python RDKit 导入KEGG中化合物的MOL文件并创建一个Dataframe

将KEGG中的化合物结构信息导入，并生成化合物dataframe

导入KEGG化合物结构信息

在KEGG的compound数据库中，点击你所需要的化合物
选取某一条pathway的化合物，就可以整成该通路对应化合物的mol 文件

创建dataframe

导入化合物的mol文件后，就要通过python读取这些文件，并创建相应的dataframe

首先是从文件夹读取对应的文件名：

import os

filePath = 'D:\hsa00010-MOL'   ###文件所在的位置
for i, j, names in os.walk(filePath):
    print(i)  #文件夹路径
    print(j)    #文件夹子目录
    print(names)   #文件名称

然后，我们要用的就是这里面的names(即文件名称）：

import os
from rdkit import Chem
import pandas as pd

#####需要有rdkit,否则无法将化合物的molfile转成后面要用的mol形式

data1= pd.DataFrame(columns=())


filePath = 'D:\hsa00010-MOL'
for i, j, mols in os.walk(filePath):
     for file in mols:
            data1 = data1.append(pd.DataFrame({ 'Name':[file],'MOL': [Chem.MolFromMolFile(file)],}),ignore_index=True)

     print(data1)


#前面的index是dataframe自己生成的，后面我们可以自己定义所需要的index name

生成的结果如图：