RDKit|一站式搞定分子讀取、輸出、可視化

目錄

  • 一、簡(jiǎn)介
  • 二、讀取分子
    • 1.讀取SMILES/SMARTS
    • 2.讀取.sdf
    • 3.讀取.mol
    • 4.讀取.mol2
    • 5.讀取其他格式
  • 三、輸出分子
    • 1.輸出SMILES/SMARTS
    • 2.輸出.sdf
    • 3.輸出.mol
    • 4.讀取其他格式
  • 四、分子可視化
    • 1.單個(gè)展示
    • 2.批量展示
    • 3.3D展示

一、簡(jiǎn)介

讓計(jì)算機(jī)識(shí)別分子結(jié)構(gòu)是計(jì)算化學(xué)碼農(nóng)的必備技能，也是對(duì)分子進(jìn)行后續(xù)操作的基礎(chǔ)。本文整理和總結(jié)了rdkit進(jìn)行讀取、輸出和可視化的一些方法，包含對(duì)SMILES、SDF、MOL、MOL2、CSV等文件的處理，以及分子的結(jié)構(gòu)展示。

二、讀取分子

2.1.讀SMILES/SMARTS

2.1.1.直接讀字符串

  • 從SMILES/SMARTS直接讀取
    很簡(jiǎn)單了，不必多說(shuō)
>>> from rdkit import Chem
>>> m = Chem.MolFromSmiles('C[C@H](O)c1ccccc1')
>>> m = Chem.MolFromSmarts('Cc1ccccc1')

2.1.2.文件批量讀取

文件類似這樣（格式化的就行）：

SMILES Name
C1=CC=CC=CC=C1 0
c1ccccc1 1
c1cocc1 2
  • 從.smi批量讀取：SmilesMolSupplier(data, delimiter, smilesColumn, nameColumn, titleLine, sanitize)
    data：數(shù)據(jù)文件
    delimiter：分隔符，默認(rèn)為' '
    smilesColumn：SMILES所在列，默認(rèn)為0
    nameColumn：SMILES名稱所在列，默認(rèn)為1
    titleLine：是否含有標(biāo)題行，默認(rèn)True
    sanitize：是否檢查正確性，默認(rèn)True
>>> suppl = Chem.SmilesMolSupplier('data/batch_smiles.smi', delimiter='\t')
>>> mols = [Chem.MolToSmiles(mol) for mol in suppl]
>>> print(mols)
['C1=CC=CC=CC=C1', 'c1ccccc1', 'c1ccoc1']

2.1.3.文本批量讀取

  • 從文本批量讀?。篠milesMolSupplierFromText()
    參數(shù)基本同上
>>> with open('data/batch_smiles.smi', 'r') as f:
>>>     mols_text = f.read()
>>> suppl = Chem.SmilesMolSupplierFromText(mols_text, delimiter='\t')
>>> mols = [Chem.MolToSmiles(mol) for mol in suppl]
>>> print(mols)
['C1=CC=CC=CC=C1', 'c1ccccc1', 'c1ccoc1']

2.1.4.DataFrame批量讀取

  • 讀取DataFrame中的SMILES：AddMoleculeColumnToFrame(frame, smilesCol, molCol, includeFingerprints)
    frame：DataFrame對(duì)象
    smilesCol：SMILES所在列
    molCol：新列名，將存放產(chǎn)生的rdkit mol對(duì)象
    includeFingerprints：是否生成指紋
  • 順便計(jì)算下分子量：Descriptors.MolWt()
>>> import pandas as pd
>>> from rdkit.Chem import Descriptors
>>> from rdkit.Chem import PandasTools
>>> df = pd.read_csv('data/smiles_df.csv')
>>> PandasTools.AddMoleculeColumnToFrame(df,'SMILES','mol',includeFingerprints=True)
>>> df['MW'] = df['mol'].apply(Descriptors.MolWt)
>>> df.head(2)

           Name                 SMILES                         mol         MW  
0    Lanreotide     c1(c2c(cccc2)[nH...   <img data-content="rd...   1096.347  
1  Lansoprazole     Cc1c(OCC(F)(F)F)...   <img data-content="rd...    369.368

