Python RDKit 化学信息学工具库使用指南

示例 2：分子结构可视化

from rdkit import Chem
from rdkit.Chem import Draw

# 1. 单个分子可视化并保存图片
mol = Chem.MolFromSmiles("CCO")
# 生成分子图片（尺寸 300x300）
img = Draw.MolToImage(mol, size=(300, 300))
# 保存图片
img.save("ethanol_mol.png")
print("单个分子图片已保存为 ethanol_mol.png")

# 2. 批量分子可视化（生成网格图）
# 定义多个分子的 SMILES 和名称
smiles_list = [
    ("CCO", "Ethanol"),
    ("CC(=O)O", "Acetic acid"),
    ("C1=CC=CC=C1", "Benzene"),
    ("CN1C=NC2=C1C(=O)N(C(=O)N2C)C", "Caffeine")
]
# 转换为分子对象列表
mols = [(Chem.MolFromSmiles(smi), name) for smi, name in smiles_list]
# 生成网格图（2 行 2 列，尺寸 300x300 每个分子）
img_grid = Draw.MolsToGridImage(
    [mol for mol, name in mols], 
    molsPerRow=2, 
    subImgSize=(300, 300), 
    legends=[name for mol, name in mols]
)
# 保存网格图
img_grid.save("molecules_grid.png")
print("批量分子网格图已保存为 molecules_grid.png")

示例 3：子结构匹配（查找分子中的特定结构）

from rdkit import Chem
from rdkit.Chem import Draw

# 目标分子：阿司匹林（SMILES）
aspirin_smiles = "CC(=O)OC1=CC=CC=C1C(=O)O"
aspirin_mol = Chem.MolFromSmiles(aspirin_smiles)

# 要匹配的子结构：苯环（SMILES）
benzene_smarts = "c1ccccc1"
# SMARTS 是 SMILES 的扩展，用于子结构匹配
benzene_pattern = Chem.MolFromSmarts(benzene_smarts)

# 检查是否包含该子结构
has_benzene = aspirin_mol.HasSubstructMatch(benzene_pattern)
print(f"阿司匹林是否包含苯环：{has_benzene}")

# 查找子结构的匹配位置（原子索引）
matches = aspirin_mol.GetSubstructMatches(benzene_pattern)
print(f"苯环匹配的原子索引：{matches}")

# 可视化匹配的子结构（高亮显示）
img = Draw.MolToImage(aspirin_mol, highlightAtoms=matches[0], size=(400, 400))
img.save("aspirin_benzene_highlight.png")
print("高亮子结构的图片已保存为 aspirin_benzene_highlight.png")

示例 4：分子文件读写（支持 SDF、Mol2 等格式）

from rdkit import Chem

# 1. 将分子保存为 SDF 文件（常用的分子格式）
mol = Chem.MolFromSmiles("CCO")
# 创建 SDF 写入器
w = Chem.SDWriter("ethanol.sdf")
w.write(mol)
w.close()
print("分子已保存为 ethanol.sdf")

# 2. 从 SDF 文件读取分子
suppl = Chem.SDMolSupplier("ethanol.sdf")
# 遍历读取的分子（SD 文件可包含多个分子）
for m in suppl:
    if m is not None:
        print(f"从 SDF 读取的分子 SMILES: {Chem.MolToSmiles(m)}")

三、分子指纹计算

分子指纹是 cheminformatics 中用于表征分子结构、进行相似度比较的核心工具。RDKit 支持多种指纹类型，重点展示 Morgan 指纹、拓扑指纹及相似度分析。

完整示例代码

from rdkit import Chem
from rdkit.Chem import AllChem, DataStructs
from rdkit.Chem.Fingerprints import FingerprintMols
import numpy as np

# ===================== 1. 准备分子数据 =====================
# 定义一组示例分子的 SMILES（乙醇、甲醇、乙酸、苯）
smiles_dict = {
    "Ethanol": "CCO",
    "Methanol": "CO",
    "Acetic acid": "CC(=O)O",
    "Benzene": "C1=CC=CC=C1"
}
# 将 SMILES 转换为 RDKit 分子对象
mols = {}
for name, smi in smiles_dict.items():
    mol = Chem.MolFromSmiles(smi)
    if mol is not None:
        mols[name] = mol
    else:
        print(f"警告：{name} 的 SMILES 无效")

