⚡

RDKit化学信息学工具包Skill rdkit

RDKit是一个用于化学信息学的Python库，提供分子分析、药物发现和计算化学功能。它支持SMILES/SDF解析、分子描述符计算（如分子量、LogP）、指纹生成、子结构搜索、化学反应处理、2D/3D坐标生成和分子可视化。适用于药物研发、量化金融中的化学数据分析和科研学术研究。关键词：化学信息学、分子分析、药物发现、Python、RDKit、SMILES、指纹、相似性计算、数据分析。

数据分析 0 次安装 0 次浏览 更新于 3/16/2026

name: rdkit description: “化学信息学工具包，用于精细分子控制。SMILES/SDF解析、描述符（分子量、LogP、TPSA）、指纹、子结构搜索、2D/3D生成、相似性、反应。对于标准工作流和更简单接口，使用datamol（RDKit的包装器）。使用rdkit进行高级控制、自定义净化、专用算法。”

RDKit 化学信息学工具包

概述

RDKit 是一个全面的化学信息学库，提供 Python API 用于分子分析和操作。此技能提供读取/写入分子结构、计算描述符、指纹生成、子结构搜索、化学反应、2D/3D 坐标生成和分子可视化的指导。用于药物发现、计算化学和化学信息学研究任务。

核心功能

1. 分子输入/输出和创建

读取分子：

从各种格式读取分子结构：

from rdkit import Chem

# 从 SMILES 字符串
mol = Chem.MolFromSmiles('Cc1ccccc1')  # 返回 Mol 对象或 None

# 从 MOL 文件
mol = Chem.MolFromMolFile('path/to/file.mol')

# 从 MOL 块（字符串数据）
mol = Chem.MolFromMolBlock(mol_block_string)

# 从 InChI
mol = Chem.MolFromInchi('InChI=1S/C6H6/c1-2-4-6-5-3-1/h1-6H')

写入分子：

将分子转换为文本表示：

# 转换为规范 SMILES
smiles = Chem.MolToSmiles(mol)

# 转换为 MOL 块
mol_block = Chem.MolToMolBlock(mol)

# 转换为 InChI
inchi = Chem.MolToInchi(mol)

批量处理：

对于处理多个分子，使用 Supplier/Writer 对象：

# 读取 SDF 文件
suppl = Chem.SDMolSupplier('molecules.sdf')
for mol in suppl:
    if mol is not None:  # 检查解析错误
        # 处理分子
        pass

# 读取 SMILES 文件
suppl = Chem.SmilesMolSupplier('molecules.smi', titleLine=False)

# 对于大文件或压缩数据
with gzip.open('molecules.sdf.gz') as f:
    suppl = Chem.ForwardSDMolSupplier(f)
    for mol in suppl:
        # 处理分子
        pass

# 用于大数据集的多线程处理
suppl = Chem.MultithreadedSDMolSupplier('molecules.sdf')

# 将分子写入 SDF
writer = Chem.SDWriter('output.sdf')
for mol in molecules:
    writer.write(mol)
writer.close()

重要注意：

  • 所有 MolFrom* 函数在失败时返回 None 并带有错误消息
  • 在处理分子前始终检查 None
  • 导入时自动净化分子（验证价键、感知芳香性）

2. 分子净化和验证

RDKit 在解析期间自动净化分子，执行13个步骤，包括价键检查、芳香性感知和手性分配。

净化控制：

# 禁用自动净化
mol = Chem.MolFromSmiles('C1=CC=CC=C1', sanitize=False)

# 手动净化
Chem.SanitizeMol(mol)

# 在净化前检测问题
problems = Chem.DetectChemistryProblems(mol)
for problem in problems:
    print(problem.GetType(), problem.Message())

# 部分净化（跳过特定步骤）
from rdkit.Chem import rdMolStandardize
Chem.SanitizeMol(mol, sanitizeOps=Chem.SANITIZE_ALL ^ Chem.SANITIZE_PROPERTIES)

常见净化问题：

  • 原子显式价超过允许最大值将引发异常
  • 无效芳香环将导致凯库勒化错误
  • 未明确指定时，自由基电子可能无法正确分配

3. 分子分析和性质

访问分子结构：

# 迭代原子和键
for atom in mol.GetAtoms():
    print(atom.GetSymbol(), atom.GetIdx(), atom.GetDegree())

for bond in mol.GetBonds():
    print(bond.GetBeginAtomIdx(), bond.GetEndAtomIdx(), bond.GetBondType())

