THEOBROMA: an aggregated open database of 1.13 million natural products with per-compound license auditing, three-tier classification, and stereochemistry-aware deduplication
THEOBROMA 是一个聚合了来自 29 个来源的超过 113 万种天然产物的开放数据库，它通过针对单个化合物的许可审计、三级分类系统以及具备立体化学感知能力的去重功能脱颖而出，从而实现符合许可限制的虚拟筛选和异构体特异性的生物活性分析。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，药物研发的世界就像一座巨大且繁忙的图书馆，科学家们正在其中搜寻自然界（如植物和真菌）中发现的稀有、神奇的成分，以创造新的药物。长期以来，这座图书馆一直有些混乱。不同的区域有着不同的借阅规则，而图书管理员往往会将整个区域视为遵循同一条规则，即便其中的每一本书权限各不相同。
THEOBROMA 是一个全新的、高度组织化的数字目录，它解决了这些问题。以下是它的运作方式，分为几个简单的部分：
1. “许可侦探”（针对单个化合物的审计）
在旧系统中，如果一个区域内的一本书有“禁止复制”的严格规定，那么整个区域都会被视为禁区。这在最近造成了一个问题：某主要来源更改了其规则，突然锁定了数千种科学家原以为可以自由使用的有用成分。
THEOBROMA 扮演着超级侦探的角色，它会逐一检查每一项成分的法律文件，而不是只看整个书架。
- 规则： 它采用“最严规则胜出”的方法。如果一种化学物质在三个地方都有记录，其中两个说“可自由使用”，但有一个说“受限”，那么 THEOBROMA 会将该特定化学物质标记为“受限”。
- 结果： 它发现了超过 90 万种（约 79%）真正可以供任何人使用的成分。它还保留了一份清晰的收据（“审计追踪”），展示了权限规则的具体来源，因此科学家们知道使用它们是安全的。
2. “置信度阶梯”（三级分类）
并非图书馆中的所有信息都同样可靠。有些书是由专家编写并经过事实核查的，而有些则只是粗略的笔记或猜测。
THEOB-ROMA 将其 113 万种成分组织成一个三级阶梯，以便科学家了解数据的可信度：
- 顶层（精选类）： 35% 的项目就像金标准教科书，经过人类专家的仔细核查。
- 中层（高置信度推断类）： 44% 的项目就像研究充分的文章，其事实有强有力的证据支持，但未经过人工核查。
- 底层（探索类）： 10% 的项目则像是“大胆猜测”或初稿。它们对于探索新想法仍然有用，但科学家知道需要格外小心。
3. “孪生追踪器”（立体化学去重）
在化学中，有些成分就像左手和右手。它们在纸面上看起来一模一样，但却是彼此的镜像。在现实世界中，其中一个可能是治愈方法，而其镜像可能毫无用处甚至有害。
旧数据库通常将这些“镜像双胞胎”视为完全相同的东西，从而将它们混淆。THEOBROMA 则像是一个目光敏锐的孪生追踪器。它使用一种特殊的 27 位字符代码（唯一的指纹）来区分这些镜像。
- 它将这些双胞胎归类为“家族”，以便科学家能够清晰地观察它们。
- 它提供了一个专门的工具来查看这些家族，确保当科学家研究某种特定形状的分子时，不会误把它的镜像当作目标进行研究。
核心总结
THEOBROMA 是一个包含超过 113 万种天然成分的海量开放数据库。它的核心超能力在于它不仅仅是堆砌数据；它审计了每一项物品的法律权利，评定了信息的可靠性，并且分离了其他数据库会混淆的镜像双胞胎。这使得科学家能够安全地搜索整个馆藏，明确知道他们可以使用什么、可以信任多少程度的信息，以及他们正在研究的是分子的哪种特定形状。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。