# ===================== 2. 计算不同类型的分子指纹 =====================
# 2.1 Morgan 指纹（Circular Fingerprints）
# 最常用，radius=2 是行业标准（对应 ECFP4/FCFP4）
# nBits：指纹向量的长度（常用 1024/2048）
print("=== 1. Morgan 指纹计算 ===")
morgan_fps = {}
for name, mol in mols.items():
    # 计算 Morgan 指纹（位串形式）
    fp = AllChem.GetMorganFingerprintAsBitVect(mol, radius=2, nBits=1024)
    morgan_fps[name] = fp
    # 输出指纹基本信息
    print(f"{name} Morgan 指纹：长度={fp.GetNumBits()}, 非零位数量={fp.GetNumOnBits()}")

# 2.2 拓扑指纹（Topological Fingerprints）
# 基于分子中的原子路径，经典但不如 Morgan 指纹常用
print("\n=== 2. 拓扑指纹计算 ===")
topo_fps = {}
for name, mol in mols.items():
    fp = FingerprintMols.FingerprintMol(mol)
    # 默认参数
topo_fps[name] = fp
    print(f"{name} 拓扑指纹：长度={fp.GetNumBits()}, 非零位数量={fp.GetNumOnBits()}")

# 2.3 转换为可可视化的数组（方便理解）
print("\n=== 3. 指纹转换为数组（前 20 位） ===")
ethanol_morgan_fp = morgan_fps["Ethanol"]
# 将指纹转换为 numpy 数组
fp_array = np.zeros((1,))
DataStructs.ConvertToNumpyArray(ethanol_morgan_fp, fp_array)
print(f"乙醇 Morgan 指纹前 20 位：{fp_array[:20]}")

# ===================== 3. 基于指纹的分子相似度计算 =====================
print("\n=== 4. 分子相似度分析（Tanimoto 系数） ===")
# Tanimoto 系数：范围 0（完全不同）~1（完全相同）
# 比较乙醇与其他分子的相似度（基于 Morgan 指纹）
ref_fp = morgan_fps["Ethanol"]
for name, fp in morgan_fps.items():
    similarity = DataStructs.TanimotoSimilarity(ref_fp, fp)
    print(f"乙醇 vs {name}: Tanimoto 系数 = {similarity:.4f}")

# ===================== 4. 批量相似度矩阵计算 =====================
print("\n=== 5. 批量生成相似度矩阵 ===")
# 获取分子名称列表
names = list(morgan_fps.keys())
# 初始化相似度矩阵
sim_matrix = np.zeros((len(names), len(names)))
# 填充相似度矩阵
for i, name1 in enumerate(names):
    for j, name2 in enumerate(names):
        sim_matrix[i, j] = DataStructs.TanimotoSimilarity(morgan_fps[name1], morgan_fps[name2])
# 打印相似度矩阵
print("相似度矩阵（行/列：Ethanol, Methanol, Acetic acid, Benzene）:")
print(np.round(sim_matrix, 4))

关键部分解释

1. Morgan 指纹参数：
   • radius=2：表示指纹的半径（2 对应 4 层原子，即 ECFP4），是最常用的取值；radius=3 对应 ECFP6。
   • nBits=1024：指纹的维度（位串长度），常用值还有 2048、4096，维度越高信息越全，但计算成本也越高。
   • GetMorganFingerprintAsBitVect：生成二进制指纹（位串），也可以用 GetMorganFingerprint 生成计数型指纹（更精细但占用更多内存）。
2. 相似度计算：
   • DataStructs.TanimotoSimilarity：RDKit 内置的 Tanimoto 系数计算函数，是分子相似度比较的行业标准。
   • 从示例结果可以看到：乙醇和甲醇的相似度最高（结构最接近），乙醇和苯的相似度最低（结构差异大）。
3. 指纹格式转换：
   • DataStructs.ConvertToNumpyArray：将 RDKit 指纹对象转换为 numpy 数组，方便后续用 sklearn 等库进行机器学习。

四、新版本接口适配说明

较新版本的 RDKit（2023.09+）推荐使用 MorganGenerator 类来生成 Morgan 指纹，旧函数 GetMorganFingerprintAsBitVect 会抛出 Deprecation Warning。以下是适配新版本的代码。

from rdkit import Chem
from rdkit.Chem import DataStructs, rdFingerprintGenerator
import numpy as np

# ===================== 1. 准备分子数据 =====================
smiles_dict = {
    "Ethanol": "CCO",
    "Methanol": "CO",
    "Acetic acid": "CC(=O)O",
    "Benzene": "C1=CC=CC=C1"
}
mols = {}
for name, smi in smiles_dict.items():
    mol = Chem.MolFromSmiles(smi)
    if mol is not None:
        mols[name] = mol
    else:
        print(f"警告：{name} 的 SMILES 无效")

