MS-BioDT log

数据库进度：
D3pockets：{
  • protein_info导入了，
  • ligand导入了，
  • dynamics_simulaiton:暂时不考虑；
  • pockets表，用后面PDBbind中的数据
}
Drugbank: {
  • structures数据导入了，
  • drug_interaction数据不用导入，后面完成一个药物相互作用查询逻辑，
  • drugs中的name和cas_number导入了
  • targets:也算是导入了。
  • drug_approvals,暂时不考虑
}
TTD：{
  • P1-01-TTD_target_download.txt {
    • TARGETID>>>>>SameMacroMolecule.TTDid(new column)
    • FORMERID,UNIPROTID: abort
    • TARGETNAME>>>>>>SameMacroMolecule.Name(new column)
    • GENENAME>>>>SameMacroMolecule.Name，并且创建新的Moleid。（二级数据库中可以拆分为蛋白表，基因表）×
    • ##SYNONYMS这个有点dio啊，之后把表改成这个名字
    • SYNONYMS，FUNCTION直接跳过，FUNCTION可以作为二级数据库的一个列
    • PDBSTRUC，用于匹配现在表中有没有这个蛋白，
    • BIOCLASS，暂时不需要这个字段，（二级数据库中可以有）
    • ECNUMBER：酶功能分类标准编号>>>>>>>SameMacroMolecule.ECnumber(new column)
    • SEQENCE:>>>>>>MacroMoleculeInfo.sequence，不用按照uniprot/pdb数据库来了
    • DRUGID :这里还不是Drugbankid，先跳过
    • DRUGNAME: 也不是规范名，先跳过
    • STATUS:药物审批状态，不知道用到哪个表，先跳过，放到MoleculeInteraction.status两者是等价×，不是等价的可以有作用但是不一定就能过审批。还是在MoleculeInfo.drugStatus（new column)
  • }
}
预期任务：
1）补全SameMacroMolecule中的pdbids。√
2）重新补全macroMoleculeInfo中的sequence列。√
3）然后把failed_pdb_records.txt中内容导入 SameMacroMolecule表
4）很难评价，同一个ECnumber对应着多个Protein，想起来也挺合理单体蛋白酶还是比较少，还是要考虑下ECnumber应该在哪个表中，或者哪个研究水平，理论上应该是分子水平上。
5）一些drug没有结构信息，然后就没有录入Molecules数据库中的MoleculeInfo中：missing_structures。
质量控制
2025-11-17：
TTD_dru。gs.csv中是导入TTD:P1-01-TTD_target_download.txt和Molecules.SameMacroMolecule中的对应情况
利用TTD，继续更新SameMacroMolecule,然后让macroMoleculeInfo同步，但是的确是有些pdbid查不到对应的uniprotid，先保存在failed_pdb_records.txt中，然后更新verify_pdbid_in_same_macro_molecule.py
然后更新macroMoleculeInfo表，并且更新序列信息√
然后发现一个问题，一些drug没有结构信息，然后就没有录入Molecules数据库中的MoleculeInfo中
艹，少了6000+药物的信息，好吧傻逼drugbank，里面还就是没有结构信息。后面再完成吧。
然后再MoleculeInfo中添加drugStatus列，用TTD_drugs.csv/TTD中的审批情况完成这部分信息。√
补充SameMolecule中casid
chemspider能用了，可以用来补全没有结构的药物，然后导入MoleculeInfo/SameMolecule
2025-11-16:
看起来现在的SameMacroMolecule的pdbid不全，但是能和Uniprotid对应起来大概，以P00651为例，SameMacroMolecule表中pdbids={1B2M;1BIR;1BU4;1BVI;1CH0;1DET;1FYS;1FZU;1G02;1GSP }
但是PDB数据库中的pdbids有69个，还是缺少了，但是没对应错就可以再补全。
补全了
重新导入macroMoleculeInfo,我怀疑序列会有重复的，然而有些是空的，我也不确定是不是有错误，大概率没有。
然后重新补全了pdbid和序列
然后导入TTD表
