Opentargets Database

Base de Dados Open Targets

Visão Geral

A Plataforma Open Targets é um recurso abrangente para identificação e priorização sistemática de potenciais alvos farmacológicos terapêuticos. Integra conjuntos de dados disponíveis publicamente, incluindo genética humana, ômicas, literatura e dados químicos para construir e pontuar associações alvo-doença.

Capacidades principais:

• Consultar anotações de alvo (gene), incluindo tratabilidade, segurança, expressão
• Pesquisar associações doença-alvo com pontuações de evidência
• Recuperar evidências de múltiplos tipos de dados (genética, vias, literatura, etc.)
• Encontrar fármacos conhecidos para doenças e seus mecanismos
• Acessar informações de fármacos, incluindo fases de ensaios clínicos e eventos adversos
• Avaliar tratabilidade e potencial terapêutico do alvo

Acesso aos dados: A plataforma oferece API GraphQL, interface web, downloads de dados e acesso ao Google BigQuery. Esta habilidade se concentra na API GraphQL para acesso programático.

Quando Usar Esta Habilidade

Esta habilidade deve ser usada quando:

• Descoberta de alvo: Encontrar potenciais alvos terapêuticos para uma doença
• Avaliação de alvo: Avaliar tratabilidade, segurança e tratabilidade de genes
• Coleta de evidências: Recuperar evidências de apoio para associações alvo-doença
• Reposicionamento de fármacos: Identificar fármacos existentes que podem ser reposicionados para novas indicações
• Inteligência competitiva: Entender precedência clínica e panorama de desenvolvimento de fármacos
• Priorização de alvo: Classificar alvos com base em evidências genéticas e outros tipos de dados
• Pesquisa de mecanismo: Investigar vias biológicas e funções gênicas
• Descoberta de biomarcadores: Encontrar genes expressos diferencialmente em doença
• Avaliação de segurança: Identificar possíveis preocupações de toxicidade para alvos farmacológicos

Fluxo de Trabalho Principal

1. Pesquisar por Entidades

Comece encontrando os identificadores para alvos, doenças ou fármacos de interesse.

Para alvos (genes):

from scripts.query_opentargets import search_entities

# Pesquisar por símbolo ou nome de gene
results = search_entities("BRCA1", entity_types=["target"])
# Retorna: [{"id": "ENSG00000012048", "name": "BRCA1", ...}]

Para doenças:

# Pesquisar por nome de doença
results = search_entities("alzheimer", entity_types=["disease"])
# Retorna: [{"id": "EFO_0000249", "name": "Alzheimer disease", ...}]

Para fármacos:

# Pesquisar por nome de fármaco
results = search_entities("aspirin", entity_types=["drug"])
# Retorna: [{"id": "CHEMBL25", "name": "ASPIRIN", ...}]

Identificadores usados:

• Alvos: IDs de gene Ensembl (ex: ENSG00000157764)
• Doenças: IDs EFO (Experimental Factor Ontology) (ex: EFO_0000249)
• Fármacos: IDs ChEMBL (ex: CHEMBL25)

2. Consultar Informações de Alvo

Recupere anotações abrangentes de alvo para avaliar tratabilidade e biologia.

from scripts.query_opentargets import get_target_info

target_info = get_target_info("ENSG00000157764", include_diseases=True)

# Acesse campos principais:
# - approvedSymbol: Símbolo de gene HGNC
# - approvedName: Nome completo do gene
# - tractability: Avaliações de tratabilidade em modalidades
# - safetyLiabilities: Preocupações de segurança conhecidas
# - geneticConstraint: Scores de constraint do gnomAD
# - associatedDiseases: Principais associações de doença com scores

Anotações principais para revisar:

• Tratabilidade: Previsões de tratabilidade de molécula pequena, anticorpo, PROTAC
• Segurança: Preocupações de toxicidade conhecidas de múltiplos bancos de dados
• Constraint genético: Scores pLI e LOEUF indicando essencialidade
• Associações de doença: Doenças ligadas ao alvo com scores de evidência

Consulte references/target_annotations.md para informações detalhadas sobre todas as features de alvo.

3. Consultar Informações de Doença

Obtenha detalhes de doença e alvos/fármacos associados.

from scripts.query_opentargets import get_disease_info

disease_info = get_disease_info("EFO_0000249", include_targets=True)

# Acesse campos:
# - name: Nome da doença
# - description: Descrição da doença
# - therapeuticAreas: Categorias de doença de alto nível
# - associatedTargets: Principais alvos com scores de associação

4. Recuperar Evidências Alvo-Doença

Obtenha evidências detalhadas apoiando uma associação alvo-doença.

from scripts.query_opentargets import get_target_disease_evidence

# Obter todas as evidências
evidence = get_target_disease_evidence(
    ensembl_id="ENSG00000157764",
    efo_id="EFO_0000249"
)

# Filtrar por tipo de evidência
genetic_evidence = get_target_disease_evidence(
    ensembl_id="ENSG00000157764",
    efo_id="EFO_0000249",
    data_types=["genetic_association"]
)

