PubChemLite for Exposomics + predicted CCS from CCSbase - 27 Mar. 2026

PubChemLite is a subset of PubChem (https://pubchem.ncbi.nlm.nih.gov/) selected from major categories of the Table of Contents page at the PubChem Classification Browser (https://pubchem.ncbi.nlm.nih.gov/classification/#hid=72). This version of PubChemLite for Exposomics has predicted collision cross section (CCS) values for 11 adducts provided by Libin Xu and team at CCSbase (https://ccsbase.net/) calculated from the latest c3sdb code.

PubChemLite exposomics is compiled from 11 categories: AgroChemInfo, BioPathway, DrugMedicInfo, FoodRelated, PharmacoInfo, SafetyInfo, ToxicityInfo, KnownUse, DisorderDisease, Identification, ChemClass.

CCS adducts provided are: [M+H]+, [M-H]-, [M+Na]+, [M+K]+, [M+NH4]+, [M+H-H2O]+, [M+HCOO]-, [M+CH3COO]-, [M+Na-2H]-, [M]+, [M]-

Details on the CCS prediction are given here: Ross et al. (2020) Analytical Chemistry, DOI: 10.1021/acs.analchem.9b05772

PubChemLite is described in Schymanski et al. (2021) J. Cheminformatics, DOI: 10.1186/s13321-021-00489-0

An article describing these joint efforts is available: Elapavalore et al. (2025) ES&T Letters, DOI: 10.1021/acs.estlett.4c01003

PubChemCIDs have been collapsed by InChIKey first block, reporting the structure from the most annotated CID, plus related CIDs. Entries that will be ignored by MetFrag (salts, disconnected substances) or cause errors (e.g. transition metals) have been removed. The Patent and PubMed ID counts are extracted from files on the PubChem FTP site. The "AnnoTypeCount" term counts how many of the categories are represented, the subsequent column (named per category) counts the number of annotation categories available in the next sub-category of the TOC entry.

These files can be used "as is" as localCSV for MetFrag Command Line (https://ipb-halle.github.io/MetFrag/) - please do NOT upload these files directly to the web interface, they are too large and will be available in a drop-down menu.

Further details are described in Schymanski et al. (2021) DOI:10.1186/s13321-021-00489-0 and Elapavalore et al. (2025) DOI: 10.1021/acs.estlett.4c01003

NOTE: The latest PubChemLite for Exposomics version can be downloaded at DOI:10.5281/zenodo.5995885 (currently updating monthly). This file will be updated shortly after. 

Please cite this data source and Elapavalore et al. (2025) DOI: 10.1021/acs.estlett.4c01003 when using this dataset.

PubChemLite是PubChem（https://pubchem.ncbi.nlm.nih.gov/）的子集，其遴选自PubChem分类浏览器（PubChem Classification Browser，https://pubchem.ncbi.nlm.nih.gov/classification/#hid=72）目录页的主要分类范畴。本暴露组学专用版PubChemLite包含由CCSbase（https://ccsbase.net/）的徐立彬（Libin Xu）团队提供的11种加合物的预测碰撞截面（collision cross section, CCS）数值，该数值基于最新版c3sdb代码计算得到。

本暴露组学PubChemLite数据集由11个分类汇编而成：农业化学信息（AgroChemInfo）、生物通路（BioPathway）、药物医学信息（DrugMedicInfo）、食品相关（FoodRelated）、药理学信息（PharmacoInfo）、安全信息（SafetyInfo）、毒性信息（ToxicityInfo）、已知用途（KnownUse）、疾病紊乱（DisorderDisease）、鉴定信息（Identification）以及化学分类（ChemClass）。

本次提供的CCS对应加合物包括：[M+H]+、[M-H]-、[M+Na]+、[M+K]+、[M+NH4]+、[M+H-H2O]+、[M+HCOO]-、[M+CH3COO]-、[M+Na-2H]-、[M]+以及[M]-。

关于CCS预测方法的详细信息可参考：Ross等人（2020）发表于《分析化学》（Analytical Chemistry）的研究，DOI: 10.1021/acs.analchem.9b05772。

PubChemLite数据集的相关介绍可参见：Schymanski等人（2021）发表于《化学信息学杂志》（Journal of Cheminformatics）的研究，DOI: 10.1186/s13321-021-00489-0。

一篇介绍本数据集联合开发工作的论文可参考：Elapavalore等人（2025）发表于《环境科学与技术快报》（ES&T Letters）的研究，DOI: 10.1021/acs.estlett.4c01003。

本数据集的PubChem化合物标识（PubChem Compound Identifiers, CIDs）已按照国际化学标识符键（InChIKey）的首段进行合并，以注释最丰富的CID对应的分子结构作为代表，并保留相关联的CID。已剔除将被MetFrag工具忽略的条目（如盐类、非共价连接物质）以及会引发报错的条目（例如过渡金属化合物）。专利与PubMed标识的统计数据提取自PubChem FTP站点的相关文件。其中"AnnoTypeCount（注释类型计数）"字段用于统计条目所覆盖的分类数量，后续以分类命名的列则用于统计目录条目下一级子分类中可用的注释分类数目。

本数据集文件可直接作为本地CSV文件用于MetFrag命令行工具（https://ipb-halle.github.io/MetFrag/）——请注意：请勿直接将本文件上传至MetFrag的网页界面，因文件体积过大，相关文件将以下拉菜单的形式提供调用。

更多详细信息可参考Schymanski等人（2021，DOI:10.1186/s13321-021-00489-0）以及Elapavalore等人（2025，DOI:10.1021/acs.estlett.4c01003）的相关研究。

注意：最新版暴露组学专用PubChemLite可通过DOI:10.5281/zenodo.5995885下载（目前每月更新一次），本文件将紧随其更新节奏进行同步更新。

使用本数据集时，请一并引用本数据源以及Elapavalore等人（2025，DOI:10.1021/acs.estlett.4c01003）的研究。