File: Getting_Started_with_RDKit_in_Python_jp.rst

package info (click to toggle)
rdkit 202009.4-1
  • links: PTS, VCS
  • area: main
  • in suites: bullseye
  • size: 129,624 kB
  • sloc: cpp: 288,030; python: 75,571; java: 6,999; ansic: 5,481; sql: 1,968; yacc: 1,842; lex: 1,254; makefile: 572; javascript: 461; xml: 229; fortran: 183; sh: 134; cs: 93
file content (2828 lines) | stat: -rw-r--r-- 146,918 bytes parent folder | download | duplicates (2)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
1001
1002
1003
1004
1005
1006
1007
1008
1009
1010
1011
1012
1013
1014
1015
1016
1017
1018
1019
1020
1021
1022
1023
1024
1025
1026
1027
1028
1029
1030
1031
1032
1033
1034
1035
1036
1037
1038
1039
1040
1041
1042
1043
1044
1045
1046
1047
1048
1049
1050
1051
1052
1053
1054
1055
1056
1057
1058
1059
1060
1061
1062
1063
1064
1065
1066
1067
1068
1069
1070
1071
1072
1073
1074
1075
1076
1077
1078
1079
1080
1081
1082
1083
1084
1085
1086
1087
1088
1089
1090
1091
1092
1093
1094
1095
1096
1097
1098
1099
1100
1101
1102
1103
1104
1105
1106
1107
1108
1109
1110
1111
1112
1113
1114
1115
1116
1117
1118
1119
1120
1121
1122
1123
1124
1125
1126
1127
1128
1129
1130
1131
1132
1133
1134
1135
1136
1137
1138
1139
1140
1141
1142
1143
1144
1145
1146
1147
1148
1149
1150
1151
1152
1153
1154
1155
1156
1157
1158
1159
1160
1161
1162
1163
1164
1165
1166
1167
1168
1169
1170
1171
1172
1173
1174
1175
1176
1177
1178
1179
1180
1181
1182
1183
1184
1185
1186
1187
1188
1189
1190
1191
1192
1193
1194
1195
1196
1197
1198
1199
1200
1201
1202
1203
1204
1205
1206
1207
1208
1209
1210
1211
1212
1213
1214
1215
1216
1217
1218
1219
1220
1221
1222
1223
1224
1225
1226
1227
1228
1229
1230
1231
1232
1233
1234
1235
1236
1237
1238
1239
1240
1241
1242
1243
1244
1245
1246
1247
1248
1249
1250
1251
1252
1253
1254
1255
1256
1257
1258
1259
1260
1261
1262
1263
1264
1265
1266
1267
1268
1269
1270
1271
1272
1273
1274
1275
1276
1277
1278
1279
1280
1281
1282
1283
1284
1285
1286
1287
1288
1289
1290
1291
1292
1293
1294
1295
1296
1297
1298
1299
1300
1301
1302
1303
1304
1305
1306
1307
1308
1309
1310
1311
1312
1313
1314
1315
1316
1317
1318
1319
1320
1321
1322
1323
1324
1325
1326
1327
1328
1329
1330
1331
1332
1333
1334
1335
1336
1337
1338
1339
1340
1341
1342
1343
1344
1345
1346
1347
1348
1349
1350
1351
1352
1353
1354
1355
1356
1357
1358
1359
1360
1361
1362
1363
1364
1365
1366
1367
1368
1369
1370
1371
1372
1373
1374
1375
1376
1377
1378
1379
1380
1381
1382
1383
1384
1385
1386
1387
1388
1389
1390
1391
1392
1393
1394
1395
1396
1397
1398
1399
1400
1401
1402
1403
1404
1405
1406
1407
1408
1409
1410
1411
1412
1413
1414
1415
1416
1417
1418
1419
1420
1421
1422
1423
1424
1425
1426
1427
1428
1429
1430
1431
1432
1433
1434
1435
1436
1437
1438
1439
1440
1441
1442
1443
1444
1445
1446
1447
1448
1449
1450
1451
1452
1453
1454
1455
1456
1457
1458
1459
1460
1461
1462
1463
1464
1465
1466
1467
1468
1469
1470
1471
1472
1473
1474
1475
1476
1477
1478
1479
1480
1481
1482
1483
1484
1485
1486
1487
1488
1489
1490
1491
1492
1493
1494
1495
1496
1497
1498
1499
1500
1501
1502
1503
1504
1505
1506
1507
1508
1509
1510
1511
1512
1513
1514
1515
1516
1517
1518
1519
1520
1521
1522
1523
1524
1525
1526
1527
1528
1529
1530
1531
1532
1533
1534
1535