# Cada registro de evidência contém:
# - datasourceId: Fonte de dados específica (ex: "gwas_catalog", "chembl")
# - datatypeId: Categoria de evidência (ex: "genetic_association", "known_drug")
# - score: Força da evidência (0-1)
# - studyId: Identificador do estudo original
# - literature: Publicações associadas

Principais tipos de evidência:

1. genetic_association: GWAS, variantes raras, ClinVar, gene burden
2. somatic_mutation: Cancer Gene Census, IntOGen, biomarcadores de câncer
3. known_drug: Precedência clínica de fármacos aprovados/clínicos
4. affected_pathway: Telas CRISPR, análises de via, assinaturas gênicas
5. rna_expression: Expressão diferencial do Expression Atlas
6. animal_model: Fenótipos de camundongo do IMPC
7. literature: Text-mining da Europe PMC

Consulte references/evidence_types.md para descrições detalhadas de todos os tipos de evidência e diretrizes de interpretação.

5. Encontrar Fármacos Conhecidos

Identifique fármacos usados para uma doença e seus alvos.

from scripts.query_opentargets import get_known_drugs_for_disease

drugs = get_known_drugs_for_disease("EFO_0000249")

# drugs contém:
# - uniqueDrugs: Número total de fármacos únicos
# - uniqueTargets: Número total de alvos únicos
# - rows: Lista de registros fármaco-alvo-indicação com:
#   - drug: {name, drugType, maximumClinicalTrialPhase}
#   - targets: Genes alvo do fármaco
#   - phase: Fase de ensaio clínico para esta indicação
#   - status: Status do ensaio (ativo, concluído, etc.)
#   - mechanismOfAction: Como o fármaco funciona

Fases clínicas:

• Fase 4: Fármaco aprovado
• Fase 3: Ensaios clínicos em estágio tardio
• Fase 2: Ensaios em estágio intermediário
• Fase 1: Ensaios de segurança inicial

6. Obter Informações de Fármaco

Recupere informações detalhadas de fármaco, incluindo mecanismos e indicações.

from scripts.query_opentargets import get_drug_info

drug_info = get_drug_info("CHEMBL25")

# Acesse:
# - name, synonyms: Identificadores de fármaco
# - drugType: Molécula pequena, anticorpo, etc.
# - maximumClinicalTrialPhase: Estágio de desenvolvimento
# - mechanismsOfAction: Alvo e tipo de ação
# - indications: Doenças com fases de ensaio
# - withdrawnNotice: Se retirado, motivos e países

7. Obter Todas as Associações para um Alvo

Encontre todas as doenças associadas a um alvo, opcionalmente filtrando por pontuação.

from scripts.query_opentargets import get_target_associations

# Obter associações com pontuação >= 0,5
associations = get_target_associations(
    ensembl_id="ENSG00000157764",
    min_score=0.5
)

# Cada associação contém:
# - disease: {id, name}
# - score: Pontuação geral de associação (0-1)
# - datatypeScores: Detalhamento por tipo de evidência

Pontuações de associação:

• Intervalo: 0-1 (maior = evidência mais forte)
• Agregue evidências em todos os tipos de dados usando soma harmônica
• NÃO são scores de confiança, mas métricas de ranking relativo
• Doenças pouco estudadas podem ter scores menores apesar de boa evidência

Detalhes da API GraphQL

Para consultas personalizadas além das funções auxiliares fornecidas, use a API GraphQL diretamente ou modifique scripts/query_opentargets.py.

Informações principais:

• Endpoint: https://api.platform.opentargets.org/api/v4/graphql
• Browser interativo: https://api.platform.opentargets.org/api/v4/graphql/browser
• Autenticação não necessária
• Solicite apenas campos necessários para minimizar tamanho de resposta
• Use paginação para grandes conjuntos de resultados: page: {size: N, index: M}

Consulte references/api_reference.md para:

• Documentação completa do endpoint
• Consultas de exemplo para todos os tipos de entidade
• Padrões de tratamento de erros
• Melhores práticas para uso de API

Melhores Práticas

Estratégia de Priorização de Alvo

Ao priorizar alvos de medicamentos:

1. Comece com evidência genética: Genética humana (GWAS, variantes raras) fornece relevância de doença mais forte
2. Verifique tratabilidade: Prefira alvos com precedência clínica ou de descoberta
3. Avalie segurança: Revise responsabilidades de segurança, padrões de expressão e constraint genético
4. Avalie precedência clínica: Fármacos conhecidos indicam tratabilidade e janela terapêutica
5. Considere múltiplos tipos de evidência: Evidência convergente de fontes diferentes aumenta confiança
6. Valide mecanicamente: Evidência de via e plausibilidade biológica
7. Revise literatura manualmente: Para decisões críticas, examine publicações primárias

Interpretação de Evidências

Indicadores de evidência forte:

• Múltiplas fontes de evidência independentes
• Scores altos de associação genética (especialmente GWAS com L2G > 0,5)
• Precedência clínica de fármacos aprovados
• Variantes ClinVar patogênicas com concordância de doença
• Modelos de camundongo com fenótipos relevantes

