參考這里
mol是二維的，mol2是三維的
sdf是啥？

molblack是啥？

atom0 atoms[0] bonds[0] bonds 的編號(hào)都是什么意思，為什么每次運(yùn)行出來的編號(hào)都不一樣

‘GetAtomMapNum’: map id 原子smarts形式冒號(hào)后面的數(shù)字，如[N:4], map id 就是4。
原子smarts形式是什么？

rdkit 繪制分子【可視化分子】

AllChem.GenerateDepictionMatching3DStructure()
基于3D構(gòu)象產(chǎn)生2D取向 AllChem.GenerateDepictionMatching3DStructure()
rdkit 支持2D取向和3D取向?qū)?yīng)。 這里以PDB CODE: 1T3R為例。我們獲得其中的ligand并保存為mol文件。 經(jīng)過測(cè)試發(fā)現(xiàn)產(chǎn)生的2D結(jié)構(gòu)會(huì)有碰撞，該方法尚不成熟。

RDKit中內(nèi)置了2種不同的方法產(chǎn)生分子構(gòu)象。 方法一： 距離幾何法[1] 1. 基于鏈接表和規(guī)則計(jì)算分子中原子的距離矩陣； 2. 使用三角平滑算法對(duì)距離矩陣進(jìn)行優(yōu)化； 3. 產(chǎn)生一個(gè)隨機(jī)距離矩陣； 4. 為每個(gè)原子產(chǎn)生一個(gè)坐標(biāo)； 5. 使用粗糙的立場(chǎng)對(duì)坐標(biāo)進(jìn)行優(yōu)化 通過該方法產(chǎn)生的3D構(gòu)象通常很丑陋。需要進(jìn)一步通過力場(chǎng)進(jìn)行美化。RDKit美化分子構(gòu)象使用的是UFF力場(chǎng)【2】 方法二：基于CSD的扭轉(zhuǎn)角偏好方法【18？】 通過該方法產(chǎn)生的構(gòu)象不需要進(jìn)一步通過力場(chǎng)進(jìn)行優(yōu)化。 從2018.09版本開始，RDKit產(chǎn)生3D構(gòu)象的默認(rèn)方法是方法二ETKDG。

RDKit 內(nèi)置了多種分子指紋計(jì)算方法，如：

拓?fù)渲讣y Chem.RDKFingerprint(mol)
MACCS 指紋
Atom Pairs
topological torsions
摩根指紋（圓圈指紋）
摩根指紋拓展

摩根指紋->ECFP4 和 摩根指紋->FCFP4的比較

摩根指紋通過定義不同的invariants 可以輸出ECFP、FCFP指紋。

ECFP、FCFP 不同點(diǎn)主要在于如何計(jì)算atom invariants.

-. ECFP 的atom invariants 是 連接信息 -. FCFP 的atom invariants 是 fature-based invariants

RDKit中Morgan算法支持的feature 有

ECFP4 和 FCFP4 中的4代表是摩根指紋的直徑為4，半徑為2。 這樣默認(rèn)半徑為2的摩根指紋就是ECFP4指紋。 半徑為2切考慮feature-based invariants 得到的指紋為FCFP4指紋。

基于指紋計(jì)算相似性

相似性計(jì)算方法有：

Tanimoto, 默認(rèn)的方法
Dice,
Cosine,
Sokal,
Russel,
Kulczynski,
McConnaughey, and
Tversky.

可以獲取原子（），獲取健（），獲取三維坐標(biāo)（如果有的話）

總結(jié)

以上是生活随笔為你收集整理的rdkit学习的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。