1536
1537
1538
1539
1540
1541
1542
1543
1544
1545
1546
1547
1548
1549
1550
1551
1552
1553
1554
1555
1556
1557
1558
1559
1560
1561
1562
1563
1564
1565
1566
1567
1568
1569
1570
1571
1572
1573
1574
1575
1576
1577
1578
1579
1580
1581
1582
1583
1584
1585
1586
1587
1588
1589
1590
1591
1592
1593
1594
1595
1596
1597
1598
1599
1600
1601
1602
1603
1604
1605
1606
1607
1608
1609
1610
1611
1612
1613
1614
1615
1616
1617
1618
1619
1620
1621
1622
1623
1624
1625
1626
1627
1628
1629
1630
1631
1632
1633
1634
1635
1636
1637
1638
1639
1640
1641
1642
1643
1644
1645
1646
1647
1648
1649
1650
1651
1652
1653
1654
1655
1656
1657
1658
1659
1660
1661
1662
1663
1664
1665
1666
1667
1668
1669
1670
1671
1672
1673
1674
1675
1676
1677
1678
1679
1680
1681
1682
1683
1684
1685
1686
1687
1688
1689
1690
1691
1692
1693
1694
1695
1696
1697
1698
1699
1700
1701
1702
1703
1704
1705
1706
1707
1708
1709
1710
1711
1712
1713
1714
1715
1716
1717
1718
1719
1720
1721
1722
1723
1724
1725
1726
1727
1728
1729
1730
1731
1732
1733
1734
1735
1736
1737
1738
1739
1740
1741
1742
1743
1744
1745
1746
1747
1748
1749
1750
1751
1752
1753
1754
1755
1756
1757
1758
1759
1760
1761
1762
1763
1764
1765
1766
1767
1768
1769
1770
1771
1772
1773
1774
1775
1776
1777
1778
1779
1780
1781
1782
1783
1784
1785
1786
1787
1788
1789
1790
1791
1792
1793
1794
1795
1796
1797
1798
1799
1800
1801
1802
1803
1804
1805
1806
1807
1808
1809
1810
1811
1812
1813
1814
1815
1816
1817
1818
1819
1820
1821
1822
1823
1824
1825
1826
1827
1828
1829
1830
1831
1832
1833
1834
1835
1836
1837
1838
1839
1840
1841
1842
1843
1844
1845
1846
1847
1848
1849
1850
1851
1852
1853
1854
1855
1856
1857
1858
1859
1860
1861
1862
1863
1864
1865
1866
1867
1868
1869
1870
1871
1872
1873
1874
1875
1876
1877
1878
1879
1880
1881
1882
1883
1884
1885
1886
1887
1888
1889
1890
1891
1892
1893
1894
1895
1896
1897
1898
1899
1900
1901
1902
1903
1904
1905
1906
1907
1908
1909
1910
1911
1912
1913
1914
1915
1916
1917
1918
1919
1920
1921
1922
1923
1924
1925
1926
1927
1928
1929
1930
1931
1932
1933
1934
1935
1936
1937
1938
1939
1940
1941
1942
1943
1944
1945
1946
1947
1948
1949
1950
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
2025
2026
2027
2028
2029
2030
2031
2032
2033
2034
2035
2036
2037
2038
2039
2040
2041
2042
2043
2044
2045
2046
2047
2048
2049
2050
2051
2052
2053
2054
2055
2056
2057
2058
2059
2060
2061
2062
2063
2064
2065
2066
2067
2068
2069
2070
2071
2072
2073
2074
2075
2076
2077
2078
2079
2080
2081
2082
2083
2084
2085
2086
2087
2088
2089
2090
2091
2092
2093
2094
2095
2096
2097
2098
2099
2100
2101
2102
2103
2104
2105
2106
2107
2108
2109
2110
2111
2112
2113
2114
2115
2116
2117
2118
2119
2120
2121
2122
2123
2124
2125
2126
2127
2128
2129
2130
2131
2132
2133
2134
2135
2136
2137
2138
2139
2140
2141
2142
2143
2144
2145
2146
2147
2148
2149
2150
2151
2152
2153
2154
2155
2156
2157
2158
2159
2160
2161
2162
2163
2164
2165
2166
2167
2168
2169
2170
2171
2172
2173
2174
2175
2176
2177
2178
2179
2180
2181
2182
2183
2184
2185
2186
2187
2188
2189
2190
2191
2192
2193
2194
2195
2196
2197
2198
2199
2200
2201
2202
2203
2204
2205
2206
2207
2208
2209
2210
2211
2212
2213
2214
2215
2216
2217
2218
2219
2220
2221
2222
2223
2224
2225
2226
2227
2228
2229
2230
2231
2232
2233
2234
