文章目录

一、化学特征和药效团提取
二、化学特征文件介绍
- 1.化学特征（chemical features）
- 2.FDef文件语法
三、2D药效团指纹
- 1.编码原理
- 2.参数设置
- 3.生成2D药效团指纹
- 4.修改FDef设置
- 5.Gobbi 2D药效团指纹

一、化学特征和药效团提取

Rdkit中有一系列基于SMARTS定义的化学特征。要对分子进行化学特征分析和计算时，需要先导入一个特征库，创建一个特征工厂，并通过特征工厂计算化学特征。先来操作一下，原理及介绍在第二部分。

获取特征库：RDConfig.RDDataDir目录下的’BaseFeatures.fdef’
构建特征工厂：ChemicalFeatures.BuildFeatureFactory(fdefName)
fdefName：特征库文件

>>> from rdkit import Chem
>>> from rdkit.Chem import ChemicalFeatures
>>> from rdkit import RDConfig
>>> import os
>>> fdefName = os.path.join(RDConfig.RDDataDir,'BaseFeatures.fdef')
>>> factory = ChemicalFeatures.BuildFeatureFactory(fdefName)

使用特征工厂搜索特征：GetFeaturesForMol(m)

>>> m = Chem.MolFromSmiles('OCc1ccccc1CN')
>>> feats = factory.GetFeaturesForMol(m)
>>> print(len(feats))
8

搜索到的每个特征都包含了该特征家族（例如供体、受体等）、特征类别、该特征对应的原子、特征对应序号等信息。

特征家族信息：GetFamily()
特征类型信息：GetType()
特征对应原子：GetAtomIds()
特征对应序号：GetId()

>>> print(feats[0].GetFamily())
>>> print(feats[0].GetType())
>>> print(feats[0].GetAtomIds())
Donor
SingleAtomDonor
(0,)

如果分子包含坐标信息，化学特征也会包括原子坐标：GetPos()

>>> from rdkit.Chem import AllChem
>>> AllChem.Compute2DCoords(m)
>>> list(feats[0].GetPos())
[2.0705367611607857, -2.335674960409047, 0.0]

二、化学特征文件介绍

以上都是基于现有的特征库进行分析和提取，而特征库就是一个特征定义文件（Feature Definition File, FDef）。该文件包含了一系列的化学特征及它们的所有信息，并通过SMARTS来表示。除了化学特征，FDef文件也有对原子类型的定义及解释，让特征更容易理解。

每个化学特征对应的SMARTS，对SMARTS不了解的可以参考这份速查表
key为“特征家族.特征类型”，值为SMARTS

>>> list(factory.GetFeatureDefs().items())[:2]
[('Donor.SingleAtomDonor','[$([N&!H0&v3,N&!H0&+1&v4,n&H1&+0,$([$([Nv3](-C)(-C)-C)]),$([$(n[n;H1]),$(nc[n;H1])])]),$([O,S;H1;+0])]'),('Acceptor.SingleAtomAcceptor','[$([O;H1;v2]),$([O;H0;v2;!$(O=N-*),$([O;-;!$(*-N=O)]),$([o;+0])]),$([n;+0;!X3;!$([n;H1](cc)cc),$([$([N;H0]#[C&v4])]),$([N&v3;H0;$(Nc)])]),$([F;$(F-[#6]);!$(FC[F,Cl,Br,I])])]')]

1.化学特征（chemical features）

化学特征由一个特征类型（Feature Type）和特征家族（Feature Family）共同定义。特征家族是对特征总体上的分类，例如氢键供体、芳香性等。药效团匹配就是根据特征家族来实现的。而特征类型提供了关于特征的一些更详细的信息。每个特征类型包含了以下信息：

一个SMARTS表达式，定义了该特征类型所匹配的原子。
特征位置的权重，特征位置由原子位置决定。

2.FDef文件语法

FDef中包含两个概念：原子类型和特征。可以大致这么认为：原子类型是最底层的抽象，对相似的原子做了归类。特征是更高级的抽象，对相似的原子和原子类型再进行归类。以下都围绕原子类型定义和特征定义的语法展开。原文在这里

