# RDKit - 化学信息学和药物发现 RDKit 是化学信息学的行业标准开源工具包。它提供了用于分子操作、描述符计算、指纹识别、子结构搜索和 3D 分子建模的综合工具。 RDKit 广泛用于制药公司的药物发现和虚拟筛选。 ## 何时使用 * 读写化学文件格式（SMILES、SDF、MOL2、PDB）。 * 计算分子描述符和药物样特性（Lipinski 的五法则）。 * 生成分子指纹以进行相似性搜索。 * 子结构搜索和化学模式匹配（SMARTS）。 * 3D 构象异构体生成和分子排列。 * 化合物库的虚拟筛选。 * 药效团建模和形状相似性。 * QSAR（定量构效关系）建模。 * 反应计数和逆合成。 * 以 2D 和 3D 方式可视化化学结构。 * 构建用于分子特性预测的机器学习模型。 ## 参考文档 **官方文档**： **RDKit 书籍**： **GitHub**： **搜索模式**：`rdkit.Chem`、`rdkit.Chem.Descriptors`、`rdkit.Chem.AllChem`、`rdkit.DataStructs` ## 核心原则 ### 分子表示 RDKit 将分子表示为图，其中原子是节点，键是边。核心对象是“Mol”，它可以从 SMILES、SDF 文件创建或以编程方式构建。 ### SMILES（简化分子输入线输入系统）基于文本的化学结构符号。示例：“CCO”是乙醇，“c1ccccc1”是苯。 RDKit 可以解析并生成 SMILES 字符串。 ### 相似性指纹分子指纹是编码结构特征的二进制向量。它们可以实现大型化合物库的快速相似性搜索和聚类。 ### 惰性评估许多 RDKit 操作都是惰性的 - 仅在需要时才计算属性。这使得大型库的操作非常高效。 ## 快速参考 ### 安装 # 通过 conda （推荐） conda 安装-c conda-forge rdkit # 通过点子 pip 安装 rdkit # 用于可视化 pip 安装 rdkit 枕头 ### 标准导入从 rdkit 导入化学从 rdkit.Chem 导入 AllChem、描述符、Draw、Lipinski 从 rdkit.Chem 导入 rdFingerprintGenerator 从 rdkit 导入 DataStructs 将 numpy 导入为 np 将 pandas 导入为 pd ### 基本模式 - 对分子微笑从 rdkit 导入化学 # 1. 从 SMILES 创建分子 smiles = "CC(=O)OC1=CC=CC=C1C(=O)O" # 阿司匹林 mol = Chem.MolFromSmiles(微笑) # 2. 检查分子是否有效如果 mol 为 None： print("微笑无效") 其他： print(f"分子式：{Chem.rdMolDescriptors.CalcMolFormula(mol)}") print(f"分子量：{Descriptors.MolWt(mol):.2f}") ### 基本模式 - 计算属性从 rdkit 导入化学从 rdkit.Chem 导入描述符，Lipinski mol = Chem.MolFromSmiles("CC(=O)OC1=CC=CC=C1C(=O)O") # 计算药物样特性 mw = 描述符.MolWt(mol) logp = Descriptors.MolLogP(mol) hbd = Lipinski.NumHDDonors(mol) hba = Lipinski.NumHAcceptors(mol) print(f"MW: {mw:.2f}, LogP: {logp:.2f}, HBD: {hbd}, HBA: {hba}") # 检查利平斯基的五法则 lipinski_pass =（mw <= 500 且 logp <= 5 且 hbd <= 5 且 hba <= 10） print(f"Lipinski 兼容：{lipinski_pass}") ## 关键规则 ### ✅ 做 * **始终验证分子** \- 解析 SMILES/文件后检查 `mol is not None` 以捕获无效结构。 * **使用规范 SMILES** \- 使用 `Chem.MolToSmiles(mol)` 获取规范（标准化）SMILES 以进行比较。 * **清理分子** \- RDKit 默认情况下自动清理（化合价检查、芳香性）。除非有特定原因，否则请保持启用状态。 * **生成 3D 坐标** \- 在对齐或对接等 3D 操作之前使用 `AllChem.EmbedMolecule()`。 * **使用大型库的指纹** \- 对于数百万种化合物的相似性搜索，指纹比直接比较快 1000 倍。 * **指定随机种子** \- 对于可重复的构象异构体生成，请始终设置“randomSeed”。 * **处理立体化学** \- 使用 `Chem.AssignStereochemistry()` 正确分配 R/S 和 E/Z 标签。 * **批处理** \- 使用生成器或分块处理数百万个分子以避免内存问题。 ### ❌不要 * **不要忽略无效分子** \- 始终处理 `MolFromSmiles()` 返回 `None` 的情况。 * **不要直接比较 SMILES 字符串** \- 两个不同的 SMILES 可以代表同一个分子。使用规范的 SMILES 或 InChI。 * **不要跳过 Kekulé 化** \- 对于芳香系统，确保正确的 Kekulé 结构分配。 * **不要使用描述符来实现相似性** \- 使用指纹（更快、更合适）。 * **不要忘记氢** \- 当 3D 操作需要时，使用 `Chem.AddHs()` 添加显式氢。 * **不要过度使用 3D 最小化** \- 能量最小化速度很慢；仅在必要时使用（对接、可视化）。 ## 反模式（从不）从 rdkit 导入化学从 rdkit.Chem 导入 AllChem # ❌ 不好：不检查分子是否有效微笑=“INVALID_SMILES” mol = Chem.MolFromSmiles(微笑) mw = Descriptors.MolWt(mol) # 崩溃！ # ✅ 好：始终验证 mol = Chem.MolFromSmiles(微笑) 如果 mol 不是 None： mw = 描述符.MolWt(mol) 其他： print("微笑无效") # ❌ 不好：直接比较 SMILES 字符串 smiles1 = "CC(C)C" # 异丁烷 smiles2 = "C(C)CC" # 相同的分子，不同的 SMILES if smiles1 == smiles2: # 错误，但分子相同！打印（“相同”） # ✅ 好：使用规范的微笑 mol1 = Chem.MolFromSmiles(smiles1) mol2 = Chem.MolFromSmiles(smiles2) can1 = Chem.MolToSmiles(mol1) can2 = Chem.MolToSmiles(mol2) 如果 can1 == can2: # True print("相同的分子") # ❌ 不好：没有 3D 坐标的 3D 操作 mol = Chem.MolFromSmiles("CCO") AllChem.AlignMol(mol, ref_mol) # 失败！无 3D 坐标 # ✅ 好：先生成 3D 坐标 mol = Chem.MolFromSmiles("CCO") AllChem.EmbedMolecule(mol) AllChem.AlignMol(mol, ref_mol) ## 分子 I/O 和转换 ### SMILES 解析从 rdkit 导入化学 # 解析微笑 mol = Chem.MolFromSmiles("CCO") # 使用清理控制来解析 SMILES mol = Chem.MolFromSmiles("CCO", sanitize=True) # 默认 # 生成规范的 SMILES 规范 = Chem.MolToSmiles(mol) # 生成异构 SMILES（包括立体化学） iso_smiles = Chem.MolToSmiles(mol, isomericSmiles=True) # 生成没有立体化学的 SMILES non_iso = Chem.MolToSmiles(mol, isomericSmiles=False) # 处理无效的微笑 smiles_list = ["CCO", "无效", "c1ccccc1"] 摩尔 = [] 对于 smiles_list 中的 smi： mol = Chem.MolFromSmiles(smi) 如果 mol 不是 None：摩尔.追加(mol) 其他： print(f"解析失败：{smi}") ### 读取SDF文件从 rdkit 导入化学 # 从文件中读取单个分子 mol = Chem.MolFromMolFile("分子.mol") # 从SDF读取多个分子 supl = Chem.SDMolSupplier("compounds.sdf") # 遍历分子补充中的摩尔：如果 mol 为 None：继续微笑 = Chem.MolToSmiles(mol) 打印（f“微笑：{微笑}”） # 访问SDF属性如果 mol.HasProp("_Name"): 名称 = mol.GetProp("_Name") print(f"姓名：{name}") # 使用removeHs=False 读取以保留显式氢 supl = Chem.SDMolSupplier("compounds.sdf",removeHs=False) ### 写入 SDF 文件从 rdkit 导入化学 # 写入单分子 mol = Chem.MolFromSmiles("CCO") writer = Chem.SDWriter("输出.sdf") writer.write(mol) writer.close() # 写入多个分子 mols = [Chem.MolFromSmiles(s) for s in ["CCO", "c1ccccc1", "CC(=O)O"]] writer = Chem.SDWriter("输出.sdf") 对于以摩尔为单位的摩尔：如果 mol 不是 None： writer.write(mol) writer.close() # 为分子添加属性 mol = Chem.MolFromSmiles("CCO") mol.SetProp("_Name", "乙醇") mol.SetProp("活动", "10.5") writer = Chem.SDWriter("输出.sdf") writer.write(mol) writer.close() ### InChI 和 InChIKey 从 rdkit 导入化学 mol = Chem.MolFromSmiles("CC(=O)OC1=CC=CC=C1C(=O)O") # 阿司匹林 # 生成 InChI（唯一化学标识符） inchi = Chem.MolToInchi(mol) print(f"InChI: {inchi}") # 生成 InChIKey（散列 InChI，有利于数据库查找） inchikey = Chem.MolToInchiKey(mol) print(f"InChIKey: {inchkey}") # 解析 InChI mol_from_inchi = Chem.MolFromInchi(inchi) ## 分子描述符 ### 通用描述符从 rdkit 导入化学从 rdkit.Chem 导入描述符、Lipinski、Crippen mol = Chem.MolFromSmiles("CC(=O)OC1=CC=CC=C1C(=O)O") # 阿司匹林 # 基本属性 mw = 描述符.MolWt(mol) num_atoms = mol.GetNumAtoms() num_heavy_atoms = Lipinski.HeavyAtomCount(mol) # Lipinski 的五参数法则 logp = Descriptors.MolLogP(mol) hbd = Lipinski.NumHDDonors(mol) hba = Lipinski.NumHAcceptors(mol) rotatable_bonds = Lipinski.NumRotatableBonds(mol) # 拓扑描述符 tpsa = Descriptors.TPSA(mol) # 拓扑极性表面积环 = Lipinski.RingCount(mol) aromatic_rings = Lipinski.NumAromaticRings(mol) # 复杂性 bertz_ct = Descriptors.BertzCT(mol) # 分子复杂度打印(f""" 分子量：{mw:.2f} LogP: {logp:.2f} HBD：{hbd} HBA：{hba} TPSA: {tpsa:.2f} 可旋转键：{rotatable_bonds} 芳香环：{aromatic_rings} “””） ### 计算所有描述符从 rdkit 导入化学从 rdkit.Chem 导入描述符 mol = Chem.MolFromSmiles("CCO") # 获取所有可用的描述符描述符名称 = [desc[0] 用于 Descriptors.descList 中的 desc] # 计算所有描述符描述符 = {} 对于描述符名称中的名称： calc = getattr(描述符, 名称) 描述符[名称] = calc(mol) print(f"描述符总数：{len(descriptors)}") print(f"前 5 个：{list(descriptors.items())[:5]}") ### 药物相似过滤器从 rdkit 导入化学从 rdkit.Chem 导入描述符，Lipinski def check_lipinski(摩尔): “”“检查利平斯基的五法则。”“” mw = 描述符.MolWt(mol) logp = Descriptors.MolLogP(mol) hbd = Lipinski.NumHDDonors(mol) hba = Lipinski.NumHAcceptors(mol) 规则={ 'MW <= 500'：MW <= 500， 'LogP <= 5': logp <= 5, 'HBD <= 5'：HBD <= 5， “HBA <= 10”：HBA <= 10 } 通过 = all(rules.values()) 返回已通过，规则 def check_veber(摩尔): “”“检查 Veber 的口服生物利用度规则。”“” 可旋转 = Lipinski.NumRotatableBonds(mol) tpsa = 描述符.TPSA(mol) 规则={ '可旋转键 <= 10'：可旋转 <= 10， 'TPSA <= 140': tPSA <= 140 } 通过 = all(rules.values()) 返回已通过，规则 # 用法 mol = Chem.MolFromSmiles("CC(=O)OC1=CC=CC=C1C(=O)O") # 阿司匹林 lipinski_pass, lipinski_rules = check_lipinski(mol) veber_pass, veber_rules = check_veber(mol) print(f"Lipinski: {lipinski_pass}") print(f"Veber: {veber_pass}") ## 分子指纹 ### 摩根指纹（圆形）从 rdkit 导入化学从 rdkit.Chem 导入 AllChem 从 rdkit 导入 DataStructs # 创建分子 mol = Chem.MolFromSmiles("CCO") # 生成摩根指纹（ECFP4） fp = AllChem.GetMorganFingerprintAsBitVect(摩尔，半径=2，nBits=2048) # 转换为numpy数组将 numpy 导入为 np arr = np.zeros((1,)) DataStructs.ConvertToNumpyArray(fp, arr) # 生成基于计数的指纹（对于特征重要性） fp_counts = AllChem.GetMorganFingerprint(mol, 半径=2) # 获取特征信息信息={} fp_info = AllChem.GetMorganFingerprintAsBitVect(mol, 半径=2, nBits=2048, bitInfo=信息) print(f"位数：{len(info)}") ### 指纹相似度从 rdkit 导入化学从 rdkit.Chem 导入 AllChem 从 rdkit 导入 DataStructs # 创建分子 mol1 = Chem.MolFromSmiles("CCO") mol2 = Chem.MolFromSmiles("CCCO") mol3 = Chem.MolFromSmiles("c1ccccc1") # 生成指纹 fp1 = AllChem.GetMorganFingerprintAsBitVect(mol1, 半径=2) fp2 = AllChem.GetMorganFingerprintAsBitVect(mol2, 半径=2) fp3 = AllChem.GetMorganFingerprintAsBitVect(mol3, 半径=2) # 