2235
2236
2237
2238
2239
2240
2241
2242
2243
2244
2245
2246
2247
2248
2249
2250
2251
2252
2253
2254
2255
2256
2257
2258
2259
2260
2261
2262
2263
2264
2265
2266
2267
2268
2269
2270
2271
2272
2273
2274
2275
2276
2277
2278
2279
2280
2281
2282
2283
2284
2285
2286
2287
2288
2289
2290
2291
2292
2293
2294
2295
2296
2297
2298
2299
2300
2301
2302
2303
2304
2305
2306
2307
2308
2309
2310
2311
2312
2313
2314
2315
2316
2317
2318
2319
2320
2321
2322
2323
2324
2325
2326
2327
2328
2329
2330
2331
2332
2333
2334
2335
2336
2337
2338
2339
2340
2341
2342
2343
2344
2345
2346
2347
2348
2349
2350
2351
2352
2353
2354
2355
2356
2357
2358
2359
2360
2361
2362
2363
2364
2365
2366
2367
2368
2369
2370
2371
2372
2373
2374
2375
2376
2377
2378
2379
2380
2381
2382
2383
2384
2385
2386
2387
2388
2389
2390
2391
2392
2393
2394
2395
2396
2397
2398
2399
2400
2401
2402
2403
2404
2405
2406
2407
2408
2409
2410
2411
2412
2413
2414
2415
2416
2417
2418
2419
2420
2421
2422
2423
2424
2425
2426
2427
2428
2429
2430
2431
2432
2433
2434
2435
2436
2437
2438
2439
2440
2441
2442
2443
2444
2445
2446
2447
2448
2449
2450
2451
2452
2453
2454
2455
2456
2457
2458
2459
2460
2461
2462
2463
2464
2465
2466
2467
2468
2469
2470
2471
2472
2473
2474
2475
2476
2477
2478
2479
2480
2481
2482
2483
2484
2485
2486
2487
2488
2489
2490
2491
2492
2493
2494
2495
2496
2497
2498
2499
2500
2501
2502
2503
2504
2505
2506
2507
2508
2509
2510
2511
2512
2513
2514
2515
2516
2517
2518
2519
2520
2521
2522
2523
2524
2525
2526
2527
2528
2529
2530
2531
2532
2533
2534
2535
2536
2537
2538
2539
2540
2541
2542
2543
2544
2545
2546
2547
2548
2549
2550
2551
2552
2553
2554
2555
2556
2557
2558
2559
2560
2561
2562
2563
2564
2565
2566
2567
2568
2569
2570
2571
2572
2573
2574
2575
2576
2577
2578
2579
2580
2581
2582
2583
2584
2585
2586
2587
2588
2589
2590
2591
2592
2593
2594
2595
2596
2597
2598
2599
2600
2601
2602
2603
2604
2605
2606
2607
2608
2609
2610
2611
2612
2613
2614
2615
2616
2617
2618
2619
2620
2621
2622
2623
2624
2625
2626
2627
2628
2629
2630
2631
2632
2633
2634
2635
2636
2637
2638
2639
2640
2641
2642
2643
2644
2645
2646
2647
2648
2649
2650
2651
2652
2653
2654
2655
2656
2657
2658
2659
2660
2661
2662
2663
2664
2665
2666
2667
2668
2669
2670
2671
2672
2673
2674
2675
2676
2677
2678
2679
2680
2681
2682
2683
2684
2685
2686
2687
2688
2689
2690
2691
2692
2693
2694
2695
2696
2697
2698
2699
2700
2701
2702
2703
2704
2705
2706
2707
2708
2709
2710
2711
2712
2713
2714
2715
2716
2717
2718
2719
2720
2721
2722
2723
2724
2725
2726
2727
2728
2729
2730
2731
2732
2733
2734
2735
2736
2737
2738
2739
2740
2741
2742
2743
2744
2745
2746
2747
2748
2749
2750
2751
2752
2753
2754
2755
2756
2757
2758
2759
2760
2761
2762
2763
2764
2765
2766
2767
2768
2769
2770
2771
2772
2773
2774
2775
2776
2777
2778
2779
2780
2781
2782
2783
2784
2785
2786
2787
2788
2789
2790
2791
2792
2793
2794
2795
2796
2797
2798
2799
2800
2801
2802
2803
2804
2805
2806
2807
2808
2809
2810
2811
2812
2813
2814
2815
2816
2817
2818
2819
2820
2821
2822
2823
2824
2825
2826
2827
2828
PythonでRDKitを始めよう
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
[`Getting Started with RDKit in Python <https://www.rdkit.org/docs/GettingStartedInPython.html#getting-started-with-the-rdkit-in-python>`__]

