Open Targets Platform：靶点发现证据链怎么查

Open Targets Platform（EMBL-EBI、Wellcome Sanger、GSK 等联合）把分散在遗传学、基因组学、文献、通路、动物模型中的证据整合起来，为每一对「靶点-疾病」计算一个关联分数。做靶点评估时，它是最实用的单一入口——比起自己去二十个数据库拼证据，这里一次就能看到全貌。

证据类型与权重

遗传学证据的权重最高是有充分依据的：多项回顾性分析表明，有人类遗传学证据支持的靶点，其药物在临床试验中的成功率约为无此证据靶点的两倍。这是靶点选择中最可靠的先验之一。

用 GraphQL API 查询

import requests

query = """
query TargetDisease($ensemblId: String!) {
  target(ensemblId: $ensemblId) {
    approvedSymbol
    biotype
    associatedDiseases(page: {index: 0, size: 15}) {
      count
      rows {
        disease { id name }
        score
        datatypeScores { id score }
      }
    }
    tractability { label modality value }
    safetyLiabilities { event datasource }
  }
}
"""

r = requests.post("https://api.platform.opentargets.org/api/v4/graphql",
                  json={"query": query, "variables": {"ensemblId": "ENSG00000146648"}})
data = r.json()["data"]["target"]

for row in data["associatedDiseases"]["rows"]:
    types = {d["id"]: round(d["score"], 2) for d in row["datatypeScores"]}
    print(f"{row['disease']['name']:45s} {row['score']:.3f}  {types}")

关键在于看 datatypeScores 的构成，而不是只看总分。总分 0.6 全部来自文本挖掘，和总分 0.6 主要来自遗传关联，含义完全不同——前者可能只是文献里被反复提及，后者才是真正的因果线索。

两个容易被忽略但很有用的字段

• Tractability（可成药性）：分小分子、抗体、PROTAC 等模态，给出该靶点在每种模态下的可成药性证据等级（如「有已上市小分子药物」「有配体结合口袋」「仅有结构」）。做模态选择时这是第一手信息。
• Safety liabilities：汇总已知的安全性问题——该靶点敲除的动物表型、已知的不良反应关联、表达谱提示的组织风险。在立项阶段就看这个，能避免后期才发现机制性毒性。

批量下载做系统分析

# 全量数据以 Parquet 格式发布（FTP / Google Cloud）
# 适合做全基因组范围的靶点优先级分析

import pandas as pd
assoc = pd.read_parquet("associationByOverallDirect/")

# 例：找某疾病下遗传证据强、且小分子可成药的靶点
candidates = assoc[(assoc["diseaseId"] == "EFO_0000685") &
                   (assoc["score"] > 0.5)]

使用时的判断

• 分数是启发式的，不是概率：0.8 不代表 80% 的把握，只表示证据相对更强。不要在分数上做过度精细的比较。
• 警惕循环论证：「已知药物」证据来自已有药物，用它评估「这个靶点值不值得做」会偏向已被验证的靶点，不利于发现新靶点。做新靶点探索时应把这一项排除。
• 文本挖掘证据要打折：文献共现只说明被一起提到过，可能只是综述里的顺带提及。
• 疾病本体的层级：疾病用 EFO 本体组织，父子关系会影响关联汇总。查询时注意是看具体疾病还是疾病大类。
• 它是起点不是终点：Open Targets 帮你快速建立证据全貌，但深入判断仍需回到原始文献和实验数据。

延伸资源

• 遗传学专门平台：250《Open Targets Genetics》；关联数据库：251《DisGeNET》、252《GWAS Catalog》；
• 通路语境：258《STRING》、260《Reactome》；
• 靶点发现概念见「入门 · 学习地图」模块。