化学データベース

化学データベースは、化学情報を保存するため特別に設計されたデータベースです。この情報は、化学構造、結晶構造、スペクトル、反応と合成、熱物理データ に関するものです。

生物活性データベースは、構造やその他の化学情報を、文献、特許、スクリーニング プログラムの 生物学的検定から得られた生物活性の結果と関連付けます。

化学構造は伝統的に、原子間の化学結合を示す線で表され、紙に描かれる（2D構造式）。これらは化学者にとっては理想的な視覚的表現であるが、計算用途、特に検索と保存には適していない。小分子（薬物設計アプリケーションではリガンドとも呼ばれる）は通常、原子とその結合のリストを使用して表される。しかし、タンパク質などの大きな分子は、アミノ酸構成要素の配列を使用してよりコンパクトに表される。放射性同位体も表され、これは一部のアプリケーションにとって重要な属性である。構造に関する大規模な化学データベースは、テラバイト単位の物理メモリを必要とする数百万の分子に関する情報の保存と検索を処理することが期待されている。^{[6] [7]}

化学文献データベースは、構造やその他の化学情報を、学術論文や特許などの関連文献と関連付けます。このタイプのデータベースには、STN、Scifinder、Reaxys などがあります。化学特性評価に重点を置いた多くのデータベースには、文献へのリンクも含まれています。

結晶学データベースには、 X 線結晶構造データが保存されます。一般的な例としては、Protein Data BankやCambridge Structural Databaseなどがあります。

NMR スペクトル データベースは、化学構造と NMR データを関連付けます。これらのデータベースには、多くの場合、 FTIRや質量分析などの他の特性データも含まれています。

ほとんどの化学データベースには安定した 分子に関する情報が保存されていますが、反応のデータベースには中間体や一時的に生成された不安定な分子も保存されています。反応データベースには、生成物、抽出物、反応機構に関する情報が含まれています。

化学反応データなどをリストした一般的な例としては、Beilstein データベースが挙げられます。

熱物理データとは、

• 気液平衡、液体中の気体の溶解度、固体中の液体（SLE）、混合熱、蒸発熱、融解熱などの相平衡。
• 熱容量、生成熱、燃焼熱などのカロリーデータ、
• 粘性や熱伝導率などの輸送特性

デジタルデータベースで化学構造を表現するには、主に2つの手法がある。

• 結合(エッジ) と原子属性 (ノード) に関する追加情報を含む接続テーブル /隣接マトリックス/ リストとして、次のようになります。

  MDL モルファイル、PDB、CML

• 深さ優先または幅優先のトラバーサルに基づく線形文字列表記として、次のようになります。

  スマイルズ/スマート、SLN、WLN、InChI

これらのアプローチは、立体化学的な違いや電荷、さらには有機金属化合物に見られるような特殊な結合を表現できるように改良されています。コンピュータ表現の主な利点は、ストレージ容量の増加と高速で柔軟な検索が可能なことです。

化学者は、構造の一部、 IUPAC名の一部、および特性の制約に基づいてデータベースを検索できます。化学データベースは、ユーザーが指定した原子と結合のパターンに一致する化学物質を検索する方法である部分構造検索をサポートしている点で、他の汎用データベースとは異なります。この種の検索は、サブグラフ同型性（単型性と呼ばれることもあります）を探すことで実現され、グラフ理論の広く研究されている応用です。^{[8] [9] [10]}

クエリ構造には、柔軟性を持たせるために「単結合/芳香族」や「任意」などの結合パターンを含めることができます。同様に、実際の化合物では特定の原子となる頂点は、クエリ内の原子リストに置き換えられる場合があります。二重結合におけるシス-トランス異性は、 Eフォームのみ、Zフォームのみ、または両方を取得する選択肢を与えることで対応されます。 ^{[8] [11]}

