TCMBank — 全球最大免费中医药关系型数据库

INFOBOX — TCMBank 一屏速览

维度	内容
本质	中医药领域规模最大的免费下载型关系数据库（异质网络，非影像/信号数据集）
团队	中山大学智能工程学院人工智能医学研究中心，通讯陈语谦（Calvin Yu-Chian Chen）
论文	Chem Sci. 2023，DOI 10.1039/d3sc02139d，PMID 37829020，PMCID PMC10566508，开放获取
上线	2019-05-28 正式上线；前身为 2011 年 TCM Database@Taiwan
规模	草药 9191 ｜ 成分 61965（去重）｜ 靶标 15179 ｜ 疾病 32529（官网统计口径）
关系	六对：herb-ingredient / herb-target / herb-disease / ingredient-target / ingredient-disease / target-disease
三维结构	成分提供 mol2 格式 3D 结构，供虚拟筛选与分子模拟
更新	IDIM 智能文献识别（selenium+pdfplumber+OCR+OSRA+NLP）从 PubChem 持续抽取
质控	所有信息入库前至少两次人工验证
外部引用	六库互链：TCMID/TCMSP/SymMap/TCM-ID/HERB/ETCM + OMIM/HGNC/MeSH/Ensembl/DO/HPO
下游 AI	集成学习（EL）药物发现协议：对接→配体 EL→HNN 的 DTA→MD+体外；3DGT-DDI/SA-DDI 预测 DDI
获取	官网 https://TCMBank.CN/ 免费下载（non-commercial）
库内互链	TCMSSD(1054)、MTCMB(1108)、TCMEval-SDT(1053)、TCM-Tongue(1052)、NB-TCM-CHM(1116)

TCMBank 是一张把"草药、分子、蛋白、疾病"四类实体缝在一起的网。传统中医文献里"某草治某病"的经验，被拆解为可计算的对象：草药含哪些成分（ingredient）、成分作用于哪些蛋白靶标（target）、靶标又与哪些疾病（disease）相关联。四类实体之间有六对两两关系，构成一张异质网络（heterogeneous network）。研究者在这张网上可以做的事，从"这味药的成分有没有成药潜力"到"这个靶标能不能用现有中药成分去调控"，都被这条关系链打通。

它的重要性与一个数字直接相关：61965 种去重成分、15179 个靶标、32529 种疾病——论文据此宣称 TCMBank 是"最大的系统性免费中医数据库"（the largest systematic free TCM database），并给出与同域数据库的数据量对比图。对做 AI 辅助药物发现（AI-assisted drug discovery, AIDD）的团队而言，这类标准化、可下载的中医知识底座此前长期稀缺，正是 TCMBank 试图填补的空缺。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——官网免费下载，但注意它是 non-commercial 定位、无明文 SPDX 条款。
2. 关心关系网络与结构：直奔 §3 六大关系网与 §4 数据字段——mol2 三维结构是它相对多数同域库的差异化卖点。
3. 做 AI 药物发现：直奔 §5 下游协议——集成学习（EL）药物重定位流程与 3DGT-DDI/SA-DDI 是论文的方法学产出。

§0 导读：这个数据库解决什么问题

把中医推向现代化的两个关键环节，是确定中药的有效成分、并阐明有效成分与靶标之间的作用机制。这两件事都卡在同一个前提上：需要一份足够全面、足够可靠、且可被机器直接使用的"草药—成分—靶标—疾病"关系数据。现实是，中医信息长期散落在古籍、方剂书、期刊论文与各自为政的小型数据库里，命名不统一、结构不规范、更新滞后，AI 模型想用也无从下手。

TCMBank 的回答分三层。

第一层是聚合与标准化。 它把 TCM 领域已有的六个数据库（TCMID、TCMSP、SymMap、TCM-ID、HERB、ETCM）以及 OMIM、HGNC、MeSH、Ensembl、DO、HPO 等公开库整合进来，建立草药、成分、靶标、疾病四类实体的标准列表与详情页，并对每条信息做交叉引用。相对于前身 TCM Database@Taiwan，成分数从 32364 增至 61965（去重），并新增了 targets 与 diseases 两个此前缺失的字段。

第二层是持续更新。 传统中医数据库的一大痛点是数据滞后——文献里新发现的成分与靶点，往往要等数据库作者手动整理数年才进库。TCMBank 为此设计了智能文献识别模块（Intelligent Document Identification Module, IDIM）：用 selenium 定期从 PubChem 抓取最新文献，再串起 pdfplumber（PDF 文本解析）、OCR（光学字符识别）、自动摘要与关键词抽取、OSRA（光学结构识别）等工具，把文献里的中医信息自动抽出来，人工复核后入库。

第三层是面向 AI 的应用示范。 光有数据不够，团队随后提出了一套基于集成学习（Ensemble Learning, EL）的药物发现协议，用 TCMBank 的成分—靶标关系去识别潜在先导化合物、做药物重定位（drug repurposing），并以结直肠癌与阿尔茨海默病两个案例走完整条流程：分子对接、配体 EL 模型、基于混合神经网络（HNN）的药物—靶点亲和力（DTA）预测、分子动力学模拟与体外验证。

§0 读法三则：

1. 这是一条"资源型"条目——TCMBank 不是训练/测试划分意义上的数据集，而是可查询、可下载的知识库，用"数据集"的评估框架（划分、标签、benchmark）去套会错位。
2. 全文规模数字存在官网与论文摘要的双口径（9191/9192、61965/61966 各差 1），引用前先看 §4 的口径说明与坑 2。
3. 检索时注意它与库内 MTCMB、TCMSSD、TCM-Tongue 等条目是不同资源，名字都含"TCM"极易混淆（§9 与坑 7）。

§1 数据库速览：十问十答

Q1：TCMBank 到底是什么？
一个免费下载的中医药关系型数据库。它收录四类实体——草药（Herbs）、成分（Ingredients）、基因靶标（Targets）、疾病（Diseases）——并建立它们之间六对两两关系，构成一张异质网络。用户可在官网按实体浏览、按关系查询、做网络分析。

Q2：谁做的、什么时候？
中山大学智能工程学院人工智能医学研究中心陈语谦（Calvin Yu-Chian Chen）团队。2019 年 5 月 28 日官网正式上线，主论文 2023 年发表于 Chemical Science。它的前身是团队 2011 年发布的 TCM Database@Taiwan。

Q3：规模有多大？
官网统计口径：草药 9191、成分 61965（去重）、靶标 15179、疾病 32529。论文摘要口径草药 9192、成分 61966（各差 1，见坑 2）。

Q4：它和一般"数据集"有什么不同？
它是知识库而非样本集：没有患者、没有影像、没有 train/test 划分，条目是一行行的实体记录与关系边。你要用它，方式是查询、下载、再与自己的数据连接，而不是直接丢进模型训练。

Q5：六对关系具体是什么？
herb–ingredient（草药含哪些成分）、herb–target（草药涉及哪些靶标）、herb–disease（草药关联哪些疾病）、ingredient–target（成分作用于哪些靶标）、ingredient–disease（成分关联哪些疾病）、target–disease（靶标与疾病的关联）。六对关系把"中药—分子—蛋白—疾病"串成一条可追溯的链。

Q6：三维结构是怎么回事？
成分以 mol2 格式提供三维结构文件，可直接用于虚拟筛选（virtual screening）或分子模拟。这是它相对许多只给名称/SMILES 的同域库的差异化能力。

Q7：数据从哪来、怎么保证质量？
来源分三类：六个 TCM 数据库、公开生物医学库（OMIM/HGNC/MeSH/Ensembl/DO/HPO）、以及 PubChem 文献经 IDIM 抽取。所有信息入库前至少经过两次人工验证。

Q8：IDIM 是什么？
智能文献识别模块。selenium 抓取 PubChem 最新文献 → pdfplumber 解析 PDF → OCR 识别图像文字 → NLP 自动摘要与关键词抽取 → OSRA 识别化学结构 → 人工复核入库。目的是缓解中医数据库的更新滞后。

Q9：论文除了建库还做了什么？
做了两件 AI 相关的事：一是基于集成学习的药物发现/重定位协议（结直肠癌、阿尔茨海默病案例）；二是提出 3DGT-DDI 与 SA-DDI 两个模型预测中西药之间的药物相互作用（DDI）。

Q10：现在能用吗、怎么拿？
能。官网 https://TCMBank.CN/ 免费开放下载，定位为非商业（non-commercial）用途；未见 SPDX/CC 明文许可条款，商用或再分发前需与作者确认（§6、坑 5）。

§2 家族谱系与前身：从 TCM Database@Taiwan 到 TCMBank

TCMBank 不是凭空出现的。要理解它的定位，得先看它的前身。

TCM Database@Taiwan（2011）：团队在 2011 年发布的中医药数据库，是最早被广泛使用的免费中医数据库之一。论文自述其"已被广泛传播和使用"，其主要贡献是收录了大量草药及其分离化合物的结构文件。但它有两个明显局限：一是化合物层面缺少靶标与疾病字段，二是数据以静态方式发布、更新依赖人工。

TCMBank（2019 上线 / 2023 论文）：作为前身的系统性扩展，它做了三件前身没做的事。第一是补字段——新增 targets（靶标）与 diseases（疾病）两个数据维度，把"草药—成分"的二元关系扩展为四类实体、六对关系的网络。第二是扩规模——草药化合物数从 32364 增至 61965（去重）。第三是给更新机制装上自动化引擎 IDIM，试图解决中医数据库普遍的数据滞后问题。

