rdkit 对肽链 C 端及 N 端检索以及子结构替换

本文介绍利用 rdkit 处理多肽链的末端修饰，主要是需要根据文字描述的 N 端及 C 端修饰利用 ReplaceSubstructs 自动处理，难点在于子结构搜索。

首先读入多肽链，下面是示例：

smi='CC[C@H](C)[C@H](NC(=O)[C@H](CO)NC(=O)CN)C(=O)NCC(=O)N[C@@H](C)C(=O)N[C@@H](C)C(=O)N[C@@H](CO)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(=O)O)C(=O)N[C@@H](Cc1ccccc1)C(=O)O'
mol=Chem.MolFromSmiles(smi)

以序列描述也可以，同时可以将序列转化成 SMILES：

def transform(seq):
    if (pd.isnull(seq)):
        return None
    else:
        try:
            mol = Chem.MolFromSequence(seq)
            smi = Chem.MolToSmiles(mol)
            return smi
        except:
            print("转换失败",seq)
            return '###{}'.format(seq)

将 seq 存储在 dataframe 中，利用下面的方法即可自动转换：

df['SMILES']=df['SEQUENCE'].map(transform)

假设 C 端修饰是将羧基的OH替换为 Au 及 Se （当然没有这种修饰，这里只是假设）：


自动替换子结构需要先精准定位到肽链的 C 末端，再进行子结构替换：

patt=Chem.MolFromSmarts('[$([OH]C(=O)CN)]') #这里是关键
rep=Chem.MolFromSmiles('[Se][Au]')
Chem.MolToSmiles(AllChem.ReplaceSubstructs(mol,patt,rep)[0],canonical=True)

运行上面代码即可得到修饰之后的多肽链 SMILES
同理 N 端修饰类似处理，以 NH₂ 做以下修饰为例：

patt1=Chem.MolFromSmarts('[$([NH2]CC(=O))]') #N末端未成环
patt2=Chem.MolFromSmarts('C1CCCN1') 		 #N末端成环
rep1=Chem.MolFromSmiles('[NH]C(=O)(CCCCCCCCCCNC(=O)COc1ccc(Cl)cc1Cl)')
mol=AllChem.ReplaceSubstructs(Chem.MolFromSmiles(seqList[i]),patt1,rep1)
Chem.MolToSmiles(mol[0],canonical=True)

运行上面代码即可得到多肽 N 端做如上修饰后的 SMILES