このページについて
***************************************************
[`What is this? <https://www.rdkit.org/docs/GettingStartedInPython.html#what-is-this>`__]

このページはどうすればPythonからRDKitの機能を使うことができるか、その大まかな見取り図を提供することを目的としています。網羅的なものではありませんし、マニュアルでもありません。

間違いに気づいた場合や、こうした方が良いといった提案があればソースドキュメント(.rstファイル)をご自身で修正するか、もしくはメーリングリスト(\ rdkit-devel@lists.sourceforge.net\ )に送ってください。特に、ここに書かれていないことで、どうすれば良いか解決するのに時間がかかったことがあれば、ぜひ書き加えてください。このページへの貢献はRDKitコミュニティにもあなた自身の将来にとっても、とてもためになるでしょう。

分子の読み込みと書き込み
***************************************************
[`Reading and Writing Molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#reading-and-writing-molecules>`__]

.. _back-to-ref_1:

1分子の読み込み
==========================================================
[`Reading single molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#reading-single-molecules>`__]

基本的な分子を取り扱う機能の多くは\ `rdkit.Chem <https://www.rdkit.org/docs/source/rdkit.Chem.html#module-rdkit.Chem>`__\ モジュールに含まれています。

.. code:: python

   >>> from __future__ import print_function
   >>> from rdkit import Chem

一つ一つの分子は様々な方法で構築することができます。例えば:

.. code:: python

   >>> m = Chem.MolFromSmiles('Cc1ccccc1')
   >>> m = Chem.MolFromMolFile('data/input.mol')
   >>> stringWithMolData=open('datainput.mol','r').read()
   >>> m = Chem.MolFromMolBlock(stringWithMolData)

うまくいけばこれらの関数はすべて\ `rdkit.Chem.rdchem.Mol <https://www.rdkit.org/docs/source/rdkit.Chem.rdchem.html#rdkit.Chem.rdchem.Mol>`__\ オブジェクトを返します。

.. code:: python

   >>> m
   <rdkit.Chem.rdchem.Mol object at 0x...>

失敗した場合は None を返します:

.. code:: python

   >>> m = Chem.MolFromMolFile('data/invalid.mol')
   >>> m is None
   True

エラーメッセージの感覚を掴むためにわざとおかしなことをしてみましょう:

.. code:: python

   >>> m1 = Chem.MolFromSmiles('CO(C)C')

以下のようなメッセージが表示されます:\ ``[12:18:01] Explicit valence for atom # 1 O greater than permitted``\ また、

.. code:: python

   >>> m2 = Chem.MolFromSmiles('c1cc1')

このようなメッセージが出ます:\ ``[12:20:41] Can't kekulize mol``\ 。どちらの場合も\ ``None``\ 値が返されます:

.. code:: python

   >>> m1 is None
   True
   >>> m2 is None
   True

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_1>`\ へ

まとまった数の分子を読み込む
==========================================================
[`Reading sets of molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#reading-sets-of-molecules>`__]

分子の集合はSupplierを使うことで読み込めます。 (例えば
`rdkit.Chem.rdmolfiles.SDMolSupplier <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolfiles.html#rdkit.Chem.rdmolfiles.SDMolSupplier>`__\ や\ `rdkit.Chem.rdmolfiles.SmilesMolSupplier <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolfiles.html#rdkit.Chem.rdmolfiles.SmilesMolSupplier>`__\ などです。)

.. code:: python

   >>> suppl = Chem.SDMolSupplier('data/5ht3ligs.sdf')
   >>> for mol in suppl:
   ...   print(mol.GetNumAtoms())
   ...
   20
   24
   24
   26

Supplierから簡単に分子のリストを作ることが可能です。

.. code:: python

   >>> mols = [x for x in suppl]
   >>> len(mols)
   4

あるいは単純にSupplier自体をランダムアクセスオブジェクトとして扱うことも可能です:

.. code:: python

   >>> suppl[0].GetNumAtoms()
   20

グッドプラクティスとしては、個々の分子が正しく読み込まれているかどうか、処理を行うまえにテストすることをお勧めします:

.. code:: python

   >>> suppl = Chem.SDMolSupplier('data/5ht3ligs.sdf')
   >>> for mol in suppl:
   ...   if mol is None: continue
   ...   print(mol.GetNumAtoms())
   ...
   20
   24
   24
   26

Supplierの代わりとなるものとして、ファイルのようなオブジェクトから読みこむ際に、\ `rdkit.Chem.rdmolfiles.ForwardSDMolSupplier <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolfiles.html#rdkit.Chem.rdmolfiles.ForwardSDMolSupplier>`__\ が使えます。

.. code:: python

   >>> inf = open('data/5ht3ligs.sdf','rb')
   >>> fsuppl = Chem.ForwardSDMolSupplier(inf)
   >>> for mol in fsuppl:
   ...   if mol is None: continue
   ...   print(mol.GetNumAtoms())
   ...
   20
   24
   24
   26

