RDKit|分子3D构象生成与优化

一、构象生成算法概述

先来了解两种rdkit生成3D构象的方法：

1.基于距离（distance-based）

传统的距离几何（Distance Geometry）法生成构象步骤：

• (1) 通过分子的连接表信息和一套规则，生成分子的连接边界矩阵（molecule’s distance bounds matrix ）
• (2) 使用三角形边界平滑算法（triangle-bounds smoothing algorithm），对边界矩阵进行平滑处理
• (3) 根据边界矩阵，随机产生一个距离矩阵。
• (4) 把产生的距离矩阵映射到三维空间中，并为每个原子计算坐标。
• (5) 对计算的坐标结果使用力场和边界矩阵进行粗略的优化。

这种方法虽然计算速度快，也能得到分子的三维坐标，但纯粹基于距离计算会导致部分结构的扭曲，也就是结果比较丑。想得到更好的结构，需要进行更细致的力场优化，比如再使用rdkit的通用力场（Universal Force Field，UFF）进行处理。

2.基于知识（knowledge-based）

Riniker和Landrum开发了一种（Experimental-Torsion Basic Knowledge Distance Geometry，ETKDG）的方法。他们从晶体结构数据库的小分子结构中总结了一些规则（扭转角的倾向性，torsion angle preference，符合某种SMARTS的结构更倾向于生成某种固定的构象），并用这套规则来修正距离几何算法产生的构象。如果使用了ETKDG，就可以不再使用力场进行优化了。

在rdkit中，目前已经将ETKDG作为默认的构象生成方法。使用代码实现这种方法比上面的废话都要简单，几行代码就能搞定了。

>>> from rdkit import Chem
>>> from rdkit.Chem import AllChem
>>> from rdkit.Chem import Draw
>>> m = Chem.MolFromSmiles('c1ccccc1')
>>> m3d=Chem.AddHs(m)
>>> AllChem.EmbedMolecule(m3d