计算谷本相似度 sim_12 = DataStructs.TanimotoSimilarity(fp1, fp2) sim_13 = DataStructs.TanimotoSimilarity(fp1, fp3) print(f"乙醇 vs 丙醇: {sim_12:.3f}") # 高相似度 print(f"乙醇 vs 苯: {sim_13:.3f}") # 低相似度 # 计算 Dice 相似度 dice_12 = DataStructs.DiceSimilarity(fp1, fp2) # 批量相似度（一对多比较） fps = [fp1, fp2, fp3] 相似度 = DataStructs.BulkTanimotoSimilarity(fp1, fps) print(f"大量相似性：{相似性}") ### 其他指纹类型从 rdkit 导入化学从 rdkit.Chem 导入 AllChem、RDKFingerprint mol = Chem.MolFromSmiles("CCO") # RDKit 指纹（拓扑） fp_rdkit = Chem.RDKFingerprint(mol) # 原子对指纹 fp_atompair = AllChem.GetHashedAtomPairFingerprintAsBitVect(mol) # 拓扑扭转指纹 fp_torsion = AllChem.GetHashedTopologicalTorsionFingerprintAsBitVect(mol) # MACCS 密钥（166 位结构密钥）从 rdkit.Chem 导入 MACCSkeys fp_maccs = MACCSkeys.GenMACCSKeys(mol) ## 子结构搜索 ### SMARTS 模式匹配从 rdkit 导入化学 # 定义分子 mol = Chem.MolFromSmiles("CC(=O)Oc1cccccc1C(=O)O") # 阿司匹林 # 羧酸的 SMARTS 模式模式 = Chem.MolFromSmarts("C(=O)O") # 检查子结构是否存在 has_match = mol.HasSubstructMatch(模式) print(f"包含羧酸：{has_match}") # 获取匹配的原子匹配 = mol.GetSubstructMatches(pattern) print(f"匹配数：{len(matches)}") print(f"匹配原子索引：{matches}") # 常见的 SMARTS 模式模式= { '羧酸': 'C(=O)O', '酯': 'C(=O)O[C,c]', '酰胺': 'C(=O)N', '酒精': '[OH][C,c]', '伯胺': '[NH2][C,c]', '芳香环'：'c1ccccc1' } 对于名称，patterns.items() 中的智能：模式= Chem.MolFromSmarts(smarts) 如果 mol.HasSubstructMatch(pattern): print(f"包含 {name}") ### 子结构过滤从 rdkit 导入化学 # 分子库微笑列表 = [ "CC(=O)O", # 乙酸 “CCO”，#乙醇 "c1ccccc1C(=O)O", # 苯甲酸 “CCCC”，#丁烷 ] mols = [Chem.MolFromSmiles(s) for s in smiles_list] # 过滤含有羧酸的分子模式 = Chem.MolFromSmarts("C(=O)O") 过滤 = [mol for mol in mols if mol.HasSubstructMatch(pattern)] print(f"含有羧酸的分子：{len(filtered)}/{len(mols)}") # 按多种模式过滤（AND逻辑） pattern1 = Chem.MolFromSmarts("c1ccccc1") # 芳香环 pattern2 = Chem.MolFromSmarts("C(=O)O") # 羧酸芳香酸= [ 摩尔换摩尔如果 mol.HasSubstructMatch(pattern1) 和 mol.HasSubstructMatch(pattern2) ] ### 替换子结构从 rdkit 导入化学从 rdkit.Chem 导入 AllChem # 用酯代替羧酸 mol = Chem.MolFromSmiles("CC(=O)O") # 乙酸 # 定义替换 rxn = AllChem.ReactionFromSmarts('[C:1](=O)O>>[C:1](=O)OC') # 应用反应产品 = rxn.RunReactants((mol,)) 如果产品：产品=产品[0][0] print(f"产品: {Chem.MolToSmiles(产品)}") # 乙酸甲酯 ## 3D 适形器生成 ### 生成 3D 坐标从 rdkit 导入化学从 rdkit.Chem 导入 AllChem # 创建分子 mol = Chem.MolFromSmiles("CCO") # 添加氢（3D 所需） mol = Chem.AddHs(mol) # 生成3D坐标结果 = AllChem.EmbedMolecule(mol, randomSeed=42) 如果结果 == 0: # 成功 print("生成3D坐标") 其他： print("生成3D坐标失败") # 使用 MMFF 力场优化几何结构 AllChem.MMFF优化分子(mol) # 获取原子位置 conf = mol.GetConformer() 对于范围内的 i(mol.GetNumAtoms())： pos = conf.GetAtomPosition(i) print(f"原子 {i}: ({pos.x:.3f}, {pos.y:.3f}, {pos.z:.3f})") ### 