论文把这个演进讲得很明确：TCM Database@Taiwan 是"已发布并被广泛使用"的起点，TCMBank 是"最大的系统性免费 TCM 数据库"（the largest systematic free TCM database），是前身的扩展（extension）。

谱系要点一览：

代际	名称	年份	关键变化
前身	TCM Database@Taiwan	2011	草药+成分结构文件；免费公开；被广泛使用
本体	TCMBank	2019 上线 / 2023 论文	新增靶标+疾病字段；成分 32364→61965；四实体六关系；IDIM 自动更新；mol2 3D 结构

一个容易误读的点：NGDC（国家基因组科学数据中心）Database Commons 把 TCMBank 的"Year founded"记为 2023（坑 3）。这不是矛盾——2019 是网站上线年，2023 是论文发表并被第三方收录的年。凡见"2023"，多来自收录页/论文；凡见"2019-05-28"，多来自官网自述。

§3 数据构成与规格

3.1 四类实体与规模

TCMBank 的核心是四张实体表。按官网统计口径（2026-10-16 抓取）：

实体	记录数	论文口径	说明
Herbs 草药	9,191	9,192（摘要）	中药材条目，含别名、分类等
Ingredients 成分	61,965	61,966（去重）	分离化合物，含 mol2 三维结构
Targets 靶标	15,179	15,179	基因/蛋白靶标
Diseases 疾病	32,529	32,529	关联疾病

口径分歧提示：草药与成分两项，官网与论文摘要各差 1（9191 vs 9192、61965 vs 61966）。这不是笔误叠加，而是两条记录口径的差异——可能来自某条边界条目的取舍或摘要取整。全库按"官网统计页为主、论文摘要并列"处理（坑 2）。

3.2 六对关系与网络结构

四类实体两两相连，共六对关系，构成一张异质网络：

关系对	语义	用途举例
herb–ingredient	草药包含哪些成分	拆解方剂成分、评估成药性
herb–target	草药涉及哪些靶标	从药到蛋白的作用假设
herb–disease	草药关联哪些疾病	传统功效与疾病映射
ingredient–target	成分作用于哪些靶标	虚拟筛选与 DTA 预测的边
ingredient–disease	成分关联哪些疾病	药物重定位线索
target–disease	靶标与疾病的关联	靶点可成药性/机制解释

论文给出的网络连通性指标：连接的草药数 9,010、连接的成分数 54,676；草药平均连接数 16.05、成分平均连接数 5.26。这些数字说明网络并非全连通——一部分草药/成分处于孤立或低连接状态，这对下游做图神经网络的团队是重要的稀疏性提示。

3.3 三维结构：mol2 是差异化能力

成分以 mol2 格式提供三维结构文件。相对只提供平面结构（SMILES/InChI）的同域库，mol2 直接携带原子三维坐标与键型信息，可直接进入对接（docking）与分子动力学（MD）流程——这也是论文能顺利跑通"对接→EL→DTA→MD"整条 AI 协议的前提。用户在官网 Download 页可获取这些结构。

3.4 外部交叉引用

TCMBank 整合了三类数据源并建立交叉引用：

• 六个 TCM 数据库：TCMID、TCMSP、SymMap、TCM-ID、HERB、ETCM。
• 公开生物医学库：OMIM、HGNC、MeSH、Ensembl、DO（Disease Ontology）、HPO（Human Phenotype Ontology）等。
• 文献抽取：PubChem 全新文献经 IDIM 识别。

每条草药/成分/靶标/疾病条目都提供指向上述公开库的跳转链接，这使 TCMBank 更适合作为"网络中枢"与其他库对接，而非封闭孤岛。

3.5 四类实体的字段逐类拆解

要真正用起来 TCMBank，得知道每一类实体里到底有什么。

3.5.1 草药（Herbs）

草药是 TCMBank 的入口实体。每条草药记录通常包含：草药名称（含中英文/拉丁名与别名）、所属分类、以及若干关联关系（含哪些成分、涉及哪些靶标、关联哪些疾病）。官网提供按分类的饼图浏览与全列表——点击饼图任一扇区即可筛选符合条件的草药（论文 Fig.8A）。

举例：论文官网示例中展示了石榴果（pomegranate fruit，拼音 SHI LIU）的详情页（Fig.8B），其中列出该草药的成分与 TCM 相关列表信息。这一实体层的价值在于"以药为核心"组织关系——符合中药研究与方剂研究的直觉。

3.5.2 成分（Ingredients）

成分是 TCMBank 最"重"的实体——61965 条去重记录。每条成分记录包含：成分名称、化学结构标识、mol2 三维结构，以及它来自哪些草药、作用于哪些靶标、关联哪些疾病。官网成分页支持结构匹配（structural matching）与结构相似性检索（structural similarity search，论文 Fig.8D）——这对"已知活性分子找类似中药成分"的虚拟筛选场景非常实用。

成分层的三次化学信息学处理值得单独指出：ADMET 性质分析、Rule of Five（类药五规则）筛选、与天然产物数据库（NPs）的物理化学性质对比（论文 Fig.13/Fig.14）。这些是判断"中药成分是否具备类药性"的关键。

3.5.3 靶标（Targets）

15179 个基因靶标。每条靶标记录关联：哪些成分作用于它、哪些草药涉及它、它与哪些疾病相关。靶标层是连接"分子"与"疾病"的桥梁——也正是 DTA 预测（药物-靶点亲和力）任务的落点。

3.5.4 疾病（Diseases）

32529 种疾病。每条疾病记录关联：哪些草药/成分/靶标与其相关。疾病层的疾病命名对接到 DO（Disease Ontology）、MeSH 等标准本体，这使 TCMBank 的疾病节点能与其他生物医学知识图谱对齐。

3.5.5 实体对照速查

实体	记录数	关键字段	差异化能力
Herbs	9,191	名称/别名/分类/关系	以药为核心组织
Ingredients	61,965	名称/结构/mol2/关系	结构与相似性检索、ADMET
Targets	15,179	基因/蛋白/关系	连接分子与疾病的桥梁
Diseases	32,529	疾病名/本体映射/关系	对接 DO/MeSH 本体

3.6 关系网络的实际查询形态

TCMBank 官网提供"系统分析（systematic analysis）"功能，可构建 herb-ingredient-disease 网络（论文 Fig.8C）。这意味着用户不只是查单条记录，而能从一味药出发，展开到它的成分、再展开到这些成分关联的疾病，形成一张可视化的关系网。

对做图分析的团队，这对应三种典型查询：

1. 从药到病：给定草药 → 其成分 → 成分靶标 → 靶标相关疾病（多跳推理）；
2. 从病到药：给定疾病 → 相关靶标 → 作用这些靶标的成分 → 含这些成分的草药（药物重定位的核心查询）；
3. 从分子到药：给定一个已知活性分子 → 结构相似性检索 → 相似的中药成分 → 来源草药（虚拟筛选 + 溯源）。

网络稀疏性的事实提示：连接草药 9010/总 9191、连接成分 54676/总 61965，意味着约 2% 的草药与约 12% 的成分在关系网中没有边——做图模型时需先处理这些孤立节点，否则会引入大量噪声。

3.7 数据来源的三条管道

TCMBank 的数据并非单一来源，而是三条管道汇流：

管道一：既有 TCM 数据库整合。 从 TCMID、TCMSP、SymMap、TCM-ID、HERB、ETCM 六个中医数据库汇入草药、成分及其关系。这决定了 TCMBank 的"起点规模"——它不是从零建库，而是在既有库基础上做标准化与扩展。

管道二：公开生物医学库交叉引用。 OMIM（人类孟德尔遗传）、HGNC（基因命名）、MeSH（医学主题词）、Ensembl（基因组）、DO（疾病本体）、HPO（人类表型本体）等，用于统一靶标与疾病的命名、建立跳转链接。这是 TCMBank 能与通用生物医学数据对齐的关键。

管道三：文献智能抽取。 PubChem 最新文献经 IDIM 抽取，补充既非六库覆盖、也非公开库收录的新发现（§4 详述）。

三条管道的分工清晰：管道一给规模，管道二给标准，管道三给时效。

3.8 与同域数据库的对比定位

论文 Fig.1 的核心论点是"TCMBank 的数据量最大"。把同域主要库放在一起看：

数据库	主要覆盖	是否含靶标/疾病	三维结构	TCMBank 的差异
TCMID	中药-成分-靶标	部分	有限	TCMBank 规模更大、含疾病
TCMSP	草药-成分-靶标-药代	含靶标	有	TCMBank 含疾病层与 mol2
SymMap	症状-中药-靶标	含靶标	—	TCMBank 四维更全
TCM-ID	中药-成分-靶标	部分	—	TCMBank 更新机制更自动
HERB	草药-成分-靶标	含靶标	有	TCMBank 规模与关系对更全
ETCM	草药-成分-靶标	含靶标	—	TCMBank 增加疾病维度
TCMBank	草药-成分-靶标-疾病	含靶标+疾病	mol2	四维+六对关系+IDIM 更新

（此表为同域定位的定性梳理，具体逐库规模以各库官方为准；TCMBank 的"最大"论断出自论文 Fig.1。）

3.9 数据的化学信息学侧写

论文用专门章节（Fig.13/Fig.14）对 TCMBank 成分做了化学信息学侧写，这对药物发现至关重要：

物理化学性质分布。 论文将 TCMBank 成分与天然产物数据库（Natural Products, NPs）对比，区分全部化合物、类药（drug-like, DL）、类先导（lead-like, LL）、片段（fragment-like, FL）四档，并展示各自的整体物理性质分布。

