ChEMBL

内容与规模

ChEMBL 由 EMBL-EBI 自 2009 年起从文献中人工策展生物活性。CHEMBL37（2026-05-01）：去重化合物 2,921,148，活性记录 24,527,044，靶点 18,552，文献 101,100（API 实测）[1]。

格式与 license

官方文档称 CC BY-SA 3.0，未能抓到该页文字，待复核 ⚠️；若为 share-alike，商业并入专有训练集需评估衍生数据的授权 [2]。

哪些模型拿它训练或评测

Boltz-2 的亲和力训练用 ChEMBL v34（置信度 9、单蛋白靶点）+ BindingDB + PubChem，约 120 万结合物，全部公共库，并以 ipTM>0.75 过滤 [3]。活性回归是小分子性质预测的通用任务，与 MoleculeNet 类基准相关。

已知偏差与泄漏

文献策展偏向发表友好的阳性结果，阴性数据稀缺；不同实验室、不同 assay 的 IC50/Ki 混合，噪声大，需置信度过滤。同一化合物系列在训练和测试间重复会放大指标，见 数据泄漏（训练-测试泄漏）。

来源

1. https://www.ebi.ac.uk/chembl/api/data/status.json (API 实测，CHEMBL37)
2. https://chembl.gitbook.io/chembl-interface-documentation/downloads (2026-10-15)
3. https://www.github.com/jwohlwend/boltz (2026-10-15)