RDKit|摩根分子指纹计算、提取与可视化

一、摩根分子指纹计算

1.简介

摩根分子指纹（Morgan Fingerprints），是一种圆形指纹，也属于拓扑型指纹，是通过对标准的摩根算法进行改造后得到。可以大致等同于扩展连通性指纹（Extended-Connectivity Fingerprints，ECFPs）。

这类指纹有诸多优点，例如计算速度快、没有经过预定义（可以表示无穷多种不同的分子特征）、可以包含手性信息、指纹中的每个元素代表一种特定子结构、可以方便地进行分析和解释、可以根据不同的需要进行相应的修改等。这类指纹设计的最初目的是用于搜索与活性相关的分子特征，而非子结构搜索。此外也可以用于相似性搜索、聚类、虚拟筛选等方向。指纹的生成过程大致分为以下几个步骤：

• 1.原子初始化。为每个重原子分配一个整数标识符
• 2.迭代更新。以每个重原子为中心，将周围一圈的重原子合并进来，直到到达指定半径。
• 3.特征生成。对子结构进行运算，并生成特征列表。

更多内容可以参考ChemAxon的介绍，还有ECFPs的文章。

ECFPs可以捕捉到精确的子结构细节，相对应的，功能基指纹（Functional class fingerprints，FCFPs）则更为泛化，可以将同一类功能基作为一种特征结构。在rdkit中两种特征都可以通过GetMorganFingerprint实现。

• 先定义两个分子

>>> from rdkit import Chem
>>> from rdkit import DataStructs
>>> from rdkit.Chem import AllChem
>>> from rdkit.Chem import Draw
>>> m1 = Chem.MolFromSmiles('ClC1=COCNC1')
>>> m2 = Chem.MolFromSmiles('BrC1=COCNC1')
>>> Draw.MolsToGridImage([m1, m2], subImgSize=(150, 150), legends=['ClC1CNCOC1', 'BrC1CNCOC1'])

2.SparseIntVects

• 以SparseIntVects方式生成ECFPs指纹：GetMorganFingerprint(mol, radius, …)
  或者称为SparseBitVects
  mol：mol对象
  radius：考虑半径
• 使用Dice方法比较两个指纹的相似性：DiceSimilarity()

>>> fp1 = AllChem.GetMorganFingerprint(m1, 2)
>>> fp2 = AllChem.GetMorganFingerprint(m2, 2)
>>> DataStructs.DiceSimilarity(fp1, fp2)
0.7

• 查看长度：GetLength()
  返回指纹的长度
• 查看非空元素：GetNonzeroElements()
  返回值是一个字典，键对应非空指纹的位数，值是指纹出现的频数

>>> print(fp1.GetLength())
4294967295
>>> print(fp1.GetNonzeroElements())
{
   
   39328034: 1, 211414882: 1, 362715007: 1, 2626911012: 1, 2968968094: 2, ..