编写脚本完成以下需求：1）现在要将TTD目录下的P1-01-TTD_target_download.txt文件导入Molecules数据库，在SameMacroMolecule中添加TTDid列，按照PDBSTRUC，将文件中的TARGETID导入到TTDid列中。在SameMacroMolecule中添加Name列，然后把 文件中的TARGNAME按照PDBSTRUC导入。在SameMacroMolecule中添加ECnumber列，然后把文件中的ECNUMBER导入Ecnumber列。2）然后把TARGETID,DRUGNAME,STATUS对应写入一个csv文件中，然后在csv文件中添加一列Moleid,查询一下SameMolecule表中的drugName列，如果DRUGNAME在drugName列中，就把Moleid写入，没有对应Moleid就为空√
2025-11-15:
现在将Drugs中的name和cas_number导入SameMolecule表√
然后完成CASid列，ip好像被封了，先跳过P1-01-TTD_target_download.txt 
接下来处理TTD数据库，P1-01-TTD_target_download.txt 
TARGETID>>>>>SameMacroMolecule.TTDid(new column)
FORMERID,UNIPROTID: abort
TARGETNAME>>>>>>SameMacroMolecule.Name(new column)
GENENAME>>>>SameMacroMolecule.Name，并且创建新的Moleid。（二级数据库中可以拆分为蛋白表，基因表）
##SYNONYMS这个有点dio啊，之后把表改成这个名字
SYNONYMS，FUNCTION直接跳过，FUNCTION可以作为二级数据库的一个列
PDBSTRUC，用于匹配现在表中有没有这个蛋白，没有的话根据uniprotid新建一个Moleid
BIOCLASS，暂时不需要这个字段，（二级数据库中可以有）
ECNUMBER：酶功能分类标准编号>>>>>>>SameMacroMolecule.ECnumber(new column)
SEQENCE:>>>>>>MacroMoleculeInfo.sequence
DRUGID :这里还不是Drugbankid，先跳过
DRUGNAME: 也不是规范名，先跳过
STATUS:药物审批状态，不知道用到哪个表，先跳过
####先规范了Moleid-uniprotid的一对一关系，unprotid才作为唯一的实体 √
然后确保一下uniprotid和pdbid的对应√
2025-11-14:
MoleculeInteraction需要划分为MoleculesInteraction和macroMoleculeInteraction吗？不需要
MoleculeInteraction的主键是什么？ id吗,对。然后组成{id，pMoleid,sMoleid,type,medium,status}
pMoleid是主要分子，sMoleid是次要（作用）分子，type是作用类型，如binding，medium是作用媒介如pocket，status为experimented，或者virtual：实验或者模拟的。
##这里定义pocket为位置依赖的作用系
---------------------------------------------------------------------------------------------------------------------
然后Pockets需不需要作为一个新的 表呢？这个问题需要先回答蛋白和配体的作用是不是都是通过pockets进行的，直觉感觉不是只要存在有效作用力和作用范围即可。
实际上蛋白和配体的二元作用是隐含pockets的，即：
Potein-(pocket)-ligand
但是更广泛的表应该是 MoleculeInteraction表，其中很多作用是没有口袋的，所以口袋表是有必要的，算是提取出蛋白配体作用的表。
------------------------------------------------------------------------------------------------------------------
然后创建macroMoleculeInfo:(Moleid,type,sequence,√
SameMacroMolecule:(Moleid,pdbid,uniprotid,√
Macro-Molecules要作为单独数据库吗？不作为
-------------------------------------------------------------------------------------------------------------------
创建Molecules数据库，然后创建MoleculeInfo表，包含属性{Moleid,;SMILES;InCHI;InCHKey;}
然后把D3pockets数据库中的ligand_structure，导入MoleculeInfo中。
新增Moleid作为内部id索引主键。CASid放到EqualMolecules中。√
Drugbank数据库中structures,导入MoleculeInfo
然后创建SameMolecule表，导入列：Moleid，Drugbankid(默认：Nodrug)，pdbLigand(默认：Noreceptor).Moleid列是主键，为什么单独列个表：别问就是任性。√
好像CASid对应了多个分子，还是说有重复数据？先不搞这个。