# 环信息
ring_info = mol.GetRingInfo()
ring_info.NumRings()
ring_info.AtomRings()  # 返回原子索引元组

# 检查原子是否在环中
atom = mol.GetAtomWithIdx(0)
atom.IsInRing()
atom.IsInRingSize(6)  # 检查6元环

# 查找最小环集（SSSR）
from rdkit.Chem import GetSymmSSSR
rings = GetSymmSSSR(mol)

立体化学：

# 查找手性中心
from rdkit.Chem import FindMolChiralCenters
chiral_centers = FindMolChiralCenters(mol, includeUnassigned=True)
# 返回（原子索引，手性）元组列表

# 从3D坐标分配立体化学
from rdkit.Chem import AssignStereochemistryFrom3D
AssignStereochemistryFrom3D(mol)

# 检查键立体化学
bond = mol.GetBondWithIdx(0)
stereo = bond.GetStereo()  # STEREONONE、STEREOZ、STEREOE 等

片段分析：

# 获取断开片段
frags = Chem.GetMolFrags(mol, asMols=True)

# 在特定键上片段化
from rdkit.Chem import FragmentOnBonds
frag_mol = FragmentOnBonds(mol, [bond_idx1, bond_idx2])

# 计数环系统
from rdkit.Chem.Scaffolds import MurckoScaffold
scaffold = MurckoScaffold.GetScaffoldForMol(mol)

4. 分子描述符和性质

基本描述符：

from rdkit.Chem import Descriptors

# 分子量
mw = Descriptors.MolWt(mol)
exact_mw = Descriptors.ExactMolWt(mol)

# LogP（亲脂性）
logp = Descriptors.MolLogP(mol)

# 拓扑极性表面积
tpsa = Descriptors.TPSA(mol)

# 氢键供体/受体数
hbd = Descriptors.NumHDonors(mol)
hba = Descriptors.NumHAcceptors(mol)

# 可旋转键数
rot_bonds = Descriptors.NumRotatableBonds(mol)

# 芳香环数
aromatic_rings = Descriptors.NumAromaticRings(mol)

批量描述符计算：

# 一次计算所有描述符
all_descriptors = Descriptors.CalcMolDescriptors(mol)
# 返回字典：{'MolWt': 180.16, 'MolLogP': 1.23, ...}

# 获取可用描述符名称列表
descriptor_names = [desc[0] for desc in Descriptors._descList]

利宾斯基五规则：

# 检查药物相似性
mw = Descriptors.MolWt(mol) <= 500
logp = Descriptors.MolLogP(mol) <= 5
hbd = Descriptors.NumHDonors(mol) <= 5
hba = Descriptors.NumHAcceptors(mol) <= 10

is_drug_like = mw and logp and hbd and hba

5. 指纹和分子相似性

指纹类型：

from rdkit.Chem import AllChem, RDKFingerprint
from rdkit.Chem.AtomPairs import Pairs, Torsions
from rdkit.Chem import MACCSkeys

# RDKit 拓扑指纹
fp = Chem.RDKFingerprint(mol)

# Morgan 指纹（圆形指纹，类似于 ECFP）
fp = AllChem.GetMorganFingerprint(mol, radius=2)
fp_bits = AllChem.GetMorganFingerprintAsBitVect(mol, radius=2, nBits=2048)

# MACCS 键（166位结构键）
fp = MACCSkeys.GenMACCSKeys(mol)

# 原子对指纹
fp = Pairs.GetAtomPairFingerprint(mol)

# 拓扑扭转指纹
fp = Torsions.GetTopologicalTorsionFingerprint(mol)

# Avalon 指纹（如果可用）
from rdkit.Avalon import pyAvalonTools
fp = pyAvalonTools.GetAvalonFP(mol)

相似性计算：

from rdkit import DataStructs

# 计算 Tanimoto 相似性
fp1 = AllChem.GetMorganFingerprintAsBitVect(mol1, radius=2)
fp2 = AllChem.GetMorganFingerprintAsBitVect(mol2, radius=2)
similarity = DataStructs.TanimotoSimilarity(fp1, fp2)

