通过 chembl-downloader 提升化学信息学工作流程可重复性
定量方法
2025-07-25 v1
摘要
许多现代化学信息学工作流程的数据集源自 ChEMBL，但很少有数据集附带生成代码伴随发布。因此，其方法论（如选择、过滤、聚合）不透明，复现困难，结果解读缺乏重要背景。进一步地，这些静态数据集很快会过时。例如，截至 2024 年 12 月，ChEMBL 当前版本为 v35，但 ExCAPE-DB 使用 v20，Deep Confidence 使用 v23，Isigkeit 等人（2022）的共识数据集使用 v28，Papyrus 使用 v30。因此，亟需提供工具以可重复地获取最新（或指定）版本的 ChEMBL 数据，以便让研究者更透明、可更新、可信地制作其衍生数据集。本文介绍了 \texttt{chembl-downloader}，一个用于通过其 FTP 服务器获取、访问和操作 ChEMBL 数据的 Python 软件包。该软件包可在 MIT 许可证下从 https://github.com/cthoyt/chembl-downloader 下载，并通过 \texttt{pip install chembl-downloader} 安装。
关键词
引用
@article{arxiv.2507.17783,
title = {Improving reproducibility of cheminformatics workflows with chembl-downloader},
author = {Charles Tapley Hoyt},
journal= {arXiv preprint arXiv:2507.17783},
year = {2025}
}