RDKit|最大公共子结构搜索与参数介绍

最大公共子结构

rdkit中提供了在多个分子间查找最大公共子结构（Maximum Common Substructure, MCS）的功能。该功能可以应用在相同骨架搜索、分子库分析、寻找药效团等场景中。

1.搜索方法

• FindMCS(mols)
  mols：待搜索的分子集
  在多个结构中寻找最大公共子结构。该函数返回一个MCSResult实例，实例含有以下属性：

• 搜索到结构的mol对象：MCSResult.queryMol
• 搜索到结构的原子数：MCSResult.numAtoms
• 搜索到结构的键数量：MCSResult.numBonds
• 搜索到结构的smarts：MCSResult.smartsString
• 搜索是否超时：MCSResult.canceled

如果没有找到MCS，原子和键会记录为0，SMARTS为空。

>>> from rdkit import Chem
>>> from rdkit.Chem import Draw
>>> from rdkit.Chem import rdFMCS
>>> mol1 = Chem.MolFromSmiles("CCCCC(=O)NCC1=CC(=C(C=C1)O)OC")
>>> mol2 = Chem.MolFromSmiles("c1(C=O)cc(OC)c(O)cc1")
>>> mols = [mol1, mol2]
>>> res = rdFMCS.FindMCS(mols)
>>> print(res.numAtoms)
10
>>> print(res.numBonds)
10
>>> print(res.canceled)
False
>>> print(res.smartsString)
'[#6]1(-[#6]):[#6]:[#6](-[#8]-[#6]):[#6](:[#6]:[#6]:1)-[#8]'
>>> mols.append(res.queryMol)
>>> Draw.MolsToGridImage(mols)

2.bondCompare参数

默认情况下，当两个分子中对应的原子和键完全一样时，才认为它们是一致的。可以通过修改atomCompare和bondCompare参数，来进行模糊匹配。以模糊匹配键为例。

• 初始化两个分子

>>> mols = [Chem.MolFromSmiles('c1ccccc1'),Chem.MolFromSmiles('C1CCCC=C1')]
>>> Draw.MolsToGridImage(mols)

• CompareOrderExact：默认值为该方法。当且仅当键的类型完全一致才相等（芳香键和双键是不相等的）。

>>> res = rdFMCS.FindMCS(mols,bondCompare=rdFMCS.BondCompare.CompareOrderExact).smartsString
>>> print(res) # 结果为空

• CompareAny：任意键之间都可以匹配

>>> res = rdFMCS.FindMCS(mols,bondCompare=rdFMCS.BondCompare.CompareAny).smartsString
>>> print(res)
>>> m = Chem.MolFromSmarts(res)
>>> Draw.MolToImage(m, size=(150,150))

• CompareOrder：允许单键和芳香键相互匹配。

>>> res = rdFMCS.FindMCS(mols,bondCompare=rdFMCS.BondCompare.CompareOrder).smartsString
>>> print(res)
'[#6](:,-[#6]:,-[#6]:,-[#6]):,-[#6]:,-[#6]'

3.atomCompare参数

与bondCompare参数类似，可用设置如下：

• CompareElements：默认值，原子类型一样才算匹配。
• CompareIsotopes：同位素一样才算匹配（根据同位素标签的值。这个值可以由用户自己定义）。
• CompareAny：表示任意原子之间都能匹配（找公共骨架）。

>>> mols = (Chem.MolFromSmiles('NCC'),Chem.MolFromSmiles('OC=C'))
>>> res = rdFMCS.FindMCS(mols, atomCompare=rdFMCS.AtomCompare.CompareAny, bondCompare=rdFMCS.BondCompare.CompareAny).smartsString
>>> print(res)
'[#7,#8]-[#6]-,=[#6]'

4.maximizeBonds参数

一个结构由原子和键组成。默认情况下，MCS查找的目标是让键的数量最大化，相当于让环的数量最大化。最大化键的数量时，会使环的数量最大化，但也可能出现两个小环键的数量不如一个大环多的情况。可以通过将maximizeBonds参数设为False来取消设置。

5.matchValences参数

默认False，即忽略化合价信息。假设要考虑化合价信息，例如不想让一个3价氮与一个5价氮匹配上，那就可以将该参数改为True

>>> mols = (Chem.MolFromSmiles('NC1OC1'),Chem.MolFromSmiles('C1OC1[N+](=O)[O-]'))
>>> print(rdFMCS.FindMCS(mols).numAtoms)
4
>>> print(rdFMCS.FindMCS(mols, matchValences=True).numBonds)
3
>>> Draw.MolsToGridImage(mols)

6.ringMatchesRingOnly参数

默认为False，这种情况下，线性的碳链可能会匹配上一个环。如果只想让环相互匹配，可以将该参数设置为True。

>>> mols = [Chem.MolFromSmiles("C1CCC1CCC"), Chem.MolFromSmiles("C1CCCCCC1")]
>>> res1 = rdFMCS.FindMCS(mols)
>>> print(res1.numAtoms)
7
>>> res2 = rdFMCS.FindMCS(mols, ringMatchesRingOnly=True)
>>> print(res2.numAtoms)
4
>>> mols += [res1.queryMol, res2.queryMol]
>>> Draw.MolsToGridImage(mols)

7.completeRingsOnly参数

默认为False。如果只想要能够完整匹配上的环，而不想要匹配一半的环，可以将该参数设置为True。

>>> mols = [Chem.MolFromSmiles("CCC1CC2C1CN2"), Chem.MolFromSmiles("C1CC2C1CC2")]
>>> res = rdFMCS.FindMCS(mols, completeRingsOnly=True).smartsString
>>> print(res)
'[#6]1-&@[#6]-&@[#6]-&@[#6]-&@1'

• 以上参数都可以组合叠加使用

8.timeout参数

MCS算法会穷尽每一种可能，寻找到一个最大的公共子结构。一般情况下说，该算法几秒内就能完成，但是有时也会花很长时间甚至花几分钟。这时，可以使用timeout参数来规定最大搜索时长，到达指定时长仍没有搜索完时，会返回现有的最优结果，并将canceled属性设置为True。该参数单位为秒。

>>> mols = [Chem.MolFromSmiles("Nc1ccccc1"*10), Chem.MolFromSmiles("Nc1ccccccccc1"*10)]
>>> rdFMCS.FindMCS(mols, timeout=1).canceled
True

本文参考自rdkit官方文档。
代码及源文件在这里。