# 计算多个分子的相似性
similarities = DataStructs.BulkTanimotoSimilarity(fp1, [fp2, fp3, fp4])

# 其他相似性度量
dice = DataStructs.DiceSimilarity(fp1, fp2)
cosine = DataStructs.CosineSimilarity(fp1, fp2)

聚类和多样性：

# 基于指纹相似性的 Butina 聚类
from rdkit.ML.Cluster import Butina

# 计算距离矩阵
dists = []
fps = [AllChem.GetMorganFingerprintAsBitVect(mol, 2) for mol in mols]
for i in range(len(fps)):
    sims = DataStructs.BulkTanimotoSimilarity(fps[i], fps[:i])
    dists.extend([1-sim for sim in sims])

# 使用距离截止聚类
clusters = Butina.ClusterData(dists, len(fps), distThresh=0.3, isDistData=True)

6. 子结构搜索和 SMARTS

基本子结构匹配：

# 使用 SMARTS 定义查询
query = Chem.MolFromSmarts('[#6]1:[#6]:[#6]:[#6]:[#6]:[#6]:1')  # 苯环

# 检查分子是否包含子结构
has_match = mol.HasSubstructMatch(query)

# 获取所有匹配（返回原子索引元组的元组）
matches = mol.GetSubstructMatches(query)

# 仅获取第一个匹配
match = mol.GetSubstructMatch(query)

常见 SMARTS 模式：

# 伯醇
primary_alcohol = Chem.MolFromSmarts('[CH2][OH1]')

# 羧酸
carboxylic_acid = Chem.MolFromSmarts('C(=O)[OH]')

# 酰胺
amide = Chem.MolFromSmarts('C(=O)N')

# 芳香杂环
aromatic_n = Chem.MolFromSmarts('[nR]')  # 环中芳香氮

# 大环（环 > 12 原子）
macrocycle = Chem.MolFromSmarts('[r{12-}]')

匹配规则：

  • 查询中未指定的属性匹配目标中的任何值
  • 除非明确指定，否则忽略氢
  • 带电查询原子不匹配未带电目标原子
  • 芳香查询原子不匹配脂肪族目标原子（除非查询是通用的）

7. 化学反应

反应 SMARTS：

from rdkit.Chem import AllChem

# 使用 SMARTS 定义反应：反应物 >> 产物
rxn = AllChem.ReactionFromSmarts('[C:1]=[O:2]>>[C:1][O:2]')  # 酮还原

# 将反应应用于分子
reactants = (mol1,)
products = rxn.RunReactants(reactants)

# 产物是元组的元组（每个产物集一个元组）
for product_set in products:
    for product in product_set:
        # 净化产物
        Chem.SanitizeMol(product)

反应特征：

  • 原子映射保留反应物和产物之间的特定原子
  • 产物中的虚拟原子由相应反应物原子替换
  • “任何”键继承反应物的键序
  • 除非显式更改，否则手性保留

反应相似性：

# 生成反应指纹
fp = AllChem.CreateDifferenceFingerprintForReaction(rxn)

# 比较反应
similarity = DataStructs.TanimotoSimilarity(fp1, fp2)

8. 2D 和 3D 坐标生成

2D 坐标生成：

from rdkit.Chem import AllChem

# 为描绘生成 2D 坐标
AllChem.Compute2DCoords(mol)

# 将分子对齐到模板结构
template = Chem.MolFromSmiles('c1ccccc1')
AllChem.Compute2DCoords(template)
AllChem.GenerateDepictionMatching2DStructure(mol, template)

3D 坐标生成和构象：

# 使用 ETKDG 生成单个 3D 构象
AllChem.EmbedMolecule(mol, randomSeed=42)

# 生成多个构象
conf_ids = AllChem.EmbedMultipleConfs(mol, numConfs=10, randomSeed=42)

# 用力场优化几何
AllChem.UFFOptimizeMolecule(mol)  # UFF 力场
AllChem.MMFFOptimizeMolecule(mol)  # MMFF94 力场

# 优化所有构象
for conf_id in conf_ids:
    AllChem.MMFFOptimizeMolecule(mol, confId=conf_id)

# 计算构象间的 RMSD
from rdkit.Chem import AllChem
rms = AllChem.GetConformerRMS(mol, conf_id1, conf_id2)

# 对齐分子
AllChem.AlignMol(probe_mol, ref_mol)

约束嵌入：

# 嵌入时约束部分分子到特定坐标
AllChem.ConstrainedEmbed(mol, core_mol)

9. 分子可视化

基本绘图：

from rdkit.Chem import Draw

# 绘制单个分子到 PIL 图像
img = Draw.MolToImage(mol, size=(300, 300))
img.save('molecule.png')

# 直接绘制到文件
Draw.MolToFile(mol, 'molecule.png')

# 在网格中绘制多个分子
mols = [mol1, mol2, mol3, mol4]
img = Draw.MolsToGridImage(mols, molsPerRow=2, subImgSize=(200, 200))

高亮子结构：

# 高亮子结构匹配
query = Chem.MolFromSmarts('c1ccccc1')
match = mol.GetSubstructMatch(query)

img = Draw.MolToImage(mol, highlightAtoms=match)