つまり、圧縮ファイルから読み込む際にも使えます。

.. code:: python

   >>> import gzip
   >>> inf = gzip.open('data/actives_5ht3.sdf.gz')
   >>> gzsuppl = Chem.ForwardSDMolSupplier(inf)
   >>> ms = [x for x in gzsuppl if x is not None]
   >>> len(ms)
   180

ForwardSDMolSuppliersはランダムアクセスオブジェクトとしては使えないことに気をつけてください。

.. code:: python

   >>> fsuppl[0]
   Traceback (most recent call last):
     ...
   TypeError: 'ForwardSDMolSupplier' object does not support indexing

分子の書き込み
==========================================================
[`Writing molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#writing-molecules>`__]

分子が一つの場合、\ `rdkit.Chem <https://www.rdkit.org/docs/source/rdkit.Chem.html#module-rdkit.Chem>`__\ モジュールにある複数の関数でテキスト形式に変換することができます。

例えば、SMILESに変換したい場合次のようにします:

.. code:: python

   >>> m = Chem.MolFromMolFile('data/chiral.mol')
   >>> Chem.MolToSmiles(m)
   'C[C@H](O)c1ccccc1'
   >>> Chem.MolToSmiles(m,isomericSmiles=False)
   'CC(O)c1ccccc1'

生成されるSMILESはcanonical SMILESであることに注視してください。つまりインプットとしてどのように分子を読み込んだとしても、同じ分子に対しては同じSMILESがアウトプットされます。

.. code:: python

   >>> Chem.MolToSmiles(Chem.MolFromSmiles('C1=CC=CN=C1'))
   'c1ccncc1'
   >>> Chem.MolToSmiles(Chem.MolFromSmiles('c1cccnc1'))
   'c1ccncc1'
   >>> Chem.MolToSmiles(Chem.MolFromSmiles('n1ccccc1'))
   'c1ccncc1'

もしケクレ形式のSMILESを作りたいなら、最初に分子をケクレ化したのち“kekuleSmiles”オプションを使ってください。

.. code:: python

   >>> Chem.Kekulize(m)
   >>> Chem.MolToSmiles(m,kekuleSmiles=True)
   'C[C@H](O)C1=CC=CC=C1'

この記事を記載している時点(2008年8月)で、kekuleSmilesをリクエストすると生成されるSMILESはカノニカルではありません。SMILESの生成段階ではなく、ケクレ化の段階自体に限界があります。

MDL Mol block も利用可能です:

.. code:: python

   >>> m2 = Chem.MolFromSmiles('C1CCC1')
   >>> print(Chem.MolToMolBlock(m2))

        RDKit          2D

     4  4  0  0  0  0  0  0  0  0999 V2000
       1.0607    0.0000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
      -0.0000   -1.0607    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
      -1.0607    0.0000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
       0.0000    1.0607    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
     1  2  1  0
     2  3  1  0
     3  4  1  0
     4  1  1  0
   M  END

mol
blockに名前を含めるためには、分子の\ ``"_Name"``\ プロパティをセットしてください:

.. code:: python

   >>> m2.SetProp("_Name","cyclobutane")
   >>> print(Chem.MolToMolBlock(m2))
   cyclobutane
        RDKit          2D

     4  4  0  0  0  0  0  0  0  0999 V2000
       1.0607    0.0000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
      -0.0000   -1.0607    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
      -1.0607    0.0000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
       0.0000    1.0607    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
     1  2  1  0
     2  3  1  0
     3  4  1  0
     4  1  1  0
   M  END

ほとんどのソフトウェアで原子や結合の立体化学を正しく認識させるためには、mol blockが原子座標を含むことが必須です。
また分子を描画する、といった様々な理由で原子座標は便利です。デフォルトでは座標を持たない分子のmol blockを生成させると、自動的に座標が生成されます。
ですが、これらは分子には格納されません。\ `rdkit.Chem.AllChem <https://www.rdkit.org/docs/source/rdkit.Chem.AllChem.html#module-rdkit.Chem.AllChem>`__\ モジュールの機能を使うと、座標を生成させ、分子に格納することができます。
(より詳細な情報は\ `Chem vs AllChem <https://www.rdkit.org/docs/GettingStartedInPython.html#chem-vs-allchem>`__\ セクションを参照してください。)

格納できる座標としてはまず2Dの座標(すなわち描画)があります:

.. code:: python

   >>> from rdkit.Chem import AllChem
   >>> AllChem.Compute2DCoords(m2)
   0
   >>> print(Chem.MolToMolBlock(m2))
   cyclobutane
        RDKit          2D

     4  4  0  0  0  0  0  0  0  0999 V2000
       1.0607   -0.0000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
      -0.0000   -1.0607    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
      -1.0607    0.0000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
       0.0000    1.0607    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
     1  2  1  0
     2  3  1  0
     3  4  1  0
     4  1  1  0
   M  END