ADMET 与 Rule of Five。 论文报告 TCMBank 与 NPs 经过 ADMET 与类药五规则筛选的结果，以及 ADMET 分布对比。常见指标含：发育毒性潜力（DTP）、血脑屏障穿透（BBB）、血浆蛋白结合（PPB）、CYP2D6 抑制、肝毒性（hepatotoxicity）等。

这类侧写的意义：它回答"中药成分整体上是否具备成药空间"。若大量成分落在类药区间，说明 TCMBank 作为先导化合物来源具有合理性；这是论文为"用 AI 做中药药物发现"辩解的关键论据之一。

3.10 四个"下游建模"视角的字段解读

同一张 TCMBank 关系表，不同的下游任务会关注不同的字段组合。以下按四类典型任务梳理。

3.10.1 药物重定位（Drug Repurposing）

关注字段：target–disease、ingredient–target、ingredient–disease、herb–ingredient。

建模思路：把"疾病"当作查询键，沿 target–disease 找到相关靶标，再沿 ingredient–target 找作用这些靶标的成分，最后沿 herb–ingredient 回溯到草药。这条路径的每一步都对应 TCMBank 的一对关系，可视为一次多跳图查询。

关键提示：结果只是"候选假设"，不是疗效结论。TCMBank 的关系边未标注证据等级（§8.4.2）。

3.10.2 虚拟筛选（Virtual Screening）

关注字段：ingredients 的 mol2 结构 + 结构相似性检索。

建模思路：给定一个已知靶标，用对接/相似性检索从 61965 个成分中筛出可能结合的候选，再用 DTA 模型打分排序（§5.5.3）。

关键提示：mol2 的原子类型/电荷需与工具链匹配（坑 9）；分子数大，需先做类药性（Rule of Five）预筛。

3.10.3 知识图谱补全（Knowledge Graph Completion）

关注字段：四类实体 + 六对关系。

建模思路：把实体当节点、关系当边，做链接预测（link prediction）——预测"某成分是否作用于某靶标"这类缺失边。图神经网络（GNN）/知识图谱嵌入（KGE）是常见方法。

关键提示：网络稀疏（约 2% 草药、12% 成分孤立），需先处理孤立节点，避免噪声（§3.6）。

3.10.4 药物-靶点亲和力预测（DTA）

关注字段：ingredient–target 正样本 + mol2/protein 序列。

建模思路：以 ingredient–target 的已知关系作正样本，训练回归模型预测亲和力（论文自身用 HNN+MGNN+MCNN，§5.5.3）。

关键提示：负样本如何构造是 DTA 建模的核心难点；TCMBank 只给正关系，负样本需自行设计（论文未公开其负样本策略，属遗留疑点）。

3.11 实体数量的横向对照（含前身）

版本/库	草药	成分	靶标	疾病
TCM Database@Taiwan（2011）	—	32,364	—	—
TCMBank（2023）官网口径	9,191	61,965	15,179	32,529
TCMBank（2023）论文摘要口径	9,192	61,966	15,179	32,529

（前身成分数 32364 出自 RSC 论文正文；前身草药/靶标/疾病字段当时不存在或未分别统计，故记 “—”。）

3.12 数据库的可用边界：四条"不能做"

1. 不能做患者级分析：无病例、无队列、无个体数据。
2. 不能做临床疗效结论：关系边是"关联"而非"因果/疗效证据"。
3. 不能直接当负样本来源：只给正关系，缺负样本。
4. 不能保证时点复现：持续更新、无冻结快照。

理解这四条边界，能避免绝大多数的误用。

§4 IDIM 智能文献识别：让数据库不再滞后

4.1 为什么需要自动更新

中医数据库最被诟病的不是规模不够，而是更新滞后——某篇论文报道了一味药的新成分或新靶点，读者想查时数据库里往往还没有。传统做法是靠团队人工定期搜检文献、逐条整理，速度赶不上文献增长。TCMBank 的应对是把这条流水线尽可能自动化。

4.2 IDIM 的技术链

IDIM（Intelligent Document Identification Module，智能文献识别模块）是一条多工具串联的抽取流水线：

1. selenium —— 定期自动下载 PubChem 的最新文献；
2. pdfplumber —— 解析 PDF 正文文本；
3. OCR（光学字符识别） —— 识别图片/扫描件中的文字；
4. 自动摘要与关键词抽取（NLP） —— 抽取中医相关信息，论文此处采用基于偏置 LexRank（biased LexRank）的方法；
5. OSRA（光学结构识别） —— 从文献插图中识别化学结构；
6. 人工复核 —— 抽取结果至少两次人工验证后方可入库。

4.3 自动摘要与关键词抽取的评测

论文对 IDIM 里的摘要与关键词抽取组件做了性能评测：自动摘要方法在 DUC2001、DUC2002 两个经典摘要数据集上与基线对比；关键词抽取方法在 SemEval2010、SemEval2017 上对比。这是 TCMBank 论文中少见的"带标准基准的组件评测"——但它评的是抽取组件，不是整个数据库。

4.4 质控与可追溯性边界

论文明确：所有信息在更新到数据库之前必须经过至少两次人工验证。这保证了高可靠性，但也带来两个后果：一是更新速度终究受人工复核能力限制；二是论文未公开逐条误错率或验证一致性，因此"两次人工验证"是流程声明而非可量化指标。下游若依赖某条具体关系做结论，仍建议回溯原始文献（§10 遗留疑点与坑 6）。

4.5 IDIM 的工程实现细节

IDIM 是论文方法部分的技术重点，值得展开。

4.5.1 自动摘要：偏置 LexRank（biased LexRank）

论文提出的摘要方法叫基于特征融合的偏置 LexRank（biased LexRank based on feature fusion），分两阶段（Fig.3）：

• 第一阶段：用一个分类器，基于六个特征向量计算所有句子"被选为摘要"的先验概率分数；
• 第二阶段：把完整文档转成图，用偏置 LexRank 通过马尔可夫随机游走计算每个节点的分数，最后取少数高分句生成摘要。

"偏置"的含义是：在标准 LexRank 之外加入先验知识（先验概率分数）来引导游走，使摘要更贴合中医文献的专业重点，而非通用摘要目标。

4.5.2 关键词抽取：基于先验图的偏置 LexRank

关键词抽取同样用偏置 LexRank，但基于"先验图"（prior graphs）（Fig.4）：

• 第一阶段：用公开词典数据构建带先验知识的词图网络；
• 第二阶段：把先验信息作为关键词重要性初始值，迭代更新节点排名值，取排名最高的前 k 个词作关键词。

4.5.3 光化学结构识别：OSRA

文献插图里的化学结构需要被识别成机器可读的结构——这是 OSRA（Optical Structure Recognition Application）的任务。OSRA 把图片中的化学结构图标转为结构描述，从而让 IDIM 能抽取"这篇文献报道了什么新化合物"。

4.5.4 组件评测结果与解读

论文对摘要与关键词抽取做了对比评测：

• 自动摘要在 DUC2001 与 DUC2002（Document Understanding Conference 的经典摘要评测集）上与基线用多指标对比（Fig.9）；
• 关键词抽取在 SemEval2010 与 SemEval2017 上对比（Fig.10）。

读法提示：这些评测衡量的是 IDIM 内部组件（摘要/关键词）在通用英文评测集上的表现，并非在中医文献上的端到端准确率。因此"组件表现好"不等于"从文献抽取中医关系的准确率高"——后者论文未给端到端指标（坑 6 的延伸）。

4.5.5 人工复核的定位

IDIM 抽取的结果"至少两次人工验证后入库"。这意味着 IDIM 的角色是缩减人工阅读量（把海量文献缩到"待复核候选"），而非替代人工判断。这与全自动知识抽取的路线有本质区别，也是 TCMBank 宣称高可靠性的依据。

§5 下游 AI 协议：从知识库到药物重定位

TCMBank 的价值在论文中通过一条完整的 AI 药物发现协议来示范。这条协议不是数据库本身的一部分，而是"用这个数据库能做什么"的方法学展示。

5.1 集成学习药物发现框架

论文提出基于集成学习（Ensemble Learning, EL）的药物发现协议，目标是识别潜在先导化合物（lead）与做药物重定位（drug repurposing）。流程分四步：

1. 分子对接（molecular docking） —— 识别活性成分与蛋白靶标之间可能的相互作用模式；
2. 基于配体的 EL 模型 —— 学习分子结构与理化性质之间的映射，预测化合物的生物活性（pIC50）；采用 GFA 特征提取与选择，集成 12 个回归估计器并做投票平均；
3. 基于混合神经网络（HNN）的 EL 模型 —— 预测药物—靶点亲和力（Drug-Target Affinity, DTA），量化结合强度；其中用 MGNN 捕捉化合物的局部与全局结构，用 MCNN 提取蛋白的多尺度特征；
4. 分子动力学（MD）模拟 + 体外实验 —— 评估蛋白—配体复合物的动力学性质与相互作用，并用 scratch（划痕）与 transwell 实验做体外验证。

这套流程的意义在于"用共识对抗单一模型的过拟合"：EL 通过多个模型的投票平均提升虚拟筛选效率。

5.2 两个示范案例与结果

论文以**结直肠癌（colorectal cancer）与阿尔茨海默病（Alzheimer’s disease）**为例，展示如何用 AI 加速药物发现。论文报告了潜在先导化合物与靶标的结合：