# 自定义高亮颜色
highlight_colors = {atom_idx: (1, 0, 0) for atom_idx in match}  # 红色
img = Draw.MolToImage(mol, highlightAtoms=match,
                      highlightAtomColors=highlight_colors)

自定义可视化：

from rdkit.Chem.Draw import rdMolDraw2D

# 创建具有自定义选项的绘图器
drawer = rdMolDraw2D.MolDraw2DCairo(300, 300)
opts = drawer.drawOptions()

# 自定义选项
opts.addAtomIndices = True
opts.addStereoAnnotation = True
opts.bondLineWidth = 2

# 绘制分子
drawer.DrawMolecule(mol)
drawer.FinishDrawing()

# 保存到文件
with open('molecule.png', 'wb') as f:
    f.write(drawer.GetDrawingText())

Jupyter Notebook 集成：

# 在 Jupyter 中启用内联显示
from rdkit.Chem.Draw import IPythonConsole

# 自定义默认显示
IPythonConsole.ipython_useSVG = True  # 使用 SVG 代替 PNG
IPythonConsole.molSize = (300, 300)   # 默认大小

# 分子现在自动显示
mol  # 显示分子图像

可视化指纹位：

# 显示指纹位表示的分子特征
from rdkit.Chem import Draw

# 对于 Morgan 指纹
bit_info = {}
fp = AllChem.GetMorganFingerprintAsBitVect(mol, radius=2, bitInfo=bit_info)

# 绘制特定位的环境
img = Draw.DrawMorganBit(mol, bit_id, bit_info)

10. 分子修饰

添加/去除氢：

# 添加显式氢
mol_h = Chem.AddHs(mol)

# 去除显式氢
mol = Chem.RemoveHs(mol_h)

凯库勒化和芳香性：

# 将芳香键转换为交替的单/双键
Chem.Kekulize(mol)

# 设置芳香性
Chem.SetAromaticity(mol)

替换子结构：

# 用另一个结构替换子结构
query = Chem.MolFromSmarts('c1ccccc1')  # 苯
replacement = Chem.MolFromSmiles('C1CCCCC1')  # 环己烷

new_mol = Chem.ReplaceSubstructs(mol, query, replacement)[0]

中和电荷：

# 通过添加/去除氢去除形式电荷
from rdkit.Chem.MolStandardize import rdMolStandardize

# 使用 Uncharger
uncharger = rdMolStandardize.Uncharger()
mol_neutral = uncharger.uncharge(mol)

11. 分子哈希和标准化

分子哈希：

from rdkit.Chem import rdMolHash

# 生成 Murcko 骨架哈希
scaffold_hash = rdMolHash.MolHash(mol, rdMolHash.HashFunction.MurckoScaffold)

# 规范 SMILES 哈希
canonical_hash = rdMolHash.MolHash(mol, rdMolHash.HashFunction.CanonicalSmiles)

# 区域异构哈希（忽略立体化学）
regio_hash = rdMolHash.MolHash(mol, rdMolHash.HashFunction.Regioisomer)

随机 SMILES：

# 生成随机 SMILES 表示（用于数据增强）
from rdkit.Chem import MolToRandomSmilesVect

random_smiles = MolToRandomSmilesVect(mol, numSmiles=10, randomSeed=42)

12. 药效团和 3D 特征

药效团特征：

from rdkit.Chem import ChemicalFeatures
from rdkit import RDConfig
import os

# 加载特征工厂
fdef_path = os.path.join(RDConfig.RDDataDir, 'BaseFeatures.fdef')
factory = ChemicalFeatures.BuildFeatureFactory(fdef_path)

# 获取药效团特征
features = factory.GetFeaturesForMol(mol)

for feat in features:
    print(feat.GetFamily(), feat.GetType(), feat.GetAtomIds())

常见工作流

药物相似性分析

from rdkit import Chem
from rdkit.Chem import Descriptors

def analyze_druglikeness(smiles):
    mol = Chem.MolFromSmiles(smiles)
    if mol is None:
        return None