2.2.讀.sdf

2.2.1.文件批量讀取

  • 從.sdf里批量讀?。篠DMolSupplier(fileName, sanitize, removeHs, strictParsing)
    fileName：文件名
    sanitize：檢查化合價(jià)，計(jì)算芳香性、共軛、雜化、kekule，默認(rèn)True
    removeHs：是否隱藏氫原子，默認(rèn)True
    strictParsing：是否使用嚴(yán)格模式進(jìn)行解析，默認(rèn)True
>>> suppl = Chem.SDMolSupplier('data/batch.sdf')
>>> mols = [Chem.MolToSmiles(mol) for mol in suppl if mol]
>>> print(mols)
['C1=C\\C=C/C=C\\C=C/1', 'c1ccccc1', 'c1ccoc1']

2.2.2.壓縮包批量讀取

  • 從file object/.gz里讀取
>>> import gzip
>>> gz_file = gzip.open('data/batch.sdf.gz', 'r')
>>> suppl = Chem.ForwardSDMolSupplier(gz_file)
>>> mols = [Chem.MolToSmiles(mol) for mol in suppl if mol]
>>> print(mols)
>>> f.close()
['C1=C\\C=C/C=C\\C=C/1', 'c1ccccc1', 'c1ccoc1']

2.3.讀.mol

  • 從.mol里讀?。篗olFromMolFile(fileName, sanitize, removeHs, strictParsing)
    參數(shù)同上
>>> m = Chem.MolFromMolFile('data/output.mol')
>>> print(Chem.MolToSmiles(mol))
c1cocc1

2.4.讀.mol2

  • 不推薦，容易出bug：MolFromMol2File(...)
    參數(shù)同上
>>> m = Chem.MolFromMol2File('data/output.mol2')
>>> print(Chem.MolToSmiles(mol))
c1cocc1

2.5.讀其他格式：pdb, fasta, peptide, ...

  • 其他格式大同小異，不再贅述了，方法如下，感興趣可自己嘗試
# PDB
>>> Chem.MolFromPDBFile()
>>> Chem.MolFromPDBBlock()
# FASTA
>>> Chem.MolFromFASTA()
# peptide
>>> Chem.MolFromSequence()

三、輸出分子

3.1.輸出SMILES/SMARTS

3.1.1.輸出默認(rèn)式

  • 輸出SMILES：MolToSmiles(mol, isomericSmiles, kekuleSmiles, canonical, ...)
    kekuleSmiles：默認(rèn)False，不使用kekule時(shí)：脂肪族碳用"C"表示（大寫(xiě)），芳香族用"c"表示（小寫(xiě)）
    isomericSmiles：默認(rèn)True，區(qū)分同分異構(gòu)體（"@"表示手性，"\"和"/"表示順?lè)串悩?gòu)）
    canonical：默認(rèn)True，輸出標(biāo)準(zhǔn)SMILES
>>> m1 = Chem.MolFromSmiles('C1=CC=CC=CC=C1')
>>> m2 = Chem.MolFromSmiles('C1=CC=CC=C1')
>>> m3 = Chem.MolFromSmiles('C1=COC=C1')
>>> mols = [m1, m2, m3]
>>> print([Chem.MolToSmiles(mol) for mol in mols])
['C1=CC=CC=CC=C1', 'c1ccccc1', 'c1ccoc1']

3.1.2.輸出kekule式

  • 輸出kekule形式
    kekule形式：在符合4N+2規(guī)則的芳香體系中，通過(guò)使用雙鍵代替小寫(xiě)的碳原子來(lái)表示芳香性
    4N+2規(guī)則：也叫Hueckel規(guī)則，在閉環(huán)共軛體系中，當(dāng)π電子數(shù)為4n+2時(shí)，才具有芳香性
>>> for mol in mols:
>>>     Chem.Kekulize(mol)
>>> print([Chem.MolToSmiles(mol, kekuleSmiles=True) for mol in mols])
['C1=CC=CC=CC=C1', 'C1=CC=CC=C1', 'C1=COC=C1']
  • 注：m1有共軛結(jié)構(gòu)，但不屬于芳香系統(tǒng)。m3中氧提供了2個(gè)π電子，碳各提供1個(gè)，總數(shù)為6，屬于芳香系統(tǒng)

3.1.3.設(shè)置立體參數(shù)

  • 不區(qū)分同分異構(gòu)體
    通過(guò)isomericSmiles控制
>>> m4 = Chem.MolFromSmiles('C[C@H](O)c1ccccc1')
>>> print(Chem.MolToSmiles(m4))
C[C@H](O)c1ccccc1
>>> print(Chem.MolToSmiles(m4, isomericSmiles=False))
CC(O)c1ccccc1