（1）原子类型（AtomType）定义

原子类型定义相当于给用于查询原子的SMARTS起了一个别名，可以让FDef更具可读性。例如，可以用如下方式定义一个非极性碳原子，Carbon_NonPolar就是一个原子类型定义名称：
AtomType Carbon_NonPolar [C&!$(C=[O,N,P,S])]
因此，可以创建一个有利于理解和使用SMARTS的名称。要引用某个原子类型，可以写下该名称并用大括号括起来。例如，定义另一个原子类型，取名为Hphobe，让Hphobe包含Carbon_NonPolar：
AtomType Carbon_NonPolar [C&!$(C=[O,N,P,S])]
AtomType Hphobe [{Carbon_NonPolar},c,s,S&H0&v2,F,Cl,Br,I]
重复写下一个原子类型时，意味着把他们合在一起，相当于用“,”连接（在SMARTS中表示或），例如下面两个语句：
AtomType d1 [N&!H0]
AtomType d1 [O&!H0]
等价于：
AtomType d1 [N&!H0,O&!H0]
更简洁的写法：
AtomType d1 [N,O;!H0]
要注意“&”和“;”都表示“与”，“,”表示“或”，但“&”的优先级高于“,”，而“;”的优先级低于“,”。
类似与SMARTS，原子特征定义也可以用“!”来表示非，而“!”会与自身的表达式结合，例如：
AtomType d1 [N,O,S]
AtomType !d1 [H0]
“!d1”等价于：
AtomType d1 [!H0;N,O,S]

（2）特征（Feature）定义

特征定义比原子类型定义更复杂，并且需要多行实现，例如：
DefineFeature HDonor1 [N,O;!H0]
Family HBondDonor
Weights 1.0
EndFeature
特征定义的第一行包含了特征类型和所规定的SMARTS，第二行和第三行（没有先后顺序）定义了特征家族和原子权重（权重值的数量和SMARTS中包含的原子数量相同，有多个权重时，用逗号分隔）。原子权重用来计算特征的位置。最后一行表示结束定义，必须是“EndFeature”。原子类型定义和特征定义可以混在一起使用，只要在引用前定义好就行了。

（3）其它语法

井号“#”开头表示注释，程序运行时会忽略该行。
反斜杠“\”结尾表示续行，也就是该行没有结束。
开头的空格将被忽略。

三、2D药效团指纹

1.编码原理

对2D药效团的解释如下图。这里做一个简单的解释。2D药效团指纹，是在药效团的基础上，加上2D（拓扑）距离实现。当在药效团间加入了距离信息后，每个特征（药效团+距离）会被分配一个唯一的id，所有的id共同组成了分子的2D药效团指纹。指纹生成过程中，有两个关键参数，第一个是组成指纹的药效团数量，需要提供最少和最多药效团数。下图中的“2-3 point pharmacophores”表示一个指纹特征中，最少包括2个，最多包括3个药效团。第二个关键参数是拓扑距离区间，用于对两个药效团间的距离进行归类，对应下图的“distance bins”。根据药效团组成和距离的不同，形成不同的bit id。在Rdkit的体系中，药效团指纹的bit ids是没有经过哈希映射的，也就是说，指纹的每一位都代表了一组特征和它们的距离。所以，给定一个bit id，可以推出它对应的特征类型和距离，可以方便地对结果进行解释。

2.参数设置

生成药效团指纹首先要计算分子中所有的药效团（化学特征），化学特征的计算需要通过特征工厂实现。

构建特征工厂：

>>> featFactory = ChemicalFeatures.BuildFeatureFactory(fdefName)

使用特征工厂再来构建指纹工厂signature factory用于设置指纹参数。

构建指纹工厂：SigFactory(featFactory, useCounts=False, minPointCount=2, maxPointCount=3, …)
featFactory：特征工厂。
useCounts：默认False。False不考虑指纹频数，并生成SparseBitVect。
minPointCount：默认为2。生成指纹时包括的最少的药效团数量。
maxPointCount：默认为3。生成指纹时包括的最多的药效团数量。

>>> from rdkit.Chem.Pharm2D.SigFactory import SigFactory
>>> sigFactory = SigFactory(featFactory, minPointCount=2, maxPointCount=3)

对拓扑距离进行分段：SetBins()
每次修改参数后，都要初始化一下：Init()
计算一下的指纹长度：GetSigSize()

>>> sigFactory.SetBins([(0,2), (2,5), (5,8)])
>>> sigFactory.Init()
>>> sigFactory.GetSigSize()
2988

3.生成2D药效团指纹

指纹工厂中的参数设置完毕，接下来可以生成2D指纹了

计算2D药效团指纹：Gen2DFingerprint(mol, sigFactory, bitInfo, …)
mol：要计算指纹的mol对象
sigFactory：设置了参数的指纹工厂
bitInfo：获取指纹id及对应原子

>>> from rdkit.Chem.Pharm2D import Generate
>>> mol = Chem.MolFromSmiles('OCC(=O)CCCN')
>>> fp = Generate.Gen2DFingerprint(mol,sigFactory)
>>> print(len(fp))
>>> print(fp.GetNumOnBits())
2988
23

关于指纹每一位所代表特征的信息、特征的距离矩阵等信息，都可以通过signature factory来查看

>>> list(fp.GetOnBits())[:5]
[1, 7, 8, 10, 20]
>>> sigFactory.GetBitDescription(1)
'Acceptor Acceptor |0 1|1 0|'