Sinais de cautela:

• Apenas uma única fonte de evidência
• Text-mining como única evidência (requer validação manual)
• Evidência conflitante entre fontes
• Alta essencialidade + expressão onipresente (janela terapêutica ruim)
• Múltiplas responsabilidades de segurança

Interpretação de pontuação:

• Scores classificam força relativa, não confiança absoluta
• Doenças pouco estudadas têm scores menores apesar de alvos potencialmente válidos
• Pese fontes curadas por especialistas mais altas que predições computacionais
• Verifique detalhamento de evidências, não apenas score geral

Fluxos de Trabalho Comuns

Fluxo de Trabalho 1: Descoberta de Alvo para uma Doença

1. Pesquisar doença → obter ID EFO
2. Consultar informação de doença com include_targets=True
3. Revisar principais alvos classificados por score de associação
4. Para alvos promissores, obter informação detalhada de alvo
5. Examinar tipos de evidência apoiando cada associação
6. Avaliar tratabilidade e segurança para alvos priorizados

Fluxo de Trabalho 2: Validação de Alvo

1. Pesquisar alvo → obter ID Ensembl
2. Obter informação abrangente de alvo
3. Verificar tratabilidade (especialmente precedência clínica)
4. Revisar responsabilidades de segurança e constraint genético
5. Examinar associações de doença para entender biologia
6. Procurar por chemical probes ou compostos ferramentas
7. Verificar fármacos conhecidos alvo do gene para insights de mecanismo

Fluxo de Trabalho 3: Reposicionamento de Fármaco

1. Pesquisar doença → obter ID EFO
2. Obter fármacos conhecidos para doença
3. Para cada fármaco, obter informação detalhada de fármaco
4. Examinar mecanismos de ação e alvos
5. Procurar por indicações de doença relacionadas
6. Avaliar fases de ensaios clínicos e status
7. Identificar oportunidades de reposicionamento com base no mecanismo

Fluxo de Trabalho 4: Inteligência Competitiva

1. Pesquisar alvo de interesse
2. Obter doenças associadas com evidência
3. Para cada doença, obter fármacos conhecidos
4. Revisar fases clínicas e status de desenvolvimento
5. Identificar competidores e seus mecanismos
6. Avaliar precedência clínica e panorama de mercado

Recursos

Scripts

scripts/query_opentargets.py Funções auxiliares para operações de API comuns:

• search_entities() - Pesquisar alvos, doenças ou fármacos
• get_target_info() - Recuperar anotações de alvo
• get_disease_info() - Recuperar informação de doença
• get_target_disease_evidence() - Obter evidência de apoio
• get_known_drugs_for_disease() - Encontrar fármacos para doença
• get_drug_info() - Recuperar detalhes de fármaco
• get_target_associations() - Obter todas as associações para alvo
• execute_query() - Executar consultas GraphQL personalizadas

Referências

references/api_reference.md Documentação completa de API GraphQL incluindo:

• Detalhes de endpoint e autenticação
• Tipos de consulta disponíveis (target, disease, drug, search)
• Consultas de exemplo para todas as operações comuns
• Tratamento de erros e melhores práticas
• Requisitos de licença de dados e citação

references/evidence_types.md Guia abrangente de tipos de evidência e fontes de dados:

• Descrições detalhadas de todos os 7 principais tipos de evidência
• Metodologias de pontuação para cada fonte
• Diretrizes de interpretação de evidência
• Forças e limitações de cada tipo de evidência
• Recomendações de avaliação de qualidade

references/target_annotations.md Referência completa de anotação de alvo:

• 12 principais categorias de anotação explicadas
• Detalhes de avaliação de tratabilidade
• Fontes de responsabilidade de segurança
• Dados de expressão, essencialidade e constraint
• Diretrizes de interpretação para priorização de alvo
• Red flags e green flags para avaliação de alvo

Atualizações de Dados e Controle de Versão

A Plataforma Open Targets é atualizada trimestralmente com novos lançamentos de dados. A versão atual (em outubro de 2025) está disponível no endpoint de API.

Informação de lançamento: Verifique https://platform-docs.opentargets.org/release-notes para as atualizações mais recentes.

Citação: Ao usar dados do Open Targets, cite: Ochoa, D. et al. (2025) Open Targets Platform: facilitating therapeutic hypotheses building in drug discovery. Nucleic Acids Research, 53(D1):D1467-D1477.

Limitações e Considerações

1. API é para consultas exploratórias: Para análises sistemáticas de muitos alvos/doenças, use downloads de dados ou BigQuery
2. Scores são relativos, não absolutos: Scores de associação classificam força de evidência mas não predizem sucesso clínico
3. Doenças pouco estudadas têm scores menores: Doenças novas ou raras podem ter forte evidência mas scores agregados menores
4. Qualidade de evidência varia: Pese fontes curadas por especialistas mais altas que predições computacionais
5. Requer interpretação biológica: Scores e evidências devem ser interpretados em contexto biológico e clínico
6. Autenticação não necessária: Todos os dados são livremente acessíveis, mas cite apropriadamente