多个符合者从 rdkit 导入化学从 rdkit.Chem 导入 AllChem mol = Chem.MolFromSmiles("CCCC") # 丁烷 mol = Chem.AddHs(mol) # 生成多个构象异构体 conf_ids = AllChem.EmbedMultipleConfs( 摩尔，会议数量=10, 随机种子=42， pruneRmsThresh=0.5 # 删除相似的构象异构体） print(f"生成的 {len(conf_ids)} 构象异构体") # 优化每个构象异构体对于conf_ids中的conf_id： AllChem.MMFFOptimizeMolecule(mol,confId=conf_id) # 获取能量道具 = AllChem.MMFFGetMoleculeProperties(mol) 对于conf_ids中的conf_id： ff = AllChem.MMFFGetMoleculeForceField(mol, props, confId=conf_id) 能量 = ff.CalcEnergy() print(f"Conformer {conf_id}: {energy:.2f} kcal/mol") ### 分子排列从 rdkit 导入化学从 rdkit.Chem 导入 AllChem # 参考分子 ref_mol = Chem.MolFromSmiles("c1ccccc1C") # 甲苯 ref_mol = Chem.AddHs(ref_mol) AllChem.EmbedMolecule(ref_mol) # 探针分子 probe_mol = Chem.MolFromSmiles("c1ccccc1CC") # 乙苯 probe_mol = Chem.AddHs(probe_mol) AllChem.EmbedMolecule(probe_mol) # 将探针与参考对齐 rmsd = AllChem.AlignMol(probe_mol, ref_mol) print(f"RMSD: {rmsd:.3f} Å") # 获取对齐坐标 # 现在probe_mol的坐标与ref_mol对齐 ## 分子可视化 ### 2D 绘图从 rdkit 导入化学从 rdkit.Chem 导入 Draw 将 matplotlib.pyplot 导入为 plt # 单分子 mol = Chem.MolFromSmiles("CC(=O)OC1=CC=CC=C1C(=O)O") # 阿司匹林 img = Draw.MolToImage(mol, 大小=(300, 300)) plt.imshow(img) plt.axis('关闭') plt.show() # 多个分子 mols = [Chem.MolFromSmiles(s) for s in ["CCO", "c1ccccc1", "CC(=O)O"]] legends = [“乙醇”，“苯”，“乙酸”] img = Draw.MolsToGridImage( 摩尔，每行摩尔数=3，子图像大小=(200, 200), 传说=传说） plt.imshow(img) plt.axis('关闭') plt.show() ### 突出显示子结构从 rdkit 导入化学从 rdkit.Chem 导入 Draw mol = Chem.MolFromSmiles("CC(=O)OC1=CC=CC=C1C(=O)O") # 阿司匹林 # 突出显示羧酸基团模式 = Chem.MolFromSmarts("C(=O)O") 匹配 = mol.GetSubstructMatch(pattern) # 用突出显示的原子进行绘制 img = Draw.MolToImage(mol,highlightAtoms=match,size=(300, 300)) ### 保存到文件从 rdkit 导入化学从 rdkit.Chem 导入 Draw mol = Chem.MolFromSmiles("CCO") # 另存为 PNG Draw.MolToFile(mol, "分子.png", 大小=(300, 300)) # 另存为 SVG（矢量图形）从 rdkit.Chem.Draw 导入 rdMolDraw2D 抽屉 = rdMolDraw2D.MolDraw2DSVG(300, 300) 抽屉.DrawMolecule(mol) 抽屉.FinishDrawing() svg = 抽屉.GetDrawingText() 将 open("molecule.svg", "w") 作为 f： f.write(svg) ## 实际工作流程 ### 1\.虚拟筛选流程从 rdkit 导入化学从 rdkit.Chem 导入 AllChem、描述符、Lipinski 从 rdkit 导入 DataStructs 将 pandas 导入为 pd def screen_library（library_file，reference_smiles，similarity_threshold = 0.7）： “”“筛选化合物库中类似的药物样分子。”