一刑桑、摩根分子指紋計(jì)算
- 1.簡介
- 2.SparseIntVects
- 3.ExplicitBitVects4
- 4.FCFPs
- 5.更多泛化
二蝇刀、摩根分子指紋提取
- 1.提取方法一
- 2.提取方法二
三、指紋可視化

一直焙、摩根分子指紋計(jì)算

1.簡介

摩根分子指紋（Morgan Fingerprints）景东，是一種圓形指紋，也屬于拓?fù)湫椭讣y奔誓，是通過對標(biāo)準(zhǔn)的摩根算法進(jìn)行改造后得到斤吐。可以大致等同于擴(kuò)展連通性指紋（Extended-Connectivity Fingerprints，ECFPs）和措。

這類指紋有諸多優(yōu)點(diǎn)庄呈，例如計(jì)算速度快、沒有經(jīng)過預(yù)定義（可以表示無窮多種不同的分子特征）臼婆、可以包含手性信息抒痒、指紋中的每個(gè)元素代表一種特定子結(jié)構(gòu)幌绍、可以方便地進(jìn)行分析和解釋颁褂、可以根據(jù)不同的需要進(jìn)行相應(yīng)的修改等。這類指紋設(shè)計(jì)的最初目的是用于搜索與活性相關(guān)的分子特征傀广，而非子結(jié)構(gòu)搜索颁独。此外也可以用于相似性搜索、聚類伪冰、虛擬篩選等方向誓酒。指紋的生成過程大致分為以下幾個(gè)步驟：

1.原子初始化。為每個(gè)重原子分配一個(gè)整數(shù)標(biāo)識(shí)符
2.迭代更新贮聂。以每個(gè)重原子為中心靠柑，將周圍一圈的重原子合并進(jìn)來，直到到達(dá)指定半徑吓懈。
3.特征生成歼冰。對子結(jié)構(gòu)進(jìn)行運(yùn)算，并生成特征列表耻警。

更多內(nèi)容可以參考ChemAxon的介紹隔嫡，還有ECFPs的文章。

ECFPs可以捕捉到精確的子結(jié)構(gòu)細(xì)節(jié)甘穿，相對應(yīng)的腮恩，功能基指紋（Functional class fingerprints，F(xiàn)CFPs）則更為泛化温兼，可以將同一類功能基作為一種特征結(jié)構(gòu)秸滴。在rdkit中兩種特征都可以通過GetMorganFingerprint實(shí)現(xiàn)。

先定義兩個(gè)分子

>>> from rdkit import Chem
>>> from rdkit import DataStructs
>>> from rdkit.Chem import AllChem
>>> from rdkit.Chem import Draw
>>> m1 = Chem.MolFromSmiles('ClC1=COCNC1')
>>> m2 = Chem.MolFromSmiles('BrC1=COCNC1')
>>> Draw.MolsToGridImage([m1, m2], subImgSize=(150, 150), legends=['ClC1CNCOC1', 'BrC1CNCOC1'])

輸入兩個(gè)分子

以SparseIntVects方式生成ECFPs指紋：GetMorganFingerprint(mol, radius, ...)
或者稱為SparseBitVects
mol：mol對象
radius：考慮半徑
使用Dice方法比較兩個(gè)指紋的相似性：DiceSimilarity()

>>> fp1 = AllChem.GetMorganFingerprint(m1, 2)
>>> fp2 = AllChem.GetMorganFingerprint(m2, 2)
>>> DataStructs.DiceSimilarity(fp1, fp2)
0.7

查看長度：GetLength()
返回指紋的長度
查看非空元素：GetNonzeroElements()
返回值是一個(gè)字典募判，鍵對應(yīng)非空指紋的位數(shù)荡含，值是指紋出現(xiàn)的頻數(shù)

>>> print(fp1.GetLength())
4294967295
>>> print(fp1.GetNonzeroElements())
{39328034: 1, 211414882: 1, 362715007: 1, 2626911012: 1, 2968968094: 2, ...}

3.ExplicitBitVects

以ExplicitBitVects方式生成ECFPs指紋：GetMorganFingerprintAsBitVect(mol, radius, nBits, ...)
radius：考慮半徑
nBits：長度

>>> fp1 = AllChem.GetMorganFingerprintAsBitVect(m1, 2, nBits=1024)
>>> fp2 = AllChem.GetMorganFingerprintAsBitVect(m2, 2, nBits=1024)
>>> DataStructs.DiceSimilarity(fp1, fp2)
0.6842105263157895

4.FCFPs

通過設(shè)置useFeatures=True生成FCFPs
可以看到ffp1和ffp2完全一致，即Cl和Br在特征上被歸為一類

>>> ffp1 = AllChem.GetMorganFingerprintAsBitVect(m1, 2, nBits=10, useFeatures=True)
>>> ffp2 = AllChem.GetMorganFingerprintAsBitVect(m2, 2, nBits=10, useFeatures=True)
>>> DataStructs.DiceSimilarity(ffp1, ffp2)
1.0

查看向量長度：GetNumBits()
將指紋轉(zhuǎn)成字符串：ToBitString()

>>> print(ffp1.GetNumBits())
10
>>> print(ffp1.ToBitString())
1111101111

5.更多泛化

通過設(shè)置invariants兰伤，忽略原子類型内颗，關(guān)注分子骨架
先來初始化三個(gè)分子

>>> m2 = Chem.MolFromSmiles('BrC1=CCCCC1')
>>> m3 = Chem.MolFromSmiles('BrC1CCCCC1')
>>> Draw.MolsToGridImage([m1, m2, m3], subImgSize=(200, 150))

