Python中的RDkit包，是將化學與機器學習聯系起來的、非常實用的庫。可以在很多種化學文件如mol2，mol，Smiles，sdf等之間互相轉化，并能將其展示成2D、3D等形式供開發人員使用。

1.生成描述：2D分子

from rdkit.Chem import AllChem import rdkit.Chem from rdkit.Chem import Drawtemplate = rdkit.Chem.MolFromSmiles('COc1cccc2cc(C(=O)NCCCCN3CCN(c4cccc5nccnc54)CC3)oc21') tmp=AllChem.Compute2DCoords(template) Draw.MolToFile(template,'1.png')

2.最大公共子結構

它返回一個MCSResult實例，其中包含有關MCS中原子和鍵數的信息，與已識別的MCS匹配的SMARTS字符串，以及一個表示算法是否超時的標志。如果沒有找到MCS，則原子和鍵的數量設置為0，SMARTS設置為''。

from rdkit.Chem import AllChem import rdkit.Chem from rdkit.Chem import Drawfrom rdkit.Chem import rdFMCS mol1 = rdkit.Chem.MolFromSmiles("O=C(NCc1cc(OC)c(O)cc1)CCCC/C=C/C(C)C") mol2 = rdkit.Chem.MolFromSmiles("CC(C)CCCCCC(=O)NCC1=CC(=C(C=C1)O)OC") mol3 = rdkit.Chem.MolFromSmiles("c1(C=O)cc(OC)c(O)cc1") mols = [mol1,mol2,mol3] res=rdFMCS.FindMCS(mols) print(res) print(res.numAtoms)print(res.numBonds)print(res.smartsString) print(res.canceled)

總結

以上是生活随笔為你收集整理的rdkit入门的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。