RDKit:化學指紋(Chemical Fingerprinting)

化學指紋識別是一種將繪制的分子轉(zhuǎn)換為0和1位的流的方法聊训。舊指紋類型是MACCS密鑰,由前MDL開發(fā)恢氯,作為在分子數(shù)據(jù)庫中進行子結(jié)構(gòu)篩選的快速方法带斑。公共版本包含166個鍵,即166 0和1勋拟,其中每個鍵對應(yīng)于特定的分子特征勋磕,例如存在羰基(鍵154:('[#6] = [#8]',0)指黎,RDkit中的#C = O.實現(xiàn)).RDkit中可用的另一種指紋是摩根型指紋朋凉,它是一種圓形指紋。每個原子的環(huán)境和連通性被分析到給定的半徑醋安,并且每種可能性都被編碼。通常使用散列算法將很多可能性壓縮到預(yù)定長度墓毒,例如1024吓揪。因此,圓形指紋是原子類型和分子連通性的系統(tǒng)探索所计,而MACCS鍵依賴于要匹配的預(yù)定義分子特征柠辞。

#!/usr/bin/python3
# In[1]:
from rdkit import Chem
from rdkit.Chem import AllChem
from rdkit.Chem import MACCSkeys
from rdkit.Chem import DataStructs
# In[2]:
mol = Chem.MolFromSmiles('CCCN')
mol2 = Chem.MolFromSmiles('CCCO')
# In[3]:
fp1 = MACCSkeys.GenMACCSKeys(mol)
# In[4]:
print (fp1.ToBitString())
# out[4]:
00000000000000000000000000000000000000000000000000000000000000000000000000000000001010000000000000001000100000010011001000000000000000000000000000010001010100101100000
# In[5]:
fp1_morgan = AllChem.GetMorganFingerprint(mol,2)
# In[6]:
print (fp1_morgan.GetLength())
# out[6]:
4294967295
# In[7]:
fp1_morgan_hashed = AllChem.GetMorganFingerprintAsBitVect(mol,2,nBits=1024)
# In[8]:
fp1_morgan_hashed.ToBitString()
# out[8]:
'0000000000000000000000100000000001000000000000000000000000000000000000000000000010000000000000000000000000000000000000000000000000000000000000000001000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000001000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000010000000000000000000001000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000001000000000000000000000000000000000000000000'
# In[9]:
fp2 = MACCSkeys.GenMACCSKeys(mol2)
# In[10]:
print (fp2.ToBitString())
# out[10]:
00000000000000000000000000000000000000000000000000000000000000000000000000000000001000000000000000000000100001000011001000000000000010000001000000010000010101001000100
# In[11]:
fp2_morgan = AllChem.GetMorganFingerprint(mol2,2)
# In[12]:
print (fp2_morgan.GetLength())
# out[12]:
4294967295
# In[13]:
fp2_morgan_hashed = AllChem.GetMorganFingerprintAsBitVect(mol2,2,nBits=1024)
# out[13]:
'0000000000000000000000000000000001000000000000000000000000000000000000000000000010000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000001000000000000000000000000000000100000000000000000000000000000000000000001000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000010000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000010000000000001000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000'
# In[14]:
fp2_morgan_hashed.ToBitString()
# In[15]:
DataStructs.FingerprintSimilarity(fp1,fp2)
# out[15]:
0.45
# In[16]:
DataStructs.FingerprintSimilarity(fp1_morgan_hashed,fp2_morgan_hashed)
# out[16]:
0.3333333333333333

https://blog.csdn.net/u012325865/article/details/81784517


DrugAI
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市主胧,隨后出現(xiàn)的幾起案子叭首,更是在濱河造成了極大的恐慌,老刑警劉巖踪栋,帶你破解...
    沈念sama閱讀 218,122評論 6 505
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件焙格,死亡現(xiàn)場離奇詭異,居然都是意外死亡夷都,警方通過查閱死者的電腦和手機眷唉,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,070評論 3 395
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人冬阳,你說我怎么就攤上這事蛤虐。” “怎么了肝陪?”我有些...
    開封第一講書人閱讀 164,491評論 0 354
  • 文/不壞的土叔 我叫張陵驳庭,是天一觀的道長。 經(jīng)常有香客問我氯窍,道長嚷掠,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,636評論 1 293
  • 正文 為了忘掉前任荞驴,我火速辦了婚禮不皆,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘熊楼。我一直安慰自己霹娄,他們只是感情好,可當我...
    茶點故事閱讀 67,676評論 6 392
  • 文/花漫 我一把揭開白布鲫骗。 她就那樣靜靜地躺著犬耻,像睡著了一般。 火紅的嫁衣襯著肌膚如雪执泰。 梳的紋絲不亂的頭發(fā)上枕磁,一...
    開封第一講書人閱讀 51,541評論 1 305
  • 那天,我揣著相機與錄音术吝,去河邊找鬼计济。 笑死,一個胖子當著我的面吹牛排苍,可吹牛的內(nèi)容都是我干的沦寂。 我是一名探鬼主播,決...
    沈念sama閱讀 40,292評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼淘衙,長吁一口氣:“原來是場噩夢啊……” “哼传藏!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起彤守,我...
    開封第一講書人閱讀 39,211評論 0 276
  • 序言:老撾萬榮一對情侶失蹤毯侦,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后具垫,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體侈离,經(jīng)...
    沈念sama閱讀 45,655評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,846評論 3 336
  • 正文 我和宋清朗相戀三年做修,在試婚紗的時候發(fā)現(xiàn)自己被綠了霍狰。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片抡草。...
    茶點故事閱讀 39,965評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖蔗坯,靈堂內(nèi)的尸體忽然破棺而出康震,到底是詐尸還是另有隱情,我是刑警寧澤宾濒,帶...
    沈念sama閱讀 35,684評論 5 347
  • 正文 年R本政府宣布腿短,位于F島的核電站,受9級特大地震影響绘梦,放射性物質(zhì)發(fā)生泄漏橘忱。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,295評論 3 329
  • 文/蒙蒙 一卸奉、第九天 我趴在偏房一處隱蔽的房頂上張望钝诚。 院中可真熱鬧,春花似錦榄棵、人聲如沸凝颇。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,894評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽拧略。三九已至,卻和暖如春瘪弓,著一層夾襖步出監(jiān)牢的瞬間垫蛆,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,012評論 1 269
  • 我被黑心中介騙來泰國打工腺怯, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留袱饭,地道東北人。 一個月前我還...
    沈念sama閱讀 48,126評論 3 370
  • 正文 我出身青樓瓢喉,卻偏偏與公主長得像宁赤,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子栓票,可洞房花燭夜當晚...
    茶點故事閱讀 44,914評論 2 355

推薦閱讀更多精彩內(nèi)容