泛化介紹

>>> fp1 = AllChem.GetMorganFingerprint(m1, 2, invariants=[1]*m1.GetNumAtoms())
>>> fp2 = AllChem.GetMorganFingerprint(m2, 2, invariants=[1]*m2.GetNumAtoms())
>>> fp3 = AllChem.GetMorganFingerprint(m3, 2, invariants=[1]*m3.GetNumAtoms())
>>> fp1 == fp2
True

比較fp1和fp2，可以看到指紋忽略了N敦腔、O均澳、C等差異，即fp1和fp2指紋一致，但這個(gè)時(shí)候還會(huì)考慮鍵的信息找前。例如比較fp1和fp3糟袁，它們是不相等的。

>>> fp1 == fp3
False

通過設(shè)置useBondTypes躺盛，忽略鍵的類型

>>> fp1 = AllChem.GetMorganFingerprint(m1, 2, invariants=[1]*m1.GetNumAtoms(), useBondTypes=False)
>>> fp3 = AllChem.GetMorganFingerprint(m1, 2, invariants=[1]*m3.GetNumAtoms(), useBondTypes=False)
>>> fp1 == fp3
True

二项戴、摩根分子指紋提取

在生成分子指紋過程中，通過向參數(shù)bitInfo傳入字典槽惫，可以獲取所有非空指紋信息
字典info鍵表示位的索引周叮，值為原子索引、半徑構(gòu)成的元組界斜，出現(xiàn)多個(gè)元組時(shí)仿耽，表示子結(jié)構(gòu)出現(xiàn)了多次
鍵為2968968094的值中含有多個(gè)元組，表示原子索引為4,6各薇，半徑為0的子結(jié)構(gòu)相同项贺，都記錄在這一位上

>>> info = {}
>>> fp_explain = AllChem.GetMorganFingerprint(m1, 2, bitInfo=info)
>>> info
{39328034: ((1, 1),),
 211414882: ((5, 2),),
 362715007: ((6, 1),),
 397705891: ((4, 1),),
 718785834: ((1, 2),),
 1016841875: ((0, 0),),
 1078999752: ((3, 1),),
 1289643292: ((5, 1),),
 2132511834: ((5, 0),),
 2626911012: ((4, 2),),
 2968968094: ((4, 0), (6, 0)),
 ...｝

1.提取方法一

以提取出211414882的結(jié)構(gòu)為例，首先提取m1中峭判，半徑為2开缎，第5個(gè)原子的結(jié)構(gòu)
submol接收提取出的子結(jié)構(gòu)
amap用于接收原子索引的映射關(guān)系，鍵為原始分子中的原子索引林螃，值為子結(jié)構(gòu)中的原子索引
env是被提取出的鍵的索引

>>> amap = {}
>>> env = Chem.FindAtomEnvironmentOfRadiusN(m1, 2, 5)
>>> submol=Chem.PathToSubmol(m1, env, atomMap=amap)
>>> print(amap)
{1: 4, 3: 0, 4: 1, 5: 2, 6: 3}
>>> print(list(env))
[4, 5, 3, 6]

用SMILES表示該子結(jié)構(gòu)

>>> Chem.MolToSmiles(submol)
'CCNCO'

以第5個(gè)原子為中心奕删，用SMILES表示該子結(jié)構(gòu)，可以看出是氮原子

>>> Chem.MolToSmiles(submol, rootedAtAtom=amap[5], canonical=False)
'N(CO)CC'

2.提取方法二

遍歷env中的所有鍵治宣，獲取鍵連接的所有原子急侥，保存在atoms中
通過給定分子，及要提取的原子信息侮邀、鍵信息坏怪，獲取子結(jié)構(gòu)

>>> atoms=set()
>>> for bidx in env: 
>>>     atoms.add(m1.GetBondWithIdx(bidx).GetBeginAtomIdx())
>>>     atoms.add(m1.GetBondWithIdx(bidx).GetEndAtomIdx())
>>> Chem.MolFragmentToSmiles(m1, atomsToUse=list(atoms), bondsToUse=env, rootedAtAtom=5)
'N(CC)CO'

三、指紋可視化

查看211414882代表的子結(jié)構(gòu)

繪制子結(jié)構(gòu)：DrawMorganBit(mol, bitId, bitInfo, ...)
mol：mol對象
bitId：要查看的bit id
bitInfo：指紋信息

>>> Draw.DrawMorganBit(m1, 211414882, info)

morgan指紋

在ECFPs中的顏色的含義：
藍(lán)色：表示中心原子
黃色：表示帶有芳香性質(zhì)的原子
灰色：表示在脂肪環(huán)中的原子

>>> mol = Chem.MolFromSmiles('c1ccccc1CC1CC1')
>>> bi = {}
>>> fp = AllChem.GetMorganFingerprintAsBitVect(mol, radius=2, bitInfo=bi)
>>> Draw.DrawMorganBit(mol, 872, bi)

morgan指紋2

本文參考自rdkit官方文檔绊茧。
代碼及源文件在這里铝宵。

RDKit|摩根分子指紋計(jì)算假颇、提取與可視化

RDKit|摩根分子指紋計(jì)算瓷胧、提取與可視化