あるいは分子に埋め込む(embedする)ことで3D座標を付け加えることもできます(この例ではETKDG法を使用しています。ETKDG法についてはより詳細に下で説明します。)

.. code:: python

   >>> AllChem.EmbedMolecule(m2)
   0
   >>> print(Chem.MolToMolBlock(m2))
   cyclobutane
        RDKit          3D

     4  4  0  0  0  0  0  0  0  0999 V2000
      -0.8321    0.5405   -0.1981 C   0  0  0  0  0  0  0  0  0  0  0  0
      -0.3467   -0.8825   -0.2651 C   0  0  0  0  0  0  0  0  0  0  0  0
       0.7190   -0.5613    0.7314 C   0  0  0  0  0  0  0  0  0  0  0  0
       0.4599    0.9032    0.5020 C   0  0  0  0  0  0  0  0  0  0  0  0
     1  2  1  0
     2  3  1  0
     3  4  1  0
     4  1  1  0
   M  END

良い3Dコンフォメーションを得るには、ほとんどの場合、まず初めに水素原子を分子に付加すること上手くいきます。

.. code:: python

   >>> m3 = Chem.AddHs(m2)
   >>> AllChem.EmbedMolecule(m3)
   0

この付加した水素原子を取り除くこともできます。

.. code:: python

   >>> m3 = Chem.RemoveHs(m3)
   >>> print(Chem.MolToMolBlock(m3))
   cyclobutane
        RDKit          3D

     4  4  0  0  0  0  0  0  0  0999 V2000
       0.3497    0.9755   -0.2202 C   0  0  0  0  0  0  0  0  0  0  0  0
       0.9814   -0.3380    0.2534 C   0  0  0  0  0  0  0  0  0  0  0  0
      -0.3384   -1.0009   -0.1474 C   0  0  0  0  0  0  0  0  0  0  0  0
      -0.9992    0.3532    0.1458 C   0  0  0  0  0  0  0  0  0  0  0  0
     1  2  1  0
     2  3  1  0
     3  4  1  0
     4  1  1  0
   M  END

分子をファイルに書き込みたい時にはPythonファイルオブジェクトを使ってください:

.. code:: python

   >>> print(Chem.MolToMolBlock(m2),file=open('data/foo.mol','w+'))
   >>>

分子の集合を書き出す方法
==========================================================
[`Writing sets of molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#writing-sets-of-molecules>`__]

分子が複数ある場合は\ `rdkit.Chem.rdmolfiles.SDWriter <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolfiles.html#rdkit.Chem.rdmolfiles.SDWriter>`__\ オブジェクトを使うことでファイルに書き出すことができます。

.. code:: python

   >>> w = Chem.SDWriter('data/foo.sdf')
   >>> for m in mols: w.write(m)
   ...
   >>>

SDWriterはfile-likeなオブジェクトを使っても初期化することができます:

.. code:: python

   >>> from rdkit.six import StringIO
   >>> sio = StringIO()
   >>> w = Chem.SDWriter(sio)
   >>> for m in mols: w.write(m)
   ...
   >>> w.flush()
   >>> print(sio.getvalue())
   mol-295
        RDKit          3D

    20 22  0  0  1  0  0  0  0  0999 V2000
       2.3200    0.0800   -0.1000 C   0  0  0  0  0  0  0  0  0  0  0  0
       1.8400   -1.2200    0.1200 C   0  0  0  0  0  0  0  0  0  0  0  0
   ...
     1  3  1  0
     1  4  1  0
     2  5  1  0
   M  END
   $$$$

他に利用可能な書き込み用のモジュールとして、\ `rdkit.Chem.rdmolfiles.SmilesWriter <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolfiles.html#rdkit.Chem.rdmolfiles.SmilesWriter>`__\ と\ `rdkit.Chem.rdmolfiles.TDTWriter <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolfiles.html#rdkit.Chem.rdmolfiles.TDTWriter>`__\ があります。

分子の取り扱い方
***************************************************
[`Working with Molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#working-with-molecules>`__]

.. _back-to-ref_2:

原子、結合をループする
==========================================================
[`Looping over Atoms and Bonds <https://www.rdkit.org/docs/GettingStartedInPython.html#looping-over-atoms-and-bonds>`__]

分子さえ準備できれば、原子と結合をループするのは簡単です:

.. code:: python

   >>> m = Chem.MolFromSmiles('C1OC1')
   >>> for atom in m.GetAtoms():
   ...   print(atom.GetAtomicNum())
   ...
   6
   8
   6
   >>> print(m.GetBonds()[0].GetBondType())
   SINGLE

一つ一つの結合や原子をリクエストすることも可能です:

.. code:: python

   >>> m.GetAtomWithIdx(0).GetSymbol()
   'C'
   >>> m.GetAtomWithIdx(0).GetExplicitValence()
   2
   >>> m.GetBondWithIdx(0).GetBeginAtomIdx()
   0
   >>> m.GetBondWithIdx(0).GetEndAtomIdx()
   1
   >>> m.GetBondBetweenAtoms(0,1).GetBondType()
   rdkit.Chem.rdchem.BondType.SINGLE

各原子にはそれぞれの隣接する原子についての情報も含まれます:

.. code:: python

   >>> atom = m.GetAtomWithIdx(0)
   >>> [x.GetAtomicNum() for x in atom.GetNeighbors()]
   [8, 6]
   >>> len(atom.GetNeighbors()[-1].GetBonds())
   2

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_2>`\ へ

.. _back-to-ref_3:

環の情報
==========================================================
[`Ring Information <https://www.rdkit.org/docs/GettingStartedInPython.html#ring-information>`__]

原子と結合はどちらも分子の環構造についての情報をもっています:

.. code:: python

   >>> m = Chem.MolFromSmiles('OC1C2C1CC2')
   >>> m.GetAtomWithIdx(0).IsInRing()
   False
   >>> m.GetAtomWithIdx(1).IsInRing()
   True
   >>> m.GetAtomWithIdx(2).IsInRingSize(3)
   True
   >>> m.GetAtomWithIdx(2).IsInRingSize(4)
   True
   >>> m.GetAtomWithIdx(2).IsInRingSize(5)
   False
   >>> m.GetBondWithIdx(1).IsInRingSize(3)
   True
   >>> m.GetBondWithIdx(1).IsInRing()
   True

ただし、最小の環構造についての情報だけであることに注意してください:

.. code:: python

   >>> m.GetAtomWithIdx(1).IsInRingSize(5)
   False

“最小の環構造についての最小のセット”(SSSR: Smallest Set of Smallest
Rings)についてのより詳細な情報も利用可能です:

.. code:: python

   >>> ssr = Chem.GetSymmSSSR(m)
   >>> len(ssr)
   2
   >>> list(ssr[0])
   [1, 2, 3]
   >>> list(ssr[1])
   [4, 5, 2, 3]

名前が示すように、これは対称化(symmetrized)されたSSSRです。もし“本当の”SSSRの数について知りたければ、GetSSSR
関数を使ってください。

.. code:: python

   >>> Chem.GetSSSR(m)
   2

対称化されたSSSRと対称化されていないSSSRの違いについては\ `The SSSR Problem <https://www.rdkit.org/docs/GettingStartedInPython.html#the-sssr-problem>`__\ セクションでより詳細に議論されています。

分子の環構造について、より効率的なクエリー(Mol.GetAtomWithIdxを繰り返し呼び出すことを避ける方法)を使用するには、\ `rdkit.Chem.rdchem.RingInfo <https://www.rdkit.org/docs/source/rdkit.Chem.rdchem.html#rdkit.Chem.rdchem.RingInfo>`__\ クラスを使ってください

.. code:: python

   >>> m = Chem.MolFromSmiles('OC1C2C1CC2')
   >>> ri = m.GetRingInfo()
   >>> ri.NumAtomRings(0)
   0
   >>> ri.NumAtomRings(1)
   1
   >>> ri.NumAtomRings(2)
   2
   >>> ri.IsAtomInRingOfSize(1,3)
   True
   >>> ri.IsBondInRingOfSize(1,3)
   True

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_3>`\ へ

.. _back-to-ref_4:

分子の修正
==========================================================
[`Modifying molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#modifying-molecules>`__]

通常、RDKitに格納された分子は水素原子が喑に扱われています(例えば、分子グラフ構造の中に水素原子は明示的にはあらわれません)。
3次元の幾何構造を生成したり、最適化するといった、水素原子を明示的に扱うことが役立つ場合には、\ `rdkit.Chem.rdmolops.AddHs() <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolops.html#rdkit.Chem.rdmolops.AddHs>`__\ 関数を使うことができます。

.. code:: python

   >>> m=Chem.MolFromSmiles('CCO')
   >>> m.GetNumAtoms()
   3
   >>> m2 = Chem.AddHs(m)
   >>> m2.GetNumAtoms()
   9

水素原子は\ `rdkit.Chem.rdmolops.RemoveHs() <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolops.html#rdkit.Chem.rdmolops.RemoveHs>`__\ 関数を使うことで取り除くことができます。

.. code:: python

   >>> m3 = Chem.RemoveHs(m2)
   >>> m3.GetNumAtoms()
   3

RDKitの分子は通常、芳香環の結合は芳香族の結合タイプの情報とともに格納されています。これは\ `rdkit.Chem.rdmolops.Kekulize() <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolops.html#rdkit.Chem.rdmolops.Kekulize>`__\ 関数を使うことで変更することが可能です。