分子の3D立体配座を一致させたり、空間的制約を指定したりして検索することも、特に医薬品設計で役立つ機能です。この種の検索は計算コストが非常に高くなる可能性があります。多くの近似手法が提案されており、例えば、BCUTS、^{[12] [13] [14]}特殊関数表現、慣性モーメント、レイトレーシングヒストグラム、最大距離ヒストグラム、形状多重極などがあります。^{[15] [16] [17] [18] [19]}

PubChem ^{[11] [20]}やChemSpider ^[21]などの大規模データベースには、検索用のグラフィカルインターフェースがあります。Chemical Abstracts Serviceは化学文献を検索するためのツールを提供しており、Elsevierが提供するReaxysは、もともとBeilsteinデータベースに保存されていたものも含め、化学物質と反応情報の両方をカバーしています。^[22] PATENTSCOPEは、化学特許を部分構造でアクセスできるようにしており^[23]、個々の化学物質を説明するWikipediaの記事も同様に検索できます。^[24]

合成中間体やハイスループットスクリーニング用の化学物質の供給業者は、検索インターフェースを日常的に提供しています。現在、一般の人が自由に検索できる最大のデータベースはZINCデータベースで、370億を超える市販分子が含まれていると言われています。^{[25] [26]}

分子の構造以外のすべての特性は、物理化学的属性または薬理学的属性（記述子とも呼ばれる）のいずれかに分割できます。それに加えて、分子に対して多かれ少なかれ標準化された人工的な命名システムがいくつか存在し、多かれ少なかれあいまいな名前や同義語が提供されます。IUPAC名は、人間が判読可能で一意の文字列で分子の構造を表す場合に通常適していますが、大きな分子の場合は扱いにくくなります。一方、慣用名には同音異義語や同義語が多数含まれるため、定義データベース キーとしては適していません。分子量、（部分）電荷、溶解度などの物理化学的記述子は、ほとんどの場合、分子の構造に基づいて直接計算できますが、薬理学的記述子は、複雑な多変量統計または実験（スクリーニング、バイオアッセイ）結果を使用して間接的にのみ導き出すことができます。これらの記述子はすべて、計算上の理由から分子の表現とともに保存することができ、通常はそうしています。

分子類似性の定義は一つではありませんが、その概念は用途に応じて定義され、記述子空間における距離の尺度の逆数として説明されることが多いです。例えば、分子量の差が他の分子と比較して小さい場合、2 つの分子はより類似していると考えられます。他のさまざまな尺度を組み合わせて、多変量距離尺度を作成することができます。距離尺度は、三角不等式が成り立つかどうかに応じて、ユークリッド尺度と非ユークリッド尺度に分類されることがよくあります。最大共通サブグラフ ( MCS ) に基づくサブ構造検索^[27] (類似性または距離尺度) も非常に一般的です。MCS は、共通のサブグラフ (サブ構造) を共有する分子をヒットすることで、薬物のような化合物をスクリーニングするためにも使用されます。^[28]

データベース内の化学物質は、類似性に基づいて「類似」分子のグループにクラスタリングされる可能性があります。階層的クラスタリングと非階層的クラスタリングの両方のアプローチは、複数の属性を持つ化学物質に適用できます。これらの属性または分子特性は、経験的に決定されるか、計算によって導き出された記述子のいずれかになります。最も人気のあるクラスタリングアプローチの1つは、ジャービス・パトリックアルゴリズムです。^[29]

薬理学指向の化学リポジトリでは、類似性は通常、化合物の生物学的効果 ( ADME /tox) の観点から定義され、 QSAR手法を使用して物理化学的記述子の類似した組み合わせから半自動的に推測できます。

化学物質に関する固有の記録を維持するためのデータベース システムは、登録システムと呼ばれます。これらは、化学物質の索引付け、特許システム、産業データベースによく使用されます。

登録システムでは通常、一意の表現を使用して、データベースに表される化学物質の一意性を強化します。文字列表記の生成に優先順位のルールを適用することで、 「canonical SMILES 」などの一意の/ 「標準的な」文字列表現を取得できます。CAS システムなどの一部の登録システムでは、同じ目的を達成するために、 アルゴリズムを使用して一意のハッシュ コードを生成します。