4.修改FDef设置

如果不想要某个特征，可以直接通过signature factory来跳过某个特征，而不用去修改FDef文件。

查看现有的药效团（特征家族）列表：GetFeatureFamilies()

>>> featFactory.GetFeatureFamilies()
('Donor','Acceptor','NegIonizable','PosIonizable','ZnBinder','Aromatic','Hydrophobe','LumpedHydrophobe')

跳过某个药效团（特征家族）：sigFactory.skipFeats
每次修改都要初始化一下：Inint()
再查看一下指纹长度：GetSigSize()

>>> sigFactory.skipFeats=['PosIonizable']
>>> sigFactory.Init()
>>> sigFactory.GetSigSize()
2100

重新生成新的指纹：Gen2DFingerprint()

>>> fp2 = Generate.Gen2DFingerprint(mol,sigFactory)
>>> fp2.GetNumOnBits()
15

5.Gobbi 2D药效团指纹

Rdkit中还有一种用于生成2D药效团指纹的特征定义方式，根据Gobbi等人的设计实现，在 rdkit.Chem.Pharm2D.Gobbi_Pharm2D下有一个预定义的signature factory，已经包含了这些指纹类型，可以直接调用，操作方法类似。

>>> from rdkit.Chem.Pharm2D import Gobbi_Pharm2D, Generate
>>> m = Chem.MolFromSmiles('OCC=CC(=O)O')
>>> fp = Generate.Gen2DFingerprint(m, Gobbi_Pharm2D.factory)
>>> fp.GetNumOnBits()
8
>>> list(fp.GetOnBits())
[23, 30, 150, 154, 157, 185, 28878, 30184]
>>> Gobbi_Pharm2D.factory.GetBitDescription(157)
'HA HD |0 3|3 0|'

本文参考自rdkit官方文档。
代码及源文件在这里。

RDKit|化学特征、药效团提取与2D药效团指纹计算相关推荐

RDkit二：利用RDkit筛选进行化学小分子2D药效团筛选
首先介绍一下做药效团筛选的背景: 计算机辅助药物设计的主要方式包括两种: 1.基于受体的药物设计: 2.基于配体的药物设计: 由于大量蛋白质的晶体结构仍然是未知的,尤其是膜蛋白,膜蛋白及其疏水的特性使 ...
rdkit 化学指纹（fingerprint）和相似性
文章目录一.引入所需库二.化学指纹 2.1 拓扑指纹 Chem.RDKFingerprint(mol) 2.2 MACCS 指纹MACCSkeys.GenMACCSKeys(mol) 2.3 原子 ...
RDKit|摩根分子指纹计算、提取与可视化
文章目录一.摩根分子指纹计算 1.简介 2.SparseIntVects 3.ExplicitBitVects 4.FCFPs 5.更多泛化二.摩根分子指纹提取 1.提取方法一 2.提取方法二三 ...
“RDKit | 化学信息学与AI”专栏介绍及专栏内容分类（持续更新......）
"RDKit | 化学信息学与AI"专栏介绍介绍RDKit相关知识点和运用以及RDKit作为处理化学.生物.药学和材料学科中分子数据作为可输入机器学习和深度学习模型的重要工具应用 ...
PCL点云特征描述与提取（1）
3D点云特征描述与提取是点云信息处理中最基础也是最关键的一部分,点云的识别.分割,重采样,配准曲面重建等处理大部分算法,都严重依赖特征描述与提取的结果.从尺度上来分,一般分为局部特征的描述和全局特征的 ...
PCL 点云特征描述与提取
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者:开着拖拉机唱山歌链接:https://zhuanlan.zhihu.com/p/1032192 ...
特征描述子提取公用接口
OpenCV封装了一些特征描述子提取算法,使得用户能够解决该问题时候方便使用各种算法.这章用来计算的描述子提取被表达成一个高维空间的向量 vector.所有实现 vector 特征描述子子提取的部分继 ...
PCL中点云特征描述与提取精通级实例解析
PCL中点云特征描述与提取精通级实例解析 1 3D对象识别的假设验证 2 隐式形状模型方法 2.1 隐式形状模型识别方法概述 2.2 实例解析 1 3D对象识别的假设验证本教程将学习在高噪声和严 ...
PCL中3D点云特征描述与提取（三）
PCL中3D点云特征描述与提取(三) 1 如何从一个深度图像中提取NARF特征 2 RoPs特征 2.1 理论基础 2.1.1 生物视觉认知学启示 2.1.2 局部参考坐标框架构建 2.1.3 RoP ...

RDKit|化学特征、药效团提取与2D药效团指纹计算