    # 计算利宾斯基描述符
    results = {
        'MW': Descriptors.MolWt(mol),
        'LogP': Descriptors.MolLogP(mol),
        'HBD': Descriptors.NumHDonors(mol),
        'HBA': Descriptors.NumHAcceptors(mol),
        'TPSA': Descriptors.TPSA(mol),
        'RotBonds': Descriptors.NumRotatableBonds(mol)
    }

    # 检查利宾斯基五规则
    results['Lipinski'] = (
        results['MW'] <= 500 and
        results['LogP'] <= 5 and
        results['HBD'] <= 5 and
        results['HBA'] <= 10
    )

    return results

相似性筛选

from rdkit import Chem
from rdkit.Chem import AllChem
from rdkit import DataStructs

def similarity_screen(query_smiles, database_smiles, threshold=0.7):
    query_mol = Chem.MolFromSmiles(query_smiles)
    query_fp = AllChem.GetMorganFingerprintAsBitVect(query_mol, 2)

    hits = []
    for idx, smiles in enumerate(database_smiles):
        mol = Chem.MolFromSmiles(smiles)
        if mol:
            fp = AllChem.GetMorganFingerprintAsBitVect(mol, 2)
            sim = DataStructs.TanimotoSimilarity(query_fp, fp)
            if sim >= threshold:
                hits.append((idx, smiles, sim))

    return sorted(hits, key=lambda x: x[2], reverse=True)

子结构过滤

from rdkit import Chem

def filter_by_substructure(smiles_list, pattern_smarts):
    query = Chem.MolFromSmarts(pattern_smarts)

    hits = []
    for smiles in smiles_list:
        mol = Chem.MolFromSmiles(smiles)
        if mol and mol.HasSubstructMatch(query):
            hits.append(smiles)

    return hits

最佳实践

错误处理

解析分子时始终检查 None：

mol = Chem.MolFromSmiles(smiles)
if mol is None:
    print(f"解析失败: {smiles}")
    continue

性能优化

使用二进制格式存储：

import pickle

# 腌制分子以便快速加载
with open('molecules.pkl', 'wb') as f:
    pickle.dump(mols, f)

# 加载腌制分子（比重新解析快得多）
with open('molecules.pkl', 'rb') as f:
    mols = pickle.load(f)

使用批量操作：

# 一次计算所有分子的指纹
fps = [AllChem.GetMorganFingerprintAsBitVect(mol, 2) for mol in mols]

# 使用批量相似性计算
similarities = DataStructs.BulkTanimotoSimilarity(fps[0], fps[1:])

线程安全

RDKit 操作通常线程安全：

  • 分子输入/输出（SMILES、mol 块）
  • 坐标生成
  • 指纹和描述符
  • 子结构搜索
  • 反应
  • 绘图

非线程安全： 并发访问时的 MolSuppliers。

内存管理

对于大数据集：

# 使用 ForwardSDMolSupplier 避免加载整个文件
with open('large.sdf') as f:
    suppl = Chem.ForwardSDMolSupplier(f)
    for mol in suppl:
        # 一次处理一个分子
        pass

# 使用 MultithreadedSDMolSupplier 进行并行处理
suppl = Chem.MultithreadedSDMolSupplier('large.sdf', numWriterThreads=4)

常见陷阱

  1. 忘记检查 None： 解析后始终验证分子
  2. 净化失败： 使用 DetectChemistryProblems() 进行调试
  3. 缺少氢： 计算依赖氢的性质时使用 AddHs()
  4. 2D vs 3D： 在可视化或 3D 分析前生成适当坐标
  5. SMARTS 匹配规则： 记住未指定属性匹配任何内容
  6. MolSuppliers 的线程安全： 不要在跨线程共享供应商对象

资源

references/

此技能包括详细的 API 参考文档：

  • api_reference.md - 按功能组织的 RDKit 模块、函数和类的全面列表
  • descriptors_reference.md - 可用分子描述符的完整列表及描述
  • smarts_patterns.md - 功能基团和结构特征的常见 SMARTS 模式

需要特定 API 细节、参数信息或模式示例时加载这些参考。

scripts/

常见 RDKit 工作流的示例脚本：

  • molecular_properties.py - 计算全面的分子性质和描述符
  • similarity_search.py - 执行基于指纹的相似性筛选
  • substructure_filter.py - 按子结构模式过滤分子

这些脚本可以直接执行或用作自定义工作流的模板。