• PGK1–FAD 复合物的对接界面、三维位姿与二维位姿；
• methyl 3-O-feruloylquinate 与 GSK3β 的对接结果。

这些是"概念验证"级别的结果——用来说明协议可跑通，而非宣告成药结论。

5.3 DDI 预测：3DGT-DDI 与 SA-DDI

论文还处理了中西医结合的一个现实风险：中西药之间的不良反应（药物相互作用，Drug-Drug Interaction, DDI）。作者指出，基于 AI 预测中西药 DDI 的一大障碍是缺乏带真实世界不良反应标签的中西药数据库。为此，他们在两个真实世界公开 DDI 数据集上提出两个模型：

• 3DGT-DDI；
• SA-DDI。

论文报告这两个模型在两个公开 DDI 数据集上取得了最精确的预测性能。需注意：这里的"最精确"是论文自述、且针对其选定的 DDI 数据集，不是可对标的公共 leaderboard 结论。

5.4 方法学读法

1. 数据 vs 方法分开引用：TCMBank 是数据资源，EL 协议与 DDI 模型是论文方法产出，二者引用时别混为一谈。
2. 案例非结论：结直肠癌/阿尔茨海默病的对接与体外结果是示范性验证，不构成临床证据。
3. DTA 与 pIC50 的模型链是这套协议的技术核心，若你要复现，重点看 HNN 的 DTA 部分与配体 EL 的 12 回归器设计。

5.5 EL 药物发现协议逐步拆解

为了让"用 TCMBank 驱动药物发现"具体可感，这里把论文的 EL 协议逐步展开。

5.5.1 第一步：分子对接（Molecular Docking）

对接的作用是识别活性成分与蛋白靶标之间可能的相互作用模式（interaction patterns）。它提供几何层面的"能不能结合"初判，为后续模型筛选先过滤一批明显不成立的组合。

5.5.2 第二步：基于配体的 EL 模型（pIC50 预测）

• 特征：提取 GFA（Genetic Function Approximation，遗传函数近似）特征并做选择；
• 模型：集成 12 个回归估计器；
• 输出：化合物活性（pIC50，即半数抑制浓度的负对数）；
• 聚合：投票平均（voting average）得到共识预测。

这一步的思路是"基于分子结构学活性"——已知结构相似的分子往往活性相近。用 12 个回归器集成，是为了降低单一模型的偏差。

5.5.3 第三步：基于 HNN 的 EL 模型（DTA 预测）

• 目标：预测药物-靶点亲和力（Drug-Target Affinity, DTA），量化结合强度；
• 结构：混合神经网络（Hybrid Neural Network, HNN），整合多个基础模型；
• 子网络：用 MGNN 捕捉化合物的局部与全局结构，用 MCNN 提取蛋白的多尺度特征（Fig.7）；
• 编码：SMILES2X 与 Target2X 分别表示药物与靶标的四种描述符。

HNN 的集成思路与配体 EL 一致——通过多模型集成提升 DTA 预测的稳健性，再用训练好的 HNN 进一步筛选识别候选药物。

5.5.4 第四步：分子动力学 + 体外实验

• MD 模拟：评估蛋白—配体复合物的动力学性质与相互作用；
• 体外实验：scratch（划痕愈合，测迁移）与 transwell（测侵袭）实验，在活细胞层面验证。

这一步把纯计算结论拉回到"湿实验"验证，是论文强调"AI 驱动但不止于 AI"的落点。

5.5.5 协议流程图（文字版）

分子对接 → 配体 EL（pIC50, 12 回归器）
         → HNN 的 EL（DTA, MGNN+MCNN, SMILES2X/Target2X）
         → MD 模拟
         → 体外验证（scratch / transwell）

论文 Fig.11 给出该流程的正式流程图。

5.5.6 示范案例的分子学细节

• PGK1–FAD 复合物：论文给出对接界面、三维位姿与二维位姿（Fig.12A）；
• methyl 3-O-feruloylquinate 与 GSK3β：给出对接界面、三维位姿与二维位姿（Fig.12B）。

GSK3β（糖原合成酶激酶-3β）是阿尔茨海默病研究中的热门靶点，这与论文选取阿尔茨海默病作为示范疾病一致。

5.5.7 为什么用"集成"而不是单个模型

论文反复强调集成学习（EL），背后有一条朴素理由：药物活性与结合亲和力的预测，单模型容易在分布外（out-of-domain）样本上失效——这正是论文摘要指出的"AIDD 在分布外数据上易发生病理学失败"的问题。用多个模型投票/集成，能在一定程度上平抑单一模型的极端错误。配体 EL 用 12 个回归器投票平均、DTA 用 HNN 集成多基础模型，都是这一思路的具体化。

5.5.8 这套协议对使用者的启示

即便你不做癌症或阿尔茨海默病，这条协议的四步范式是可迁移的：

1. 用对接做几何初筛；
2. 用配体模型（结构-活性关系）做活性排序；
3. 用 DTA 模型做结合强度预测；
4. 用 MD + 湿实验做最终确认。

任何"用中药成分找某个靶标调控剂"的问题，都能套这个骨架，数据底座换成 TCMBank 即可。

5.6 DDI 预测模型的定位

论文处理的第二个 AI 问题与"中西药联用安全"直接相关。

5.6.1 问题背景

中西医结合治疗中，中西药同服可能产生不良反应（药物相互作用，DDI）。预测这类相互作用需要带真实世界不良反应标签的中西药数据——而这类数据库长期缺失。论文的应对是：在两个真实世界公开 DDI 数据集上训练模型来做预测。

5.6.2 两个模型

• 3DGT-DDI；
• SA-DDI。

论文报告二者在两个公开 DDI 数据集上取得了最精确的预测性能。须注意：这是论文在其选定数据集上的自述结论，非公共 leaderboard 排名，引用时需限定语境（§11.4 决策卡）。

5.6.3 与 TCMBank 的关系

严格说，DDI 模型更多是论文的"方法学延伸"——它受益于 TCMBank 提供的成分结构信息，但预测对象是化合物对之间的相互作用，而非 TCMBank 内部的关系边。读者引用时宜把"数据库"与"DDI 方法"分开。

§6 获取与许可

6.1 怎么拿到数据

TCMBank 是免费开放下载的数据库，获取入口是官网：

• 主站：https://TCMBank.CN/ （亦作 tcmbank.cn）；
• 浏览：Herbs / Ingredients / Targets / Diseases 四类详情页；
• 下载：官网 Download 页提供数据下载（含 mol2 三维结构）。

6.2 许可定位与边界

官网与论文一致地把 TCMBank 定位为"最大的非商业免费中医数据库"（the largest non-commercial / systematic free TCM database）。这意味着：

• 免费：使用与下载不收费；
• 非商业（non-commercial）：面向学术与研究用途；
• 边界未细化：官网未见 SPDX 或 Creative Commons 式的明文许可条款，再分发、二次发布、商用衍生的具体边界未公开写明。因此下游若要再分发或商用，应先与作者（通讯邮箱 chenyuchian@mail.sysu.edu.cn）确认（坑 5）。

6.3 版本与复现性

• 第三方收录页（NGDC Database Commons）记录版本为 v1.0，“Last update” 字段为空；
• 官网以"持续更新"为设计目标（IDIM 定期抽取），这意味着没有冻结的历史版本快照——你今天查到的记录数，与半年前可能不同。
• 对需要严格复现的研究：建议在引用时记录抓取日期与当时的记录数（本条目为 2026-10-16，规模见 §3.1）。

6.4 AI-Ready 视角下的获取性评估

维度	评价	依据
可发现性	较好	官网 + 论文开放获取 + NGDC 收录，搜索引擎可索引
可获取性	中上	免费下载，但为 non-commercial 定位、条款边界不明确
可互操作	较好	六库+公开库交叉引用、mol2 标准格式、结构化关系表
元数据质量	中等	论文完备，但版本/更新频率官方文档较薄、无双口径统一声明
可持续性	中上	高校团队+自动化更新机制；依赖单一机构与个人邮箱

6.5 下载与使用实操指引

6.5.1 下载入口

1. 打开 https://TCMBank.CN/ ；
2. 进入 Download 页；
3. 按需要获取数据（含成分 mol2 三维结构文件）。

6.5.2 典型使用姿势（伪代码示意）

# 说明：以下为使用姿势示意，非官方 SDK；TCMBank 以官网下载/网页查询为主

# 1) 载入下载的关系表（示意，字段以官网实际为准）
import pandas as pd
herbs = pd.read_csv("herbs.csv")            # 草药表
ingredients = pd.read_csv("ingredients.csv") # 成分表
targets = pd.read_csv("targets.csv")         # 靶标表
diseases = pd.read_csv("diseases.csv")       # 疾病表
rel_hi = pd.read_csv("herb_ingredient.csv")  # herb-ingredient 关系
rel_it = pd.read_csv("ingredient_target.csv")# ingredient-target 关系
rel_td = pd.read_csv("target_disease.csv")   # target-disease 关系

# 2) 从疾病反向找候选中药（药物重定位的朴素查询）
def herbs_for_disease(disease_id):
    t = rel_td[rel_td.disease_id == disease_id].target_id
    ing = rel_it[rel_it.target_id.isin(t)].ingredient_id
    herb = rel_hi[rel_hi.ingredient_id.isin(ing)].herb_id
    return herb.unique()

