 185 CGI 突变靶点 | 同上 | 2018 |
| 1,573 / 4,123 / 331,514 DisGeNET | 同上 | 2018 |
| 25 / 94 交叉链接库数 | 同上 | 2018 |
| CC BY-NC-SA 3.0（平台） | 同上下载节 | 2018 |
| CC BY 4.0（Zenodo） | zenodo.org/records/18450948 | 存档页 |
| 论文卷期 | Cell Chem Biol 25(2):224-229.e2 / Database bay083 | 2018 |
附录 B：首字母缩略语总表
| 缩略语 | 全称 | 中文 |
|---|---|---|
| DTC | Drug Target Commons | 药物靶点公共库 |
| DTI | Drug-Target Interaction | 药物-靶点相互作用 |
| μBAO | micro BioAssay Ontology | 简化版生物测定本体 |
| FIMM | Institute for Molecular Medicine Finland | 芬兰分子医学研究所 |
| IDG | Illuminating the Druggable Genome | 可成药基因组照亮计划 |
| CGI | Cancer Genome Interpreter | 癌症基因组解读器 |
| SPR | Surface Plasmon Resonance | 表面等离子共振 |
| TR-FRET | Time-Resolved Fluorescence Resonance Energy Transfer | 时间分辨荧光共振能量转移 |
| QSAR | Quantitative Structure-Activity Relationship | 定量构效关系 |
| ER | Entity-Relationship | 实体-关系（数据库建模） |
| AML | Acute Myeloid Leukemia | 急性髓系白血病 |
| BCR-ABL | Breakpoint Cluster Region-Abelson | 费城染色体融合激酶（伊马替尼靶点） |
| GPCR | G Protein-Coupled Receptor | G 蛋白偶联受体 |
| InChIKey | International Chemical Identifier Key | 国际化学标识符键 |
| CC | Creative Commons | 知识共享许可协议 |
（全文完）
维护提示：本条目采用分 part 私有区写作后拼接成稿，part 清单与拼接顺序见目录内各 part 文件名序；接管维护时请勿直接改成稿，先改 part 再重拼，保持接缝处空行。
（本条目为社区维护型百科条目，发现平台数据更新请循 §13.6 交接清单复核后再修订正文。）
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：
- chembl — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 化学信息学 / 虚拟筛选
- chembl — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 化学信息学 / 虚拟筛选
- zinc — 共享标签：药物发现与化学 / 化学信息学 / 虚拟筛选
- davis — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 化学信息学
- drugcomb — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 虚拟筛选
- drugcentral — 共享标签：药物发现与化学 / 化学信息学 / 虚拟筛选
- drugbank — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 化学信息学
- csar — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 化学信息学 / 虚拟筛选
- plumber — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 化学信息学 / 虚拟筛选
- tcmbank — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 化学信息学 / 虚拟筛选
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。
