分子结构的子结构查询：SMARTS语言

在化学信息学中，有时候我们要确定化学分子是否包含特定的模式（结子构）

之前我们已经提及，fingerprint的SMILES字符串经常用来表示分子。
SMARTS是SMILES语言的扩展，可以用于创建查询，类似文本语言的正则表达式。

任何的SMILES字符串都可以是SMARTS字符串

下面展示，如何从SMILES字符串定义分子，显示分子，并突出与特定SMARTS，模式匹配的原子

1. 导入基础模块

from rdkit import Chem
	from rdkit.Chem.Draw import MolsToGridImage

2. 定义化学分子

smiles_list= ['CCCCC', 'CCNOCC', 'CSCCNC', 'COOCCNS', 'CSNNSP', 'CCCCS']
	mol_list = [Chem.MolFromSmiles(x) for x in smiles_list]

3. 分子结构可视化

	MolsToGridImage(mol_list)

4. 建立一个查询请求

查找有三个C原子组成的脂肪链

query = Chem.MolFromSmarts('CCC')
query

5. 查找匹配

match_list = [mol.GetSubstructMatch(query) for mol in mol_list]
match_list

输出：[(0, 1, 2), (), (), (), (), (0, 1, 2)]， 代表第1个mol对象（’CCCCC‘）分子，有三个部分与query相同；第6个’CCCCS’分子，有三个部分与query相似。查询结果确实符合我们的query.

6. 可视化

注意这里高亮仅仅显示了第一个匹配的部分。

MolsToGridImage(mols = mol_list, highlightAtomLists=match_list, molsPerRow=4)

7. 匹配特定模式的分子

SMARTS中，*可以代替任何的原子，例如：

query = Chem.MolFromSmarts('C*C')
match_list = [mol.GetSubstructMatch(query) for mol in mol_list]
print(match_list)
MolsToGridImage(mols=mol_list, highlightAtomLists=match_list, molsPerRow=3)

SMARTS中，[]代表中括号中间的一个原子可以是N，也可以是C，例如：

query = Chem.MolFromSmarts('C[N,C]C')
match_list = [mol.GetSubstructMatch(query) for mol in mol_list]
print(match_list)
MolsToGridImage(mols=mol_list, highlightAtomLists=match_list, molsPerRow=3)

8. 备注

SMARTS还可以有其他复杂的功能，需要去google一下。