# 3) 成分三维结构（mol2）用于对接/筛选
#    下载得到的 .mol2 文件可直接送入 docking/MD 流程

（字段名与文件切分为示意；实际以官网 Download 页提供的形式为准。）

6.5.3 许可与引用礼仪

• 非商业用途；
• 引用时标注官网与论文（DOI 10.1039/d3sc02139d）；
• 商用/再分发前与作者确认（坑 5）。

§7 生态与影响

7.1 在中医药数据库景观中的位置

同域存在多个 TCM 数据库（TCMID、TCMSP、SymMap、TCM-ID、HERB、ETCM 等），TCMBank 的差异化卖点有三：规模最大（论文 Fig.1 的数据量对比）、字段最全（同时含草药/成分/靶标/疾病四维）、有三维结构（mol2）。论文强调它是"最系统、最全面"的免费可下载中医数据库。

7.2 与 AI 药物发现的接口

TCMBank 的定位天然面向 AI 辅助药物发现（AIDD）：标准化的实体与关系让图神经网络、知识图谱补全、DTA 预测等模型有了中医领域的"背景知识底座"。论文自身用它驱动 EL 协议，是这一接口的直接示范。

7.3 机构背景

中山大学智能工程学院（深圳校区）人工智能医学研究中心，团队由陈语谦（Calvin Yu-Chian Chen）领导。团队在中医药与 AI 交叉方向持续产出，微信公众号/校方新闻亦报道过该数据库的建立（中山大学新闻网 2023）。合作方含中山大学附属第六医院临床检验科/生物医学创新中心。

7.4 库内互链点

互链条目	rid	关系类型
TCMSSD	1054	同域中医药：中医证候标准化数据库，实体层级互补
MTCMB	1108	同域中医药：多任务中医评估基准，TCMBank 可作其知识底座候选
TCMEval-SDT	1053	同域中医药：辨证思维推理评测基准
TCM-Tongue	1052	模态互补：中医舌诊影像 vs TCMBank 知识库
NB-TCM-CHM	1116	模态互补：中药材果实图像 vs TCMBank 知识库

消歧提示：以上五者均为独立资源，与 TCMBank 非同物，名字都含 “TCM” 极易混淆，检索与互链时勿合并（坑 7）。

7.4.1 互链的使用方式（给下游研究者）

TCMBank 与库内 TCM 条目的组合并非只能"并列引用"，也可在方法层面串起来：

• 知识增强：用 TCMBank 的关系表为舌诊/药材图像分类模型提供类别先验（例如"这张舌象对应的证候在 TCMBank 里关联哪些草药")；
• 推理链：用 TCMBank 的关系网作为 TCMEval-SDT 这类推理评测的外部知识源；
• 实体对齐：TCMSSD 的证候标准可与 TCMBank 的疾病节点做本体映射，统一中医概念体系。

7.5 学术影响与引用场景

7.5.1 被引用的典型场景

TCMBank 作为规模最大的免费中医数据库，常被以下几类研究引用：

1. 中药成分-靶标网络构建：以其关系表作为网络骨干；
2. 虚拟筛选与先导发现：以其 mol2 结构做对接；
3. 知识图谱与图学习：以其异质网络做节点/边预测；
4. 药物重定位：从疾病反向检索候选中药成分；
5. AI 药物发现综述：作为中医 AIDD 的数据基座被列举。

7.5.2 团队脉络

中山大学陈语谦团队在"AI + 中医药/药物发现"方向持续产出，TCMBank 是其中基础设施型的一件。论文引用了 104 篇参考文献，覆盖 AI 药物发现、中药数据库、图神经网络、DTA 预测等多个方向，可作为该交叉领域的一站式文献入口。

7.5.3 校方与第三方记录

• 中山大学新闻网（2023）以"中大团队建立智能中医药数据库"为题报道该工作；
• NGDC Database Commons（国家基因组科学数据中心）收录该数据库（id 9577），标记为 Accessible，属 Health and medicine 分类。

7.6 与其他中医药数据资源的模态互补

千方库内的 TCM 相关条目与 TCMBank 构成"知识库 + 多模态数据"的组合：

条目	模态	与 TCMBank 的互补关系
TCMSSD (1054)	证候标准化数据	实体层级互补（证候 vs 药-成分-靶-病）
MTCMB (1108)	评测基准	可作其任务的知识底座
TCMEval-SDT (1053)	推理评测	推理链可查 TCMBank 关系
TCM-Tongue (1052)	舌诊影像	模态互补（影像 vs 知识）
NB-TCM-CHM (1116)	药材图像	模态互补（图像 vs 知识）

对研究者而言，这意味着一个可行路径：用 TCMBank 做"知识与关系层"，用舌诊/药材图像数据集做"感知层"，二者拼成多模态中医 AI 系统的雏形。

7.7 与千方库内其他"知识型"资源的定位对照

千方库内既有影像/信号类样本集，也有 TCMBank 这类知识库。二者的 AI-Ready 诉求不同：

类型	代表	核心可用物	典型用法
影像/信号样本集	各类 CT/MRI/病理/信号数据集	图像张量 + 标签	训练/评测模型
关系型知识库	TCMBank	实体 + 关系边 + 结构文件	查询/构图/增强/先验
评测基准	MTCMB、TCMEval-SDT	任务 + 评分	对标模型能力
标准化字典	TCMSSD	标准实体表	命名对齐

TCMBank 在其中的独特定位是"先验知识源"：它本身不用于训练一个模型，而是为其他模型提供中医领域的实体关系先验——这正是知识库型资源在 AI 流水线中的典型角色。

7.8 生态位小结

• 对中医药研究：把散落文献的"药—成分—靶—病"知识结构化，降低检索成本。
• 对 AI 药物发现：提供标准化、可下载、带三维结构的中医数据底座。
• 对知识图谱社区：贡献一个规模可观、本体对齐、有明确定量连通性的异质网络实例。
• 对开放科学：以免费下载的形式降低中医数据获取门槛（受 non-commercial 定位约束）。

§8 方法学启示：三条可迁移的经验

8.1 "自动化抽取 + 人工双验"是知识库的可持续范式

IDIM 的设计值得其他领域借鉴：不追求全自动（易出错），也不全靠人工（不可持续），而是"机器抽、人工验、迭代补"。两次人工验证的门槛保证了质量下限，自动化则把人工从"逐篇读文献"解放到"审抽取结果"。这条范式对任何面临文献爆炸的专业数据库都适用。

8.2 关系数据要标注连通性，而不只标规模

TCMBank 除了给规模（9191 草药等），还给了连通性指标（连接草药 9010、连接成分 54676、平均连接 16.05/5.26）。这比单纯报总数有用得多——它直接告诉下游"网络有多稀疏"，避免团队拿到全表后才发现大量孤立节点。任何发布关系型数据集的团队都应附上这类连通性统计。

8.3 资源型数据库应声明版本冻结策略

TCMBank 的"持续更新"是优点，但也给可复现性带来挑战：没有版本快照，今天的查询结果不可复现于论文发表时点。理想做法是为数据发布附带带日期的快照或 DOI 冻结版本，这是它相对成熟数据资源（如带版本号的基准数据集）的一处可改进点。

§9 与库内条目的关系

9.1 家族图谱

TCMBank 在千方库中属于"中医药 + 药物发现"的交叉节点，与以下条目形成生态：

• TCMSSD（rid=1054）：中医证候标准化数据库——TCMBank 管"草药-成分-靶标-疾病"，TCMSSD 管"证候"标准化，实体层级互补；
• MTCMB（rid=1108）：多任务中医评估基准——其评测任务可考虑以 TCMBank 为知识底座；
• TCMEval-SDT（rid=1053）：中医辨证思维四步推理评测基准；
• TCM-Tongue（rid=1052）：中医舌诊图像数据集——模态互补（知识库 vs 影像）；
• NB-TCM-CHM（rid=1116）：宁波中医药材果实图像数据集——模态互补（知识库 vs 图像）。

9.2 检索路径建议

• 精确短语检索：“TCMBank” + “traditional Chinese medicine” + “database”；
• 引用数据时：先用官网记录数标注抓取日期（2026-10-16），再注明口径（官网 vs 论文摘要，坑 2）；
• 若目标是引用药物发现协议：引论文的 EL 框架（对接/配体 EL/HNN-DTA/MD）与结直肠癌/阿尔茨海默病案例，勿引为临床结论。

§10 避坑清单：七个已踩过的坑

坑 1：它不是"AI 数据集"，别按样本集用。TCMBank 是关系型知识库——没有患者、没有影像、没有 train/test 划分、没有标签列。若你找的是"能直接训练分类模型的样本集"，TCMBank 不是；它是供查询/连接/构图的知识底座。用"数据集"的评估框架（划分是否泄漏、标签是否平衡）去套会完全错位。

坑 2：规模双口径，9191 vs 9192、61965 vs 61966。官网统计页写草药 9191、成分 61965；论文摘要与 PubMed 写 9192、61966（各差 1）。引用前先声明口径。本条目正文按"官网统计页为主、论文摘要并列"处理。

坑 3：创办年双口径 2019 vs 2023。官网自述"2019-05-28 正式上线"；NGDC Database Commons 记"Year founded: 2023"。二者不冲突——2019 是网站上线年，2023 是论文发表/第三方收录年。见"2023"多为收录页/论文，见"2019"多为官网。

坑 4：论文正文与摘要的草药数也自相打架。PubMed 摘要写 9192，而 RSC 论文正文写 9191（与官网一致）。同一论文内部的口径差，引用时优先信正文/官网。

坑 5：non-commercial 不等于开源许可。官网自述"非商业免费"，但无 SPDX/CC 明文条款，再分发与商用边界未公开。别默认它可以任意再发布或商用——下游再分发/商用前与作者确认。

