RDKit|在PostgreSQL中进行分子结构搜索与查询

一、环境搭建

本文以windows为例进行操作和演示。假设都已经安装好了postgresql，下面依次进行用户切换、启动服务端、创建数据库、导入数据、连接数据库、加载插件、函数测试。在windows上安装带rdkit插件的postgresql以及基本操作可以参考这篇文章。

• 在cmd中切换到postgres用户

runas /user:postgres cmd

• 在postgres用户下，启动服务端，指定数据库位置

postgres -D d:\postgresql\data

• 在新cmd终端中创建molecules数据库

createdb molecules

• 使用python创建info表格，加入id、smiles、LOGP等列，并导入1000条分子数据。可以参考[postgresql_by_psycopg2.ipynb]中的介绍。
• 导入完成数据后，连接进入数据库

psql molecules

• 在“molecules=#”提示符下，查看刚才创建的info表

select column_name from information_schema.columns WHERE table_name ='info';

• 为当前数据库加载rdkit插件

create extension rdkit;

• 测试下rdkit插件，能正常输出结果表明环境准备成功

select id, mol_from_smiles(smiles::cstring) mol_col from info limit 5;

二、数据表准备

数据库、rdkit插件都没问题后，接下来依次新建schema、转换mol对象、建立数据表。

• 新建schema，命名为rdk。schema相当于一个命名空间