“” # 参考分子和指纹 ref_mol = Chem.MolFromSmiles(reference_smiles) ref_fp = AllChem.GetMorganFingerprintAsBitVect(ref_mol, 半径=2) # 结果点击数 = [] # 读取库 supl = Chem.SDMolSupplier(库文件) 对于 i，枚举中的 mol（补充）：如果 mol 为 None：继续 # 第 1 步：药物相似性过滤器（Lipinski） mw = 描述符.MolWt(mol) logp = Descriptors.MolLogP(mol) hbd = Lipinski.NumHDDonors(mol) hba = Lipinski.NumHAcceptors(mol) 如果不是（mw <= 500 且 logp <= 5 且 hbd <= 5 且 hba <= 10）：继续 # 第2步：相似度过滤器 fp = AllChem.GetMorganFingerprintAsBitVect(mol, 半径=2) 相似度 = DataStructs.TanimotoSimilarity(ref_fp, fp) 如果相似度<相似度阈值：继续 # 步骤 3：PAINS 过滤器（泛检测干扰化合物）从 rdkit.Chem 导入 FilterCatalog params = FilterCatalog.FilterCatalogParams() params.AddCatalog(FilterCatalog.FilterCatalogParams.FilterCatalogs.PAINS) 目录 = FilterCatalog.FilterCatalog(params) 如果目录.HasMatch(mol): 继续 # 通过所有过滤器命中.追加（{ 'id'：我， '微笑': Chem.MolToSmiles(mol), '相似性'：相似性， “MW”：MW， ‘logp’：logp }) # 转换为数据帧 df_hits = pd.DataFrame(hits) df_hits = df_hits.sort_values('相似度', 升序=False) 返回 df_hits # 用法 # hits = screen_library('compounds.sdf', 'CC(=O)OC1=CC=CC=C1C(=O)O') # print(f"找到 {len(hits)} 个点击") ### 2\.多元化选择从 rdkit 导入化学从 rdkit.Chem 导入 AllChem 从 rdkit 导入 DataStructs 将 numpy 导入为 np def select_diverse_set(smiles_list, n_select=100): """使用 MaxMin 算法选择不同的子集。""" # 生成指纹 mols = [Chem.MolFromSmiles(s) for s in smiles_list] fps = [AllChem.GetMorganFingerprintAsBitVect(m, radius=2) for m in mols if m] 如果 len(fps) < n_select: 返回列表（范围（len（fps））） # MaxMin多样性挑选从 rdkit.SimDivFilters 导入 MaxMinPicker def distance_function(i, j)：返回 1 - DataStructs.TanimotoSimilarity(fps[i], fps[j]) 选择器 = MaxMinPicker() 挑选 = picker.LazyPick( 距离函数，长度（每秒帧数）， n_选择，种子=42 ）返回列表（精选） # 用法 smiles_list = ["CCO", "CCCO", "c1ccccc1", "CC(=O)O", "CCCCCCCC"] 多样化索引 = select_diverse_set(smiles_list, n_select=3) diversity_smiles = [smiles_list[i] for i in different_indices] print(f"已选择：{diverse_smiles}") ### 3\. QSAR模型构建从 rdkit 导入化学从 rdkit.Chem 导入 AllChem，描述符从 sklearn.ensemble 导入 RandomForestRegressor 从 sklearn.model_selection 导入 train_test_split 从 sklearn.metrics 导入 r2_score、mean_squared_error 将 numpy 导入为 np def build_qsar_model(smiles_list, 活动): """根据 SMILES 和活动构建 QSAR 模型。""" # 生成指纹帧率 = [] 有效活动 = [] 对于 smi，请执行 zip(smiles_list, events) 操作： mol = Chem.MolFromSmiles(smi) 如果 mol 不是 None： # 摩根指纹作为特征 fp = AllChem.GetMorganFingerprintAsBitVect(摩尔，半径=2，nBits=2048) arr = np.zeros((1,)) DataStructs.ConvertToNumpyArray(fp, arr) fps.追加(arr) valid_activities.append(act) X = np.array(fps) y = np.array(valid_activities) # 分割数据 X_train, X_test, y_train, y_test = train_test_split( X、y、test_size=0.2、random_state=42 ） # 训练模型模型 = RandomForestRegressor(n_estimators=100, random_state=42) model.fit(X_train, y_train) # 评估 y_pred_train = model.predict(X_train) y_pred_test = model.predict(X_test) print(f"训练 R²: {r2_score(y_train, y_pred_train):.3f}") print(f"测试 R²: {r2_score(y_test, y_pred_test):.3f}") print(f"测试 RMSE: {mean_squared_error(y_test, y_pred_test, squared=False):.3f}") 返回模型 # 用法 # 微笑 = ["CCO", "CCCO", "c1ccccc1", "CC(=O)O"] # 活动 = [5.2, 4.8, 6.1, 5.5] # pIC50 值 # model = build_qsar_model(微笑, 活动) ### 4\.