PubChem — база данных химических соединений¶

PubChem — это открытая база данных по химическим соединениям, их биологической активности и биологическим экспериментам, поддерживаемая Национальным центром биотехнологической информации (NCBI) Национальной медицинской библиотеки США (NLM), которая входит в состав Национальных институтов здоровья США (NIH). PubChem является крупнейшим в мире бесплатным и общедоступным хранилищем химической информации, объединяющим данные из сотен научных источников и предоставляющим инструменты для поиска, сравнения и анализа химических структур и связанных с ними данных.

¶История

Проект PubChem был запущен в 2004 году по инициативе Национальных институтов здоровья США. Основной целью создания базы было обеспечение свободного доступа учёных и исследователей к информации о химических соединениях, их свойствах и биологической активности, особенно в контексте разработки новых лекарственных препаратов. Создание PubChem стало ответом на потребность в централизованном и открытом ресурсе, который мог бы дополнить коммерческие базы данных, такие как Chemical Abstracts Service (CAS) и Elsevier Reaxys.

Первоначально PubChem развивался как часть более широкой программы NIH по химической геномике и молекулярному скринингу (Molecular Libraries Program), в рамках которой проводился высокопроизводительный скрининг тысяч соединений на предмет их биологической активности. Со временем база данных значительно расширилась, включив в себя данные из множества внешних источников, включая научные публикации, патенты, базы данных поставщиков химических веществ и результаты скрининговых исследований.

¶Структура базы данных

PubChem организован в виде трёх взаимосвязанных баз данных, каждая из которых содержит специфический тип информации:

¶PubChem Substance

База данных PubChem Substance (вещество) содержит информацию о химических веществах, предоставленную различными организациями-донорами. Каждая запись вещества представляет собой уникальное описание от конкретного источника и может содержать синонимы, описания, идентификаторы, а также ссылки на исходные данные. Одно и то же химическое соединение может иметь несколько записей в PubChem Substance, если оно описано разными источниками.

¶PubChem Compound

База данных PubChem Compound (соединение) содержит уникальные химические структуры, полученные путём объединения и нормализации данных из PubChem Substance. Каждая запись соединения представляет собой уникальную химическую структуру с вычисленными свойствами, такими как молекулярная формула, молекулярная масса, канонический SMILES, InChI и другие дескрипторы. Записи соединений связаны с записями веществ, из которых они были получены.

¶PubChem BioAssay

База данных PubChem BioAssay (биологический анализ) содержит результаты биологических экспериментов, в которых тестировалась активность химических соединений. Записи включают описание экспериментальной методики, целевые белки, результаты скрининга и количественные показатели активности. Эта база данных является ключевым ресурсом для исследований в области открытия лекарств и химической биологии.

¶Основные идентификаторы

Каждая запись в PubChem имеет уникальный числовой идентификатор: SID (Substance Identifier) для веществ, CID (Compound Identifier) для соединений и AID (Assay Identifier) для биологических анализов. Идентификаторы CID широко используются в научной литературе и других базах данных для однозначной ссылки на конкретное химическое соединение. Например, ацетилсалициловая кислота (аспирин) имеет CID 2244, а кофеин — CID 2519.

¶Поиск и доступ к данным

PubChem предоставляет несколько способов поиска и доступа к данным. Веб-интерфейс позволяет выполнять поиск по названию соединения, молекулярной формуле, идентификатору, химической структуре (с помощью структурного редактора или загрузки файла в форматах SMILES, MOL, SDF) и по текстовым описаниям биологических анализов. Результаты поиска могут быть отфильтрованы по различным критериям, включая тип записи, источник данных и наличие биологической активности.

Для программного доступа к данным PubChem предоставляет REST-подобный веб-сервис (PubChem PUG-REST), который позволяет автоматизированно получать информацию о соединениях, веществах и анализах в форматах JSON, XML, SDF и других. Существует также более мощный программный интерфейс PUG-View для доступа к отдельным записям. Кроме того, все данные PubChem доступны для массового скачивания в виде архивов на FTP-сервере NCBI.

¶Содержимое и источники данных

PubChem интегрирует данные из более чем 700 различных источников по всему миру. Среди ключественных источников — базы данных химических поставщиков (например, Sigma-Aldrich, Fisher Scientific), фармакологические базы данных (DrugBank, ChEMBL, ChemSpider), токсикологические ресурсы (HSDB, TOXNET), базы данных по безопасности химических веществ (GHS), а также данные из научных публикаций и патентов. Каждая запись в PubChem содержит ссылку на исходный источник данных, что обеспечивает прослеживаемость информации.

Для каждого соединения в PubChem доступны следующие типы информации:

• химическая структура и её графическое представление;
• молекулярная формула, молекулярная масса, точная масса;
• канонические и изомерные SMILES, InChI, InChIKey;
• физико-химические свойства (температура кипения, плавления, растворимость, logP, pKa);
• фармакологические данные и биологическая активность;
• токсикологические данные и данные о безопасности;
• информация о патентах и научных публикациях;
• ссылки на связанные записи в других базах данных (например, в Protein Data Bank, GenBank).

¶Применение

PubChem широко используется в научных исследованиях, образовании и промышленности. Основные области применения включают:

• Открытие лекарств: исследователи используют данные о биологической активности соединений из PubChem BioAssay для выявления потенциальных лекарственных кандидатов и изучения их взаимодействия с биологическими мишенями.
• Хемоинформатика: база данных используется для разработки и валидации методов прогнозирования свойств химических соединений, машинного обучения и построения количественных соотношений структура-активность (QSAR).
• Образование: PubChem является ценным ресурсом для студентов и преподавателей химии, биологии и фармацевтики.
• Токсикология и безопасность: данные о токсичности и опасности химических веществ используются при оценке рисков и регулировании химической продукции.
• Стандартизация данных: идентификаторы CID используются для объединения и сопоставления данных из различных источников в научных исследованиях.

¶Критика и ограничения

Несмотря на широкое признание, PubChem имеет определённые ограничения. Критики отмечают, что данные, поступающие от различных источников, могут быть неполными или содержать ошибки, поскольку автоматизированная интеграция не всегда позволяет выявить все несоответствия. Кроме того, база данных ориентирована преимущественно на малые органические молекулы и содержит ограниченную информацию о биополимерах, таких как белки и нуклеиновые кислоты. Некоторые пользователи также указывают на сложность программных интерфейсов и необходимость определённых технических навыков для эффективной автоматизированной работы с данными.

¶Источники

• Kim S., Thiessen P. A., Bolton E. E., et al. PubChem Substance and Compound databases. Nucleic Acids Research, 2016.
• PubChem — официальная документация Национального центра биотехнологической информации (NCBI).
• Bolton E. E., Wang Y., Thiessen P. A., Bryant S. H. PubChem: Integrated Platform of Small Molecules and Biological Activities. Annual Reports in Computational Chemistry, 2008.
• Сайт PubChem (pubchem.ncbi.nlm.nih.gov).