# ===================== 2. 用新版本接口计算 Morgan 指纹 =====================
print("=== 1. Morgan 指纹计算（新版本接口）===")
# 初始化 Morgan 指纹生成器（替代旧的 GetMorganFingerprintAsBitVect）
# radius=2 对应 ECFP4，nBits=1024 是指纹长度
morgan_gen = rdFingerprintGenerator.GetMorganGenerator(
    radius=2,      # 指纹半径，和旧接口一致
    fpSize=1024,   # 指纹长度（替代旧接口的 nBits）
    useChirality=False  # 是否考虑手性，默认 False
)
morgan_fps = {}
for name, mol in mols.items():
    # 生成二进制 Morgan 指纹（位串）
    fp = morgan_gen.GetFingerprint(mol)
    morgan_fps[name] = fp
    # 输出指纹基本信息
    print(f"{name} Morgan 指纹：长度={fp.GetNumBits()}, 非零位数量={fp.GetNumOnBits()}")

# ===================== 3. 拓扑指纹（旧接口仍可用，无警告） =====================
print("\n=== 2. 拓扑指纹计算 ===")
topo_fps = {}
for name, mol in mols.items():
    # 拓扑指纹接口暂未过时，可正常使用
    fp = Chem.Fingerprints.FingerprintMols.FingerprintMol(mol)
    topo_fps[name] = fp
    print(f"{name} 拓扑指纹：长度={fp.GetNumBits()}, 非零位数量={fp.GetNumOnBits()}")

# ===================== 4. 指纹转换为数组 =====================
print("\n=== 3. 指纹转换为数组（前 20 位） ===")
ethanol_morgan_fp = morgan_fps["Ethanol"]
# 将指纹转换为 numpy 数组
fp_array = np.zeros((1,))
DataStructs.ConvertToNumpyArray(ethanol_morgan_fp, fp_array)
print(f"乙醇 Morgan 指纹前 20 位：{fp_array[:20]}")

# ===================== 5. 分子相似度计算 =====================
print("\n=== 4. 分子相似度分析（Tanimoto 系数） ===")
# Tanimoto 系数：范围 0（完全不同）~1（完全相同）
ref_fp = morgan_fps["Ethanol"]
for name, fp in morgan_fps.items():
    similarity = DataStructs.TanimotoSimilarity(ref_fp, fp)
    print(f"乙醇 vs {name}: Tanimoto 系数 = {similarity:.4f}")

# ===================== 6. 批量相似度矩阵计算 =====================
print("\n=== 5. 批量生成相似度矩阵 ===")
# 获取分子名称列表
names = list(morgan_fps.keys())
# 初始化相似度矩阵
sim_matrix = np.zeros((len(names), len(names)))
# 填充相似度矩阵
for i, name1 in enumerate(names):
    for j, name2 in enumerate(names):
        sim_matrix[i, j] = DataStructs.TanimotoSimilarity(morgan_fps[name1], morgan_fps[name2])
# 打印相似度矩阵
print("相似度矩阵（行/列：Ethanol, Methanol, Acetic acid, Benzene）:")
print(np.round(sim_matrix, 4))

关键修改点解释

1. 核心替换：
   • 旧代码：AllChem.GetMorganFingerprintAsBitVect(mol, radius=2, nBits=1024)
   • 新代码：先初始化 rdFingerprintGenerator.GetMorganGenerator()，再调用 GetFingerprint(mol)
   • 对应参数：nBits → fpSize，其余参数（如 radius）保持一致。
2. 新接口优势：
   • 消除 deprecation 警告，适配 RDKit 新版本；
   • 生成器对象可复用（批量计算多个分子时更高效）；
   • 支持更多扩展参数（如 useChirality 控制手性、useBondTypes 控制是否考虑键类型）。
3. 结果一致性：不同 RDKit 版本的指纹哈希算法细节略有差异，但相似度计算结果不会受影响。

总结

1. 核心基础：RDKit 最核心的是 Chem.MolFromSmiles() 创建分子对象，所有操作都基于这个对象展开。
2. 常用功能：可快速计算分子理化性质（分子量、logP 等）、可视化分子结构、匹配子结构、读写分子文件。
3. 关键注意点：使用前需检查分子对象是否为 None（避免无效 SMILES），可视化需确保安装了 PIL/Pillow 依赖。
4. 版本兼容：建议使用 rdFingerprintGenerator.GetMorganGenerator() 替代旧的指纹生成函数以消除警告。
5. 实用技巧：指纹可转换为 numpy 数组，用于分子聚类、分类、虚拟筛选等机器学习任务。