坑 6：IDIM 抽取出错率未公开。"至少两次人工验证"是流程声明，论文未给逐条误错率或验证一致性。依赖某条具体成分-靶标关系时，建议回溯原始文献，别把数据库记录当一手证据。

坑 7：名字含 “TCM” 的库极易混淆。本库内即有 MTCMB、TCMSSD、TCM-Tongue、TCMEval-SDT、NB-TCM-CHM 等多条 TCM 相关条目，另有 TCM Database@Taiwan（前身）易被当别名。检索与互链务必核对全称与 rid，勿合并。

§11 总结

11.1 三句话总结

1. TCMBank 是中医药领域规模最大的免费关系型数据库：9191 草药、61965 成分、15179 靶标、32529 疾病，六对关系构成异质网络，成分带 mol2 三维结构。
2. 它的可持续性来自 IDIM（智能文献识别）+ 两次人工验证：机器从 PubChem 持续抽取、人工复核入库，缓解中医数据库的更新滞后。
3. 它面向 AI 药物发现：论文以集成学习药物重定位协议（对接→配体 EL→HNN 的 DTA→MD+体外）和 3DGT-DDI/SA-DDI 预测中西药相互作用，示范了知识库驱动的药物发现路径。

11.2 适合谁

• 做中医药现代化、药物重定位、虚拟筛选的研究者；
• 想构建中医知识图谱、跑图神经网络/DTA 预测的团队；
• 需要一份标准化、可下载的中医"草药-成分-靶标-疾病"关系底座的药物发现团队。

11.3 不适合谁

• 找患者级临床数据、队列或真实世界证据的研究者（TCMBank 无个体数据）；
• 找标准 benchmark/leaderboard 做模型对标的人（它非基准型）；
• 计划商业再分发而未与作者确认许可边界的人（坑 5）。

11.4 30 秒决策卡

你的需求	结论
要中医成分-靶标-疾病关系	✅ 直接用，官网免费下载
要三维结构做对接/筛选	✅ mol2 格式可用
要患者/临床数据	❌ 无
要标准评测基准	❌ 非基准型
要商用/再分发	⚠️ 先与作者确认（non-commercial、条款未明文）
要可复现的冻结版本	⚠️ 无版本快照，需自记抓取日期

8.4 中医数据标准化的三条难点

TCMBank 的建设过程折射出中医数据标准化的三个固有难点，值得任何做中医 AI 的团队借鉴。

8.4.1 命名歧义

中药有正名、别名、拉丁名、拼音名的多重写法（论文示例中石榴果写作 SHI LIU）。同一味药在不同文献里可能用不同名称，跨库合并时极易重复或漏并。TCMBank 通过在草药层建立标准列表 + 别名映射来缓解。

8.4.2 成分-靶标关系的证据强度不一

一条"成分作用于靶标"的关系，可能来自体外实验、动物实验、计算预测，或文献推断——证据强度差异巨大。TCMBank 通过整合多个来源 + 两次人工验证来提高可靠性，但未对每条边标注证据等级，这是下游做严谨结论时的边界（坑 6）。

8.4.3 疾病命名的本体对齐

中医的证候/病症体系（如"消渴"“胸痹”）与现代疾病本体（DO/MeSH）并非一一对应。TCMBank 通过对接公开本体库来做映射，但中医概念与现代疾病分类的完全对齐仍是开放问题。

8.5 从 TCMBank 看"资源型数据集"的 AI-Ready 化

传统上人们把"数据集"等同于样本集（图像/表格）。TCMBank 提示了另一类 AI-Ready 资源：结构化知识库。它要满足的 AI-Ready 条件与样本集不同：

维度	样本集要求	知识库要求（TCMBank 视角）
规模	样本数、类别平衡	实体数、关系数、连通性
质量	标注一致性、标签准确率	人工验证流程、来源可追溯性
许可	用途限制（商用/研究）	同左，且需明确再分发条款
版本	训练/测试划分	版本快照/更新策略
互操作	标准格式（PNG/Parquet）	本体对齐、交叉引用、标准结构格式

TCMBank 在"互操作"上表现突出（本体+交叉引用+mol2），在"版本"上偏弱（无冻结快照），在"许可"上边界模糊——这正是 §6.4 评分逻辑的来源。

9.3 建议互链点（供主会话入库后回填）

以下为正文层的互链建议（rid 一律由主会话入库后以 DB 实测确认，不在 frontmatter 硬编码，遵守 R018）：

目标条目	当前 DB rid	关系类型	建议互链理由
TCMSSD	1054	同域·中医药	证候标准化，与 TCMBank 实体层级互补
MTCMB	1108	同域·中医药	多任务中医评测基准，可用 TCMBank 作知识底座
TCMEval-SDT	1053	同域·中医药	中医辨证推理评测，关系链可查 TCMBank
TCM-Tongue	1052	模态互补	舌诊影像 vs 知识库
NB-TCM-CHM	1116	模态互补	药材图像 vs 知识库

10.8 延伸坑点：三个"使用期"的坑

前述坑 1-7 覆盖了"认知期"与"引用期"的陷阱。这里补充三个实际使用数据时才会遇到的坑。

坑 8：下载文件的行数与官网统计页可能对不上。官网统计页的数字是实时查询结果，下载文件可能因生成时间差异而略有出入。做可复现研究时，需同时记录"官网查询数字"与"下载文件实际行数"，两者不一致属正常（与坑 2 同源）。

坑 9：mol2 文件的力场/电荷字段需自行确认。mol2 是通用格式，但不同工具写入的原子类型（atom type）、电荷（charge）赋值方式不同。下载后直接送入某些对接软件可能因原子类型不匹配报错——使用前需确认文件的原子类型体系（如 Sybyl 类型）与自己工具链兼容。

坑 10：IDIM 是持续更新的，但你下载的是一份静态快照。IDIM 定期从 PubChem 抽取新信息，意味着"官网当前状态"会随时间变化；而你下载的文件在下载那一刻就被冻结。若要追踪某个新发现的关系，需定期重新下载比对，不能假设下载文件会"自动更新"。

10.9 坑点汇总速查表

坑号	一句话	影响	处置
坑 1	不是样本集而是知识库	用错评估框架	按查询/下载/连使用
坑 2	规模双口径差 1	引用不一致	声明口径
坑 3	创办年 2019 vs 2023	时间线混淆	区分上线年与论文年
坑 4	论文内部 9191/9192	引用偏差	以正文/官网为准
坑 5	non-commercial 非开源	商用风险	商用前确认
坑 6	抽取出错率未公开	证据强度未知	回溯原文
坑 7	多个 TCM 库混淆	引错资源	核对全称与 rid
坑 8	官网数字 vs 下载行数	复现困难	双记录
坑 9	mol2 原子类型差异	工具不兼容	确认类型体系
坑 10	下载是静态快照	数据滞后	定期重下

11.5 与同类资源的取舍建议

什么时候选 TCMBank？

• 你需要"草药-成分-靶标-疾病"四维齐全的关系底座；
• 你需要 mol2 三维结构做对接/筛选；
• 你接受非商业用途限制。

什么时候考虑别的？

• 若你只需要药代动力学（ADME）参数，TCMSP 可能更专；
• 若你关注症状维度，SymMap 有症状-中药映射；
• 若你需要冻结版本做严格复现，应找带版本号DOI的数据资源，或自行对下载文件做哈希留存。

11.6 一句话给不同角色

• 药物发现研究者：这是目前最全的免费中药关系库，mol2 结构直接可用。
• 知识图谱工程师：异质网络 + 本体对齐，天然适合图学习。
• 合规与法务视角：non-commercial 定位，商用前务必确认。
• 数据工程视角：无冻结版本、无 SPARQL/REST 官方 API 声明，需自行建管。

§12 数据字典与关系矩阵（速查）

12.1 实体主键与关联键（示意）

表	主键（示意）	外键（指向）
herbs	herb_id	—
ingredients	ingredient_id	—
targets	target_id	—
diseases	disease_id	—
herb_ingredient	(herb_id, ingredient_id)	herbs, ingredients
herb_target	(herb_id, target_id)	herbs, targets
herb_disease	(herb_id, disease_id)	herbs, diseases
ingredient_target	(ingredient_id, target_id)	ingredients, targets
ingredient_disease	(ingredient_id, disease_id)	ingredients, diseases
target_disease	(target_id, disease_id)	targets, diseases

（字段名与表结构为便于理解的示意；实际字段以官网 Download 页提供为准。）

12.2 关系矩阵（可视化解法）

把四类实体排成 4×4 对称矩阵，对角线为空（同实体不自连），非对角线即六对关系：

	草药	成分	靶标	疾病
草药	—	herb–ingredient	herb–target	herb–disease
成分	herb–ingredient	—	ingredient–target	ingredient–disease
靶标	herb–target	ingredient–target	—	target–disease
疾病	herb–disease	ingredient–disease	target–disease	—

上三角有三对独立关系，乘二即六对——这是"六对关系"的来源。

12.3 关键指标的三种读法

指标	数字	读法
草药总数	9,191	规模
连接草药	9,010	有边草药占比 ≈98%
成分总数	61,965	规模
连接成分	54,676	有边成分占比 ≈88%
草药平均连接	16.05	平均度数
成分平均连接	5.26	平均度数

结论：草药层连接较密（平均 16 条关系），成分层较疏（平均 5.26 条）。做图模型时，成分节点更需注意稀疏性。

§13 引用、合规与版本管理建议

13.1 引用规范

• 数据引用：TCMBank, https://TCMBank.CN/ ，访问日期 2026-10-16（示例）。
• 论文引用：Lv Q, Chen G, He H, Yang Z, Zhao L, Chen HY, Chen CY. TCMBank: bridges between the largest herbal medicines, chemical ingredients, target proteins, and associated diseases with intelligence text mining. Chem Sci. 2023. doi:10.1039/d3sc02139d. PMID: 37829020.
• 口径声明：引用规模数字时注明"官网统计口径（9,191/61,965）“或"论文摘要口径（9,192/61,966）”。

