RDKit|分子描述符计算与可视化

一、描述符计算模块

1.rdkit.Chem.Lipinski模块

rdkit中提供了许多描述符的计算方法，可用于分子筛选、成药性评估等。以lipinski类药的相关规则为例，可以通过rdkit.Chem.Lipinski模块进行计算。常用的一些性质举例：

• 氢键受体数NumHAcceptors
• 氢键供体数NumHDonors
• 可旋转键数NumRotatableBonds
• 脂肪环数量NumAliphaticRings
• 芳香环数量NumAromaticRings
• SP3杂化碳原子比例FractionCSP3
• ……

>>> from rdkit import Chem
>>> from rdkit.Chem import Lipinski
>>> mol = Chem.MolFromSmiles('c1ccccc1C(=O)O')
>>> Lipinski.NumHAcceptors(mol)
1

• 将描述符名称(key)和值(val)添加到分子属性中：m.SetProp(key, val)
• 获取分子属性：m.GetProp(key)

>>> Ha = Lipinski.NumHAcceptors(mol)
>>> mol.SetProp('Ha', '%s'%Ha)
>>> mol.GetProp('Ha')
'1'

2.rdkit.Chem.Descriptors模块

大部分的描述符都可以通过rdkit.Chem.Descriptors模块进行计算。该模块也包含了Lipinski的描述符。常用的一些描述符举例：

• 分子量MolWt
• 脂水分配系数MolLogP
• 拓扑极表面积TPSA
• 以计算TPSA为例：Descriptors.TPSA()

>>> from rdkit.Chem import Descriptors
>>> print(Descriptors.TPSA(mol), Descriptors.MolLogP(mol), Descriptors.MolWt(mol))
37.3 1.3848 122.12299999999998

3.rdkit.ML.Descriptors.MoleculeDescriptors模块

该模块可以批量计算描述符。

• 先指定一个列表des_list，包含所要计算的描述符名称，
• 使用MolecularDescriptorCalculator创建一个计算描述符的对象，传入要计算的des_list
• 调用对象的CalcDescriptors方法，传入要计算的mol对象，得到所需的描述符

>>> from rdkit.ML.Descriptors import MoleculeDescriptors
>>> des_list = ['MolWt', 'NumHAcceptors', 'NumHDonors', 'MolLogP', 'NumRotatableBonds']
>>> calculator = MoleculeDescriptors.MolecularDescriptorCalculator(des_list)
>>> calculator.CalcDescriptors(mol)
(122.12299999999998, 1, 1, 1.3848, 1)

• 查看各种描述符的含义：GetDescriptorSummaries()

>>> calculator.GetDescriptorSummaries()
['The average molecular weight of the molecule',
 'Number of Hydrogen Bond Acceptors',
 'Number of Hydrogen Bond Donors',
 'Wildman-Crippen LogP value',
 'Number of Rotatable Bonds']

• 获取所有描述符：Descriptors._descList

>>> des_list = [x[0] for x in Descriptors._descList]
>>> len(des_list)
200

• 将calculator保存起来：SaveState(filename)
• 再次调用该calculator：pickle.load()

>>> import pickle
>>> calculator.SaveState('data/descriptor_calculator')
>>> with open('data/descriptor_calculator', 'rb') as f:
>>>     calc = pickle.load(f)
>>> calc.CalcDescriptors(mol)
(122.12299999999998, 1, 1, 1.3848, 1)

二、原子描述符可视化

可以用相似性地图来查看每个原子对描述符的贡献，更多相似性地图的应用可以查看这篇文章的第二部分。

1.原子partial charge可视化

计算partial charge要复杂一点。计算出的partial charge存储在每个原子的属性中，可以通过GetDoubleProp（浮点数）或GetProp（字符串）来获取。

partial charge可以表示电子的分布。分子中的化学键是由分布在相连原子周围的电子对组成的。但由于原子的电负性不同，成键电子并不是均匀分布。电负性大的原子吸电子能力强，成键的电子对会更偏向该原子，导致该原子带有负电的性质。相对应的，电负性小的原子则带有正电性质。Partial charge衡量了电子偏向的程度。

• 先计算partial charge：AllChem.ComputeGasteigerCharges()
• 获取某一个原子：GetAtomWithIdx()
• 获取原子的partial charge：GetDoubleProp(’_GasteigerCharge’)

>>> from rdkit.Chem import AllChem
>>> mol = Chem.MolFromSmiles('COc1cccc2cc(C(=O)NCCCCN3CCN(c4cccc5nccnc54)CC3)oc21')
>>> AllChem.ComputeGasteigerCharges(mol)
>>> atom = mol.GetAtomWithIdx(0)
>>> atom.GetDoubleProp('_GasteigerCharge')
0.07771844728655561

• 获取每个原子的partial charge，放到contribs中

>>> contribs = [round(mol.GetAtomWithIdx(i).GetDoubleProp('_GasteigerCharge'), 2) for i in range(mol.GetNumAtoms())]
>>> print(contribs)
[0.08, -0.49, 0.16, -0.02, -0.06, ...]

• 根据给定的权重，生成分子权重图：GetSimilarityMapFromWeights(mol, weights, colorMap, contourLines, …)
  mol：要绘制的mol对象
  weights：权重
  colorMap：matplotlib中的色系
  contourLines：等高线数量

>>> from rdkit.Chem.Draw import SimilarityMaps
>>> fig = SimilarityMaps.GetSimilarityMapFromWeights(mol, contribs, contourLines=10)

2.原子logP可视化

LogP表示脂水分配系数，该值认为与细胞通透性有一定相关性。rdkit中提供的Descriptors.MolLogP()方法可以粗略计算logP值，该方法首先做了一个原子分类系统，根据原子及其相连原子的不同而进行分类，再对化学性质相似、logP贡献相似的类别做合并，最终得到了68种精确的原子类别和4种通配类别，并用SMARTS表示。计算时，对一个分子中所有原子进行分类，再乘以每一类的权重并加和，最终得到LogP值。该方法在9920个分子的训练集上的r2为0.918，标准差为0.667。此外摩尔折射率（molar refractivity，MR）也可以通过这种方法计算得到。

• 计算每个原子的logP和MR值：rdMolDescriptors._CalcCrippenContribs
  返回结果是每个原子logP和MR元组的列表

>>> from rdkit.Chem import rdMolDescriptors
>>> contribs = rdMolDescriptors._CalcCrippenContribs(mol)
>>> contribs[:3]
[(-0.2035, 2.753), (-0.4195, 1.182), (0.5437, 3.853)]

• 生成分子权重图：GetSimilarityMapFromWeights()

>>> fig = SimilarityMaps.GetSimilarityMapFromWeights(mol, [x for x,y in contribs])

本文参考自rdkit官方文档。
代码及源文件在这里。