3.1.4.批量輸出SMILES

  • 批量輸出SMILES：SmilesWriter(fileName, delimiter, includeHeader, nameHeader, isomericSmiles, kekuleSmiles)
    fileName：輸出文件名
    delimiter：分隔符，默認(rèn)為空格' '
    includeHeader：是否寫(xiě)入表頭，默認(rèn)True
    nameHeader：分子名一列的列名，默認(rèn)'Name'
    isomericSmiles：立體信息，默認(rèn)True
    kekuleSmiles：kekule形式，默認(rèn)False
>>> writer = Chem.SmilesWriter('data/batch.smi', delimiter='\t')
>>> for i, mol in enumerate(mols):
>>>     writer.write(mol)
>>> writer.close()
  • 輸出結(jié)果：就是2.1.2.表格中的樣子

3.1.5.批量輸出SMILES和屬性

  • 批量輸出SMILES及屬性，通過(guò)以下函數(shù)進(jìn)行操作：
    mol.GetPropNames()，查看分子屬性列表
    mol.GetProp()，獲取相應(yīng)屬性
    mol.SetProp(key, val)，新增屬性名key、對(duì)應(yīng)屬性值val
    writer.SetProps()，設(shè)置哪些屬性要輸出

  • 以輸出分子量和LogP為例
    使用Descriptors計(jì)算屬性，并添加

>>> writer = Chem.SmilesWriter('data/batch_smiles.smi', delimiter='\t', nameHeader='mol_id')
>>> writer.SetProps(['LOGP', 'MW'])
>>> for i, mol in enumerate(mols):
>>>     mw = Descriptors.ExactMolWt(mol)
>>>     logp = Descriptors.MolLogP(mol)
>>>     mol.SetProp('MW', '%.2f' %(mw))
>>>     mol.SetProp('LOGP', '%.2f' %(logp))
>>>     mol.SetProp('_Name', 'No_%s' %(i))
>>>     writer.write(mol)
>>> writer.close()
>>> print('number of mols:', writer.NumMols())
number of mols: 3
>>> print('mol properties:', [i for i in mol.GetPropNames()])
mol properties: ['MW', 'LOGP']
  • 輸出結(jié)果：在2.1.2.表格中，多了“MW”和“LOGP“兩列，不在這里展示了，想要代碼和源文件的可以看這里。

3.1.6.輸出SMARTS

  • 輸出SMARTS：MolToSmarts()
    這個(gè)也不多說(shuō)了
>>> Chem.MolToSmarts(m3, isomericSmiles=True)
'[#6]1:[#6]:[#8]:[#6]:[#6]:1'

3.2.輸出.sdf

3.2.1.批量輸出到.sdf

  • 批量輸出到文件：SDWriter()
    使用方法類似于SMILES的批量輸出
    可以像3.1.5.一樣自定義屬性信息，并記錄在.sdf文件中
>>> writer = Chem.SDWriter('data/batch.sdf')
>>> writer.SetProps(['LOGP', 'MW'])
>>> for i, mol in enumerate(mols):
>>>     mw = Descriptors.ExactMolWt(mol)
>>>     logp = Descriptors.MolLogP(mol)
>>>     mol.SetProp('MW', '%.2f' %(mw))
>>>     mol.SetProp('LOGP', '%.2f' %(logp))
>>>     mol.SetProp('_Name', 'No_%s' %(i))
>>>     writer.write(mol)
>>> writer.close()
  • 輸出結(jié)果：比較長(zhǎng)，不展示了，需要的可以自取。

3.2.2.批量輸出到.gz

  • 批量輸出到.gz
>>> outf = gzip.open('data/batch.sdf.gz','wt+')
>>> writer = Chem.SDWriter(outf)
>>> for mol in mols:
>>>     writer.write(mol)
>>> writer.close()
>>> outf.close()

3.3.輸出.mol

3.3.1輸出連接表

  • 直接輸出：MolToMolBlock()
>>> m1 = Chem.MolFromSmiles('C1CCC1')
>>> print(Chem.MolToMolBlock(m1))

     RDKit          2D

  4  4  0  0  0  0  0  0  0  0999 V2000
    1.0607    0.0000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
...
  4  1  1  0
M  END

3.3.2.輸出到.mol

  • 輸出到文件：MolToMolFile(mol, filename, includeStereo, ...)
    mol：mol對(duì)象
    filename：文件名
    includeStereo：立體信息，默認(rèn)True
>>> m1.SetProp('_Name', 'cyclobutane')
>>> Chem.MolToMolFile(m1, 'data/output.mol')

3.4.輸出其他格式:pdb, fasta, xyz...