13.2 合规检查清单

1. 用途是否 non-commercial？若是商用，先联系作者。
2. 是否再分发原始文件？若是，先确认再分发条款。
3. 是否基于数据构建了衍生数据集？确认衍生品的许可归属。
4. 是否在论文/产品中正确署名？

13.3 版本管理建议

因无冻结版本，建议在研究项目内建立"数据快照"制度：

• 下载时记录日期与文件哈希（md5/sha256）；
• 在工作目录内保留当次下载的原始文件副本；
• 论文方法节写明"数据获取于 YYYY-MM-DD，记录数 …"。

§14 交叉验证指南（如何自己复核本条目）

本条目所有硬数字均可由读者独立复核。步骤：

1. 打开官网 https://TCMBank.CN/ ，读 Herbs/Ingredients/Targets/Diseases 四个统计入口，核对 §3.1 的官网口径数字。
2. 打开 PubMed（PMID 37829020），读摘要，核对论文口径 9,192/61,966。
3. 打开 RSC 全文（doi 10.1039/d3sc02139d），在正文找连接草药 9010、连接成分 54676、平均 16.05/5.26 与 32364→61966。
4. 打开 NGDC（id 9577），核对创办年 2023、版本 v1.0、通讯邮箱。
5. 对照本条目坑 2/坑 3/坑 4，理解双口径来源。

若某数字与上述来源不符，请以官方页面/论文原文为准，并记录你的访问日期——因为 TCMBank 会持续更新（坑 10）。

附录 E：关系对完整语义表

关系对	起点实体	终点实体	语义
herb–ingredient	草药	成分	草药所含化学成分
herb–target	草药	靶标	草药作用/关联的基因靶标
herb–disease	草药	疾病	草药传统功效对应的疾病
ingredient–target	成分	靶标	成分作用的基因靶标
ingredient–disease	成分	疾病	成分关联的疾病
target–disease	靶标	疾病	靶标与疾病的关联

附录 F：论文图表索引（供溯源）

图号	内容
Fig.1	TCMBank 与同域数据库的数据量对比（最大）
Fig.2	数据处理框架与目标示意图
Fig.3	基于特征融合的偏置 LexRank 自动摘要框架
Fig.4	基于先验图的关键词抽取框架
Fig.5	基于配体的 EL 模型（GFA 特征 + 12 回归器）
Fig.6	基于 HNN 的 EL 模型（DTA 预测）
Fig.7	MGNN 与 MCNN 的 DTA 预测框架
Fig.8	TCMBank 网页界面（草药列表/详情/网络/结构检索）
Fig.9	摘要方法在 DUC2001/DUC2002 的对比
Fig.10	关键词抽取在 SemEval2010/2017 的对比
Fig.11	EL 药物发现框架流程图
Fig.12	潜在先导化合物与靶标的结合（PGK1-FAD / GSK3β）
Fig.13	与天然产物数据库的物理性质对比
Fig.14	TCMBank 与 NPs 的 ADMET 对比分析
Fig.15	AI 在中医中的未来应用展望

附录 G：常见检索词与命中提示

你想找	建议检索词	提示
本数据库	“TCMBank” + database	精确短语，注意与 TCM Database@Taiwan 区分
主论文	10.1039/d3sc02139d 或 PMID 37829020	开放获取
同域库	TCMSP / SymMap / HERB / ETCM	各自独立，勿与 TCMBank 混
团队其他工作	Calvin Yu-Chian Chen + TCM	陈语谦团队
库内近邻条目	MTCMB / TCMSSD / TCM-Tongue	千方库内独立条目

FAQ（高频问答 36 问）

A. 基础认知

Q1：TCMBank 是什么？
中医药关系型数据库，收录草药/成分/靶标/疾病四类实体及其六对关系，免费下载。

Q2：谁做的？
中山大学智能工程学院人工智能医学研究中心陈语谦（Calvin Yu-Chian Chen）团队。

Q3：什么时候发布的？
2019-05-28 官网正式上线；主论文 2023 年发表于 Chemical Science。

Q4：它是数据集还是数据库？
数据库/知识库。没有患者、影像、train/test 划分，用查询与下载的方式使用。

Q5：规模多大？
官网口径：草药 9191、成分 61965（去重）、靶标 15179、疾病 32529。

B. 数据与获取

Q6：怎么下载？
官网 https://TCMBank.CN/ 的 Download 页免费下载。

Q7：收费吗？许可是什么？
免费、非商业（non-commercial）。无 SPDX/CC 明文条款，再分发/商用前需与作者确认。

Q8：有三维结构吗？
有，成分以 mol2 格式提供 3D 结构，可用于对接与分子模拟。

Q9：数据从哪来？
六库（TCMID/TCMSP/SymMap/TCM-ID/HERB/ETCM）+ 公开库（OMIM/HGNC/MeSH/Ensembl/DO/HPO）+ PubChem 文献经 IDIM 抽取。

Q10：规模为什么有两个数字？
官网与论文摘要口径各差 1（9191/9192、61965/61966），属边界条目/取整差异（坑 2）。

Q11：有版本号吗？
第三方收录页记 v1.0，官方未自标版本号；持续更新，无冻结快照。

C. 关系网络与结构

Q12：六对关系是什么？
herb-ingredient、herb-target、herb-disease、ingredient-target、ingredient-disease、target-disease。

Q13：网络连通性如何？
连接草药 9010、连接成分 54676；草药平均连接 16.05、成分平均连接 5.26——网络并非全连通。

Q14：mol2 有什么用？
携带三维坐标与键型，可直接进入虚拟筛选/对接/MD 流程。

Q15：有外部交叉引用吗？
有，提供到 TCMID/TCMSP/SymMap/TCM-ID/HERB/ETCM 及 OMIM/HGNC/MeSH/Ensembl/DO/HPO 等库的跳转链接。

D. 更新与质控

Q16：IDIM 是什么？
智能文献识别模块：selenium 抓 PubChem → pdfplumber 解析 → OCR → NLP 摘要/关键词 → OSRA 结构识别 → 人工复核。

Q17：怎么质控？
所有信息入库前至少两次人工验证。

Q18：抽取出错率多少？
未公开。论文只声明流程，无逐条误错率——依赖具体关系时建议回溯原文（坑 6）。

Q19：多久更新一次？
设计为持续更新（IDIM 定期抓取+人工复核），官网未公布固定周期。

E. AI 应用

Q20：论文里 AI 部分做了什么？
集成学习（EL）药物发现/重定位协议（对接→配体 EL→HNN-DTA→MD+体外），以及 3DGT-DDI/SA-DDI 预测 DDI。

Q21：示范了哪些疾病？
结直肠癌（colorectal cancer）与阿尔茨海默病（Alzheimer’s disease）。

Q22：DDI 模型是什么？
3DGT-DDI 与 SA-DDI，在两个真实世界公开 DDI 数据集上预测药物相互作用。

Q23：这些结果能当临床结论吗？
不能，是概念验证/示范性结果，非临床证据。

F. 与库内其他 TCM 条目的区别

Q24：TCMBank 和 MTCMB/TCMSSD/TCM-Tongue 是一回事吗？
不是。它们都是独立的 TCM 资源，名字含 “TCM” 极易混淆，勿合并（坑 7）。

G. 与千方库内其他 TCM 条目

Q25：TCMBank 与 TCM Database@Taiwan 是什么关系？
前身与扩展的关系：@Taiwan 是 2011 年的起点，TCMBank 是其系统性扩展（新增靶标与疾病字段、扩规模、加 IDIM）。

Q26：库内还有哪些 TCM 相关条目？
MTCMB(1108)、TCMSSD(1054)、TCMEval-SDT(1053)、TCM-Tongue(1052)、NB-TCM-CHM(1116)。

Q27：它们能一起用吗？
可以。TCMBank 做知识/关系层，舌诊/药材图像数据集做感知层，评测基准做任务层，可组合成多模态中医 AI 系统。

Q28：引用 TCMBank 该引哪篇？
引 Chem Sci 2023 主论文（DOI 10.1039/d3sc02139d），并注明官网与抓取日期。

H. 工程与复现

Q29：能离线用吗？
能，下载后即为本地关系表与结构文件，可完全离线处理。

Q30：需要注册吗？
下载入口在官网 Download 页；具体是否需注册以官网当时声明为准（本次未逐项核验，见遗留疑点）。

Q31：有 API 吗？
论文未声明官方 REST/SPARQL API；以网页查询与文件下载为主。

Q32：怎么保证复现？
记录抓取日期、记录数口径，并对下载文件做哈希留存（因无冻结版本）。

I. 术语与概念

Q33：什么是异质网络（heterogeneous network）？
节点与边类型多于一种的网络。TCMBank 有四种节点（草药/成分/靶标/疾病）与六种边（六对关系）。

Q34：什么是 DTA？
药物-靶点亲和力（Drug-Target Affinity），量化药物与靶标结合强度，是 AI 药物发现的核心预测任务。

Q35：什么是 DDI？
药物相互作用（Drug-Drug Interaction），两种药物同用时的相互影响，论文用 3DGT-DDI/SA-DDI 预测中西药 DDI。