支架分析从 rdkit 导入化学从 rdkit.Chem.Scaffolds 导入 MurckoScaffold 从集合导入计数器 defanalyze_scaffolds(smiles_list): """分析复合集中的 Murcko 支架。""" 脚手架=[] 对于 smiles_list 中的 smi： mol = Chem.MolFromSmiles(smi) 如果 mol 不是 None： # 获取 Murcko 脚手架脚手架 = MurckoScaffold.GetScaffoldForMol(mol) scaffold_smi = Chem.MolToSmiles(支架) 脚手架.append(scaffold_smi) # 计算脚手架 scaffold_counts = 计数器（脚手架） print(f"唯一的脚手架：{len(scaffold_counts)}") print("\n前 5 个脚手架：") 对于脚手架，在scaffold_counts.most_common(5)中计数：打印（f“{脚手架}：{计数}”）返回脚手架计数 # 用法 # smiles_list = ["c1ccccc1CC", "c1ccccc1CCC", "c1ccc(O)cc1"] # 脚手架=analyze_scaffolds(smiles_list) ### 5\.反应计数从 rdkit 导入化学从 rdkit.Chem 导入 AllChem def enumerate_amide_coupling(酸、胺): """列举所有可能的酰胺产物。""" # 定义反应 SMARTS rxn = AllChem.ReactionFromSmarts('[C:1](=[O:2])O.[N:3]>>[C:1](=[O:2])[N:3]') 产品 = [] 对于酸中的acid_smi：对于胺中的 amine_smi：酸 = Chem.MolFromSmiles(acid_smi) 胺 = Chem.MolFromSmiles(amine_smi) 如果酸为 None 或胺为 None：继续 # 运行反应 products_tuple = rxn.RunReactants((酸，胺)) 如果产品元组：产品 = products_tuple[0][0] Chem.SanitizeMol（产品）产品_smi = Chem.MolToSmiles(产品) 产品.追加（{ '酸'：acid_smi， '胺'：amine_smi， “产品”：product_smi }) 退货产品 # 用法酸 = ["CC(=O)O", "c1ccccc1C(=O)O"] 胺 = ["CCN", "c1ccccc1N"] 产品 = enumerate_amide_coupling(酸、胺) print(f"生成的 {len(products)} 酰胺") ## 性能优化 ### 批量操作从 rdkit 导入化学从 rdkit.Chem 导入 AllChem 将 pandas 导入为 pd # 代替循环 #❌慢 # 帧率 = [] # 对于 smiles_list 中的 smi： # mol = Chem.MolFromSmiles(smi) # fp = AllChem.GetMorganFingerprintAsBitVect(mol, 2) # fps.append(fp) # ✅ 快速：使用 PandasTools 进行批量操作从 rdkit.Chem 导入 PandasTools df = pd.DataFrame({'SMILES': smiles_list}) PandasTools.AddMoleculeColumnToFrame(df, 'SMILES', '分子') # 批量计算属性 df['MW'] = df['分子'].apply(lambda x: Descriptors.MolWt(x) if x else None) df['LogP'] = df['分子'].apply(lambda x: Descriptors.MolLogP(x) if x else None) ### 并行处理从 rdkit 导入化学从 rdkit.Chem 导入 AllChem 从多处理导入池将 pandas 导入为 pd def process_molecule（微笑）： “”“处理单分子。”“” mol = Chem.MolFromSmiles(微笑) 如果 mol 为 None：返回无返回{ ‘微笑’：微笑， 'mw': 描述符.MolWt(mol), 'logp': Descriptors.MolLogP(mol), 'fp': AllChem.GetMorganFingerprintAsBitVect(mol, 2) } def process_library_parallel(smiles_list, n_jobs=4): """并行处理库。""" 