登録システムと単純な化学データベースの主な違いは、既知、未知、部分的に既知であるものを正確に表す能力です。たとえば、化学データベースでは立体化学が指定されていない分子が保存されますが、化学登録システムでは登録者が立体配置が未知か、特定の（既知の）混合物か、ラセミかを指定する必要があります。これらはそれぞれ、化学登録システムでは異なるレコードと見なされます。

登録システムは、化学物質のハロゲンイオンの違いなどの些細な違いを考慮しないように分子を前処理します。

一例として、Chemical Abstracts Service (CAS) 登録システムがあります。CAS登録番号も参照してください。

• アコード
• 直接^[30]
• Jケム^[31]
• ケンブリッジソフト^[32]
• ビンゴ^[33]
• ピンポイント^[34]

• ケムレグ^[35]
• 登録^[36]
• レグモル^[37]
• 化合物登録^[38]
• アンサンブル^[39]

計算表現は、通常、データのグラフィック表示によって化学者にとってわかりやすくなります。また、化学構造エディタを使用することで、データ入力も簡素化されます。これらのエディタは、グラフィック データを内部的に計算表現に変換します。

さまざまな表現形式を相互変換するためのアルゴリズムも多数あります。変換用のオープンソースユーティリティはOpenBabelです。これらの検索および変換アルゴリズムは、データベースシステム自体に実装されるか、現在の傾向として、標準のリレーショナルデータベースシステムに適合する外部コンポーネントとして実装されます。Oracle およびPostgreSQLベースのシステムはどちらも、ユーザー定義のデータ型を可能にするカートリッジテクノロジを使用しています。これにより、ユーザーは化学検索条件を使用してSQLクエリを作成できます (たとえば、SMILESCOL 列の SMILES 文字列として表される構造にフェニル環を持つレコードを検索するクエリは、次のようになります)。

 CHEMTABLEから* を選択WHERE SMILESCOL . CONTAINS ( 'c1ccccc1' )     

IUPAC名を構造表現に変換するアルゴリズム、およびその逆の変換アルゴリズムも、テキストから構造情報を抽出するために使用されます。ただし、IUPAC には複数の方言が存在するため、困難が生じます。独自の IUPAC 標準を確立するための作業が進行中です ( InChI を参照)。

• 生物学データベース – 生物学情報のデータベースフォールバックとしてウィキデータの説明を表示するページ
• BindingDB  – タンパク質と小分子の相互作用のデータベースフォールバックとしてウィキデータの説明を表示するページ
• ChEBI  – 化学データベースと分子実体のオントロジー
• ChEMBL  – 薬物のような特性も持つ生理活性分子の化学データベース
• 化学的類似性 – 化学用語
• 化学中央ブラット構造データベース – 科学雑誌フォールバックとしてウィキデータの説明を表示するページ
• Collaborative Drug Discovery  – 米国バーリンゲームの企業フォールバックとしてウィキデータの説明を表示するページ
• 共局在ベンチマークソース
• 比較毒性ゲノムデータベース – 化学物質と遺伝子と疾患の相互作用を記述するオンライン研究ツールフォールバックとしてウィキデータの説明を表示するページ
• 計算化学リスト
• DrugBank  – 薬物と薬物ターゲットに関する情報を含むオンラインデータベース
• 化学データベース一覧
• 分子力学モデリング用ソフトウェアの一覧
• LOLI データベース – 国際化学物質規制データベースフォールバックとしてウィキデータの説明を表示するページ
• NMRスペクトルデータベース – 多数の化合物のNMRスペクトルのコレクションフォールバックとしてウィキデータの説明を表示するページ
• 類似検索 – データセット内の類似アイテムの検索
• SPRESIデータベース

• Wikipedia 化学構造エクスプローラーは、Wikipedia の化学記事を部分構造で検索します。