Q36：什么是 Rule of Five？
类药五规则（Lipinski 规则），判断化合物口服成药性的经验规则，论文用它做成分类药性预筛。

事实清单（硬事实 48 条）

1. 官方名 TCMBank，全称 Traditional Chinese Medicine Bank。

2. 官网 https://TCMBank.CN/（亦作 tcmbank.cn）。

3. 主论文：Chem Sci. 2023，DOI 10.1039/d3sc02139d。

4. PMID 37829020。

5. PMCID PMC10566508。

6. 通讯作者 Calvin Yu-Chian Chen（陈语谦）。

7. 主机构：中山大学智能工程学院人工智能医学研究中心（深圳校区）。

8. 通讯邮箱 chenyuchian@mail.sysu.edu.cn。

9. 2019-05-28 官网正式上线。

10. 前身为 2011 年 TCM Database@Taiwan。

11. 草药 9191（官网）/ 9192（论文摘要）。

12. 成分 61965（官网）/ 61966（论文，去重）。

13. 靶标 15179。

14. 疾病 32529。

15. 相对前身，成分数由 32364 增至 61965。

16. 六对关系：herb-ingredient / herb-target / herb-disease / ingredient-target / ingredient-disease / target-disease。

17. 连接草药数 9010。

18. 连接成分数 54676。

19. 草药平均连接数 16.05。

20. 成分平均连接数 5.26。

21. 成分提供 mol2 格式三维结构。

22. 整合六库：TCMID/TCMSP/SymMap/TCM-ID/HERB/ETCM。

23. 公开库交叉引用含 OMIM/HGNC/MeSH/Ensembl/DO/HPO。

24. IDIM 用 selenium/pdfplumber/OCR/OSRA/NLP。

25. 所有信息入库前至少两次人工验证。

26. EL 药物发现协议：对接→配体 EL（12 回归器）→HNN 的 DTA（MGNN+MCNN）→MD+体外。

27. 示范疾病：结直肠癌、阿尔茨海默病。

28. DDI 模型：3DGT-DDI、SA-DDI。

29. 前身 TCM Database@Taiwan 发布于 2011 年。

30. 相对前身成分由 32,364 增至 61,965（去重）。

31. 论文 Fig.1 宣称 TCMBank 数据量为同域最大。

32. 官网感谢数百名学生参与成分分析与结构文件构建。

33. IDIM 的自动摘要方法为 biased LexRank（偏置 LexRank）。

34. 自动摘要评测集：DUC2001、DUC2002。

35. 关键词抽取评测集：SemEval2010、SemEval2017。

36. 论文引用了 104 篇参考文献。

37. 论文含 15 张图（Fig.1–Fig.15）。

38. EL 配体模型含 12 个回归估计器并投票平均。

39. HNN 的 DTA 模型用 MGNN（分子）与 MCNN（蛋白）。

40. 示范案例含 PGK1–FAD 与 GSK3β–methyl 3-O-feruloylquinate。

41. 中药库交叉引用含 TCMID/TCMSP/SymMap/TCM-ID/HERB/ETCM 六库。

42. 公开库交叉引用含 OMIM/HGNC/MeSH/Ensembl/DO/HPO。

43. NGDC Database Commons 记录版本 v1.0、Accessible。

44. 官网自述 non-commercial（非商业免费）。

45. 主站亦可通过 tcmbank.cn 访问。

46. 成分结构文件格式为 mol2。

47. 论文开放获取（RSC），版权 © The Royal Society of Chemistry。

48. 合作机构含中山大学附属第六医院临床检验科/生物医学创新中心。

附录 A：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	官网 + 论文开放获取 + NGDC 收录，搜索引擎可索引；命名清晰无近义歧义
A 可获取性	7	免费下载；但 non-commercial 定位、许可条款未明文化，扣分
I 可互操作	8	六库+公开库交叉引用、mol2 标准格式、结构化关系表，对接性好
M 元数据质量	6	论文表格完备；但规模双口径（坑 2/4）、版本/更新频率官方文档薄
S 可持续性	7	高校团队 + IDIM 自动更新机制；依赖单一机构与个人邮箱，无冻结版本
综合评级	7.2/10（良好）	资源价值与互操作性突出；可获取性与元数据一致性为主要失分项

附录 B：逐项证据链自证

关键数字/事实	来源	位置
9191 / 61965 / 15179 / 32529	官网统计页	tcmbank.cn 2026-10-16 抓取
9192 / 61966 / 15179 / 32529	论文摘要/PubMed	PMID 37829020
连接草药 9010 / 成分 54676 / 平均 16.05 / 5.26	RSC 论文正文	d3sc02139d
32364→61965	RSC 论文正文	d3sc02139d
六对关系	官网 Introduction + 论文	两处一致
mol2 三维结构	论文正文 + 官网	d3sc02139d / tcmbank.cn
IDIM 工具链（selenium/pdfplumber/OCR/OSRA）	RSC 论文方法节	d3sc02139d
两次人工验证	论文 + 官网	两处一致
EL 协议（对接/配体 EL/HNN-DTA/MD）	论文方法节 + Fig.11	d3sc02139d
结直肠癌/阿尔茨海默病案例	论文摘要	PMID 37829020
3DGT-DDI / SA-DDI	中山大学新闻 + 论文	sysu.edu.cn / d3sc02139d
2019-05-28 上线	官网 News & Events	tcmbank.cn
Year founded 2023	NGDC Database Commons	id 9577
通讯邮箱	PubMed 单位信息	PMID 37829020

附录 C：术语与缩写表

缩写/术语	全称	中文
TCM	Traditional Chinese Medicine	中医药
TCMBank	Traditional Chinese Medicine Bank	中医药数据库（本条）
IDIM	Intelligent Document Identification Module	智能文献识别模块
AIDD	AI-assisted Drug Discovery	AI 辅助药物发现
EL	Ensemble Learning	集成学习
HNN	Hybrid Neural Network	混合神经网络
DTA	Drug-Target Affinity	药物-靶点亲和力
DDI	Drug-Drug Interaction	药物相互作用
MD	Molecular Dynamics	分子动力学
OSRA	Optical Structure Recognition Application	光学结构识别
OCR	Optical Character Recognition	光学字符识别
mol2	（Tripos MOL2 文件格式）	三维分子结构文件格式
GFA	Genetic Function Approximation	遗传函数近似
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability	可发现/可获取/可互操作/元数据/可持续

附录 D：基于本数据库的研究检查清单（8 项）

1. 口径声明：引用规模数字时注明官网 vs 论文口径与抓取日期（坑 2）。
2. 许可核对：用途是否为 non-commercial？再分发/商用前与作者确认（坑 5）。
3. 孤立节点检查：构图前统计连通性（连接草药 9010/成分 54676），处理孤立节点。
4. 关系回溯：依赖具体成分-靶标关系时回溯原始文献，别把库记录当一手证据（坑 6）。
5. 实体消歧：确认引用的不是 MTCMB/TCMSSD/TCM-Tongue 等其他 TCM 资源（坑 7）。
6. 版本记录：记录抓取日期，因无冻结版本快照（§6.3）。
7. AI 结果定位：EL 协议与 DDI 模型结果属论文方法产出，非临床结论。
8. 模态匹配：TCMBank 是知识库，与影像/舌诊/图像类 TCM 数据集是不同模态，勿混用。

附录 H：给不同读者的一页纸结论

给药物发现研究者：TCMBank 是目前规模最大的免费中医药关系库（9,191 草药 / 61,965 成分 / 15,179 靶标 / 32,529 疾病），成分带 mol2 三维结构，可直接进入虚拟筛选与分子对接流程。用它做药物重定位的标准路径是"疾病→靶标→成分→草药"的多跳查询。

给知识图谱/图学习研究者：四类节点、六类边的异质网络，含明确定量连通性（连接草药 9,010、连接成分 54,676、平均度数 16.05/5.26）。稀疏性集中在成分层，构图前需处理孤立节点。

给数据合规与法务：官网定位 non-commercial，无 SPDX/CC 明文条款；再分发与商用前需与作者确认。主站 https://TCMBank.CN/ ，通讯邮箱 chenyuchian@mail.sysu.edu.cn。

给论文作者（引用时）：引 Chem Sci 2023（doi:10.1039/d3sc02139d，PMID 37829020），规模数字注明"官网口径"或"论文摘要口径"，并写明数据访问日期。

给评测/复现研究者：TCMBank 是持续更新的知识库，无冻结版本；复现时须记录抓取日期并对下载文件做哈希留存。它不是评测基准，无 train/test 划分与 leaderboard。

---

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：

• csar — 共享标签：药物发现与化学 / 化学信息学 / 药物-靶点相互作用 / 虚拟筛选 / 分子对接
• bindingdb — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 虚拟筛选 / 分子对接
• chembl — 共享标签：药物发现与化学 / 化学信息学 / 药物-靶点相互作用 / 虚拟筛选
• drugtargetcommons — 共享标签：药物发现与化学 / 化学信息学 / 药物-靶点相互作用 / 虚拟筛选
• iuphar-bps — 共享标签：药物发现与化学 / 化学信息学 / 药物-靶点相互作用 / 知识图谱
• interactbind — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 虚拟筛选 / 分子对接
• ppb-affinity — 共享标签：药物发现与化学 / 药物-靶点相互作用 / 虚拟筛选 / 分子对接
• hetionet — 共享标签：药物发现与化学 / 化学信息学 / 药物-靶点相互作用 / 知识图谱
• chembl — 共享标签：药物发现与化学 / 化学信息学 / 药物-靶点相互作用 / 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

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。