以 Pool(n_jobs) 作为池：结果 = pool.map(process_molecule, smiles_list) # 过滤无结果 results = [如果 r 不是 None，则结果中的 r 为 r] 返回 pd.DataFrame(结果) # 用法 # df = process_library_parallel(large_smiles_list, n_jobs=8) ### 缓存计算从 functools 导入 lru_cache 从 rdkit 导入化学从 rdkit.Chem 导入描述符 @lru_cache(最大大小=10000) def get_mol_properties(微笑): """通过缓存计算属性。""" mol = Chem.MolFromSmiles(微笑) 如果 mol 为 None：返回无返回{ 'mw': 描述符.MolWt(mol), 'logp': Descriptors.MolLogP(mol), 'tpsa': 描述符.TPSA(mol) } # 重复调用会使用缓存 props1 = get_mol_properties("CCO") # 计算所得 props2 = get_mol_properties("CCO") # 缓存（即时） ## 常见陷阱和解决方案 ### “无效微笑”问题并非所有 SMILES 字符串都有效。 # ❌问题：假设所有 SMILES 均有效 smiles_list = ["CCO", "无效", "c1ccccc1"] mols = [Chem.MolFromSmiles(s) for s in smiles_list] # 不包含任何内容！ # ✅解决方案：过滤无效分子 mols = [Chem.MolFromSmiles(s) for s in smiles_list] valid_mols = [如果 m 不为 None，则 m 为摩尔数] # ✅ 更好：跟踪失败的部分结果=[] 对于 smiles_list 中的 smi： mol = Chem.MolFromSmiles(smi) 如果 mol 不是 None： results.append({'smiles': smi, 'mol': mol, 'valid': True}) 其他： results.append({'smiles': smi, 'mol': None, 'valid': False}) ### “立体化学损失”问题如果不小心，微笑的生成可能会失去立体化学。从 rdkit 导入化学 # 具有立体化学的分子 chiral_smiles = "C[C@H](O)CC" # (S)-2-丁醇 mol = Chem.MolFromSmiles(chiral_smiles) # ❌ 坏：失去立体化学 non_iso = Chem.MolToSmiles(mol, isomericSmiles=False) print(non_iso) # "CC(O)CC" - 失去手性！ # ✅ 好：保留立体化学 iso = Chem.MolToSmiles(mol, isomericSmiles=True) print(iso) # "C[C@H](O)CC" - 保留！ ### “无氢 3D”问题 3D 操作需要显式氢。从 rdkit 导入化学从 rdkit.Chem 导入 AllChem mol = Chem.MolFromSmiles("CCO") # ❌ 不好：生成没有氢的 3D 结果 = AllChem.EmbedMolecule(mol) # 质量差或失败 # ✅ 好：先添加氢气 mol_h = Chem.AddHs(mol) 结果 = AllChem.EmbedMolecule(mol_h) AllChem.MMFF优化分子(mol_h) ### “指纹类型不匹配”问题比较不同的指纹类型会得出毫无意义的结果。从 rdkit 导入化学从 rdkit.Chem 导入 AllChem、MACCSkeys 从 rdkit 导入 DataStructs mol1 = Chem.MolFromSmiles("CCO") mol2 = Chem.MolFromSmiles("CCCO") # ❌ 不好：比较不同的指纹类型 fp1_morgan = AllChem.GetMorganFingerprintAsBitVect(mol1, 2) fp2_maccs = MACCSkeys.GenMACCSKeys(mol2) # 这会出错或者给出废话！ # 相似度 = DataStructs.TanimotoSimilarity(fp1_morgan, fp2_maccs) # ✅ 好：使用相同的指纹类型 fp1 = AllChem.GetMorganFingerprintAsBitVect(mol1, 2) fp2 = AllChem.GetMorganFingerprintAsBitVect(mol2, 2) 相似度 = DataStructs.TanimotoSimilarity(fp1, fp2) ### “内存爆炸”问题处理数百万个分子会耗尽内存。 # ❌ 不好：将整个库加载到内存中 supl = Chem.SDMolSupplier('huge_library.sdf') mols = [补充中的摩尔的摩尔] # 内存不足！ # ✅ 好：分批处理 def process_in_batches（sdf_file，batch_size = 10000）： supl = Chem.SDMolSupplier(sdf_file) 批次=[] 补充中的摩尔：如果 mol 不是 None：批次.追加(mol) 如果 len(batch) >=batch_size: # 处理批次产量批次批次=[] # 剩余进程如果批量：产量批次 # 用法对于 process_in_batches('huge_library.sdf') 中的批次： # 处理每个批次通过 RDKit 是计算药物发现和化学信息学的基石。其用于分子操作、描述符计算和相似性搜索的综合工具包使其成为药物研究、虚拟筛选和化学数据分析不可或缺的工具。掌握 RDKit，您将能够通过计算探索广阔的化学空间并加速药物发现。

开发工具包

包含技能