  • 其他格式大同小異，不再贅述了，方法如下，感興趣可自己嘗試
# PDB
>>> Chem.MolToPDBBlock()
>>> Chem.MolToPDBFile()
>>> Chem.PDBWriter()
# FASTA
>>> Chem.MolToFASTA()
# XYZ
>>> Chem.MolToXYZBlock()
>>> Chem.MolToXYZFile()

四、分子可視化

該部分只介紹方法，不貼圖了，代碼源文件可自行查看。

4.1.單個(gè)展示

  • 從mol對(duì)象到圖片：MolToImage(mol, size, kekulize, wedgeBonds, fitImage, ...)
    mol：mol對(duì)象
    size：圖片尺寸，默認(rèn)(300, 300)
    kekulize：是否展示kekule形式，默認(rèn)True（True：芳香系統(tǒng)用實(shí)線表示，F(xiàn)alse：虛線表示）
    wedgeBonds：是否展示楔形鍵，即立體構(gòu)型，默認(rèn)True
>>> from rdkit.Chem import Draw
>>> mol = Chem.MolFromSmiles('C[C@H](O)c1ccccc1')
>>> Draw.MolToImage(mol, size=(150,150), kekulize=True)
  • 在新窗口中展示圖片：ShowMol()
    參數(shù)基本同上
>>> Draw.ShowMol(mol, size=(150,150), kekulize=False)
  • 保存圖片MolToFile(mol, filename, size, kekulize, wedgeBonds, ...)
    參數(shù)基本同上
>>> Draw.MolToFile(mol, 'data/output.png', size=(150, 150))

4.2.批量展示

4.2.1.從DataFrame中展示

  • 從df中展示：FrameToGridImage(frame, column, molsPerRow, subImgSize, legendsCol, ...)
    frame：DataFrame對(duì)象
    column：rdkit mol對(duì)象所在列
    molsPerRow,：每行顯示的分子數(shù)
    subImgSize：圖片大小
    legendsCol：標(biāo)題所在列
>>> df = pd.read_csv('data/smiles_df.csv')
>>> PandasTools.AddMoleculeColumnToFrame(df,'SMILES','mol',includeFingerprints=True)
>>> PandasTools.FrameToGridImage(df, column='mol', molsPerRow=5, subImgSize=(200,200), legendsCol='Name')

4.2.2.從mol列表中展示

  • 從列表生成分子結(jié)構(gòu)：MolsToGridImage(mols, maxMols, molsPerRow, subImgSize, legends, ...)
    部分參數(shù)和上面的一致
    mols：mol對(duì)象列表
    maxMols：最多顯示的分子數(shù)
    molsPerRow,：每行顯示的分子數(shù)
    subImgSize：圖片大小
    legends：圖題
>>> mols = df.mol.tolist()
>>> legends = df.Name.tolist()
>>> Draw.MolsToGridImage(mols, maxMols=2, molsPerRow=2, subImgSize=(300,300), legends=legends)

4.3. 3D展示

  • 轉(zhuǎn)換3D時(shí)，為了得到靠譜的三維構(gòu)象，一般先加氫：AddHs(mol)
  • 通過(guò)距離幾何算法計(jì)算3D坐標(biāo)：EmbedMolecule(mol, randomSeed, ...)
    mol：mol對(duì)象
    randomSeed：隨機(jī)種子
  • 轉(zhuǎn)換完后再進(jìn)行一步力場(chǎng)優(yōu)化，比如MMFF94：MMFFOptimizeMolecule(mol)
>>> m3d = Chem.MolFromSmiles('CNC(=O)N(N(CCCl)S(C)(=O)=O)S(C)(=O)=O')
>>> m3d = Chem.AddHs(m3d)
>>> AllChem.EmbedMolecule(m3d, randomSeed=3)
>>> AllChem.MMFFOptimizeMolecule(m3d)
>>> Draw.MolToImage(m3d, size=(250,250))

本文參考自rdkit官方文檔。
代碼及源文件在這里。

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書(shū)系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容