.. code:: python

   >>> m = Chem.MolFromSmiles('c1ccccc1')
   >>> m.GetBondWithIdx(0).GetBondType()
   rdkit.Chem.rdchem.BondType.AROMATIC
   >>> Chem.Kekulize(m)
   >>> m.GetBondWithIdx(0).GetBondType()
   rdkit.Chem.rdchem.BondType.DOUBLE
   >>> m.GetBondWithIdx(1).GetBondType()
   rdkit.Chem.rdchem.BondType.SINGLE

デフォルトでは元の分子フラグが消去されていないため、結合はまだ芳香族として認識されています(clearAromaticFlagsのデフォルトはFalseです)。

.. code:: python

   >>> m.GetBondWithIdx(1).GetIsAromatic()
   True

フラグを消去するか否かは、明示的に設定(フラグをつける(True)、つけない(False))できます。

.. code:: python

   >>> m = Chem.MolFromSmiles('c1ccccc1')
   >>> m.GetBondWithIdx(0).GetIsAromatic()
   True
   >>> m1 = Chem.MolFromSmiles('c1ccccc1')
   >>> Chem.Kekulize(m1, clearAromaticFlags=True)
   >>> m1.GetBondWithIdx(0).GetIsAromatic()
   False

\ `rdkit.Chem.rdmolops.SanitizeMol() <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolops.html#rdkit.Chem.rdmolops.SanitizeMol>`__\ 関数を使えば、結合のタイプを芳香族に戻すことも可能です。

.. code:: python

   >>> Chem.SanitizeMol(m)
   rdkit.Chem.rdmolops.SanitizeFlags.SANITIZE_NONE
   >>> m.GetBondWithIdx(0).GetBondType()
   rdkit.Chem.rdchem.BondType.AROMATIC

``SanitizeMol()`` の戻り値は問題なく実行できたことを示しています。

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_4>`\ へ

2Dの分子の取り扱い:描画の生成
==========================================================
[`Working with 2D molecules: Generating Depictions <https://www.rdkit.org/docs/GettingStartedInPython.html#working-with-2d-molecules-generating-depictions>`__]

RDkitには分子の描画(2次元座標のセット)を生成するためのライブラリーがあります。AllChemモジュールに含まれるこのライブラリーは\ `rdkit.Chem.rdDepictor.Compute2DCoords() <https://www.rdkit.org/docs/source/rdkit.Chem.rdDepictor.html#rdkit.Chem.rdDepictor.Compute2DCoords>`__\ 関数によりアクセスできます。

.. code:: python

   >>> m = Chem.MolFromSmiles('c1nccc2n1ccc2')
   >>> AllChem.Compute2DCoords(m)
   0

2次元のコンフォメーションは標準化された向き(カノニカルな方向づけ)で構築されます。また、描画が最も明確になるように、分子内の重なりを最小化するように作られます。

共通骨格を有する複数の分子のセットがあり、その骨格に対して揃えて並べたい場合は、以下のようにしてください。

.. code:: python

   >>> template = Chem.MolFromSmiles('c1nccc2n1ccc2')
   >>> AllChem.Compute2DCoords(template)
   0
   >>> AllChem.GenerateDepictionMatching2DStructure(m,template)

上記のプロセスをいくつかの分子に適用すると以下のような図が得られます。

+---------------+---------------+---------------+
| |picture_1|   | |picture_0|   | |picture_3|   |
+---------------+---------------+---------------+

Compute2DCoordsのもう一つのオプションをつかうと、3Dコンフォメーションを近似した2次元描画を生成することができます。\ `rdkit.Chem.AllChem.GenerateDepictionMatching3DStructure() <https://www.rdkit.org/docs/source/rdkit.Chem.rdDepictor.html?highlight=generatedepictionmatching3dstructure#rdkit.Chem.rdDepictor.GenerateDepictionMatching3DStructure>`__\ 関数を使用すればできます。

PDB 1XP0構造の中のリガンドを使って生成した場合の結果は以下のようになります。

+---------------+---------------+
| |picture_2|   | |picture_4|   |
+---------------+---------------+

コア関数の\ `rdkit.Chem.rdDepictor.Compute2DCoordsMimicDistmat <https://www.rdkit.org/docs/source/rdkit.Chem.rdDepictor.html#rdkit.Chem.rdDepictor.Compute2DCoordsMimicDistmat>`__\
を使えばもっと高精細な調整が可能ですが、このページの範囲を超えているためここでは触れません。使用例はAllChem.py の GenerateDepictionMatching3DStructureの実装を参照してください。

.. _back-to-ref_5:

3D分子の取り扱い
==========================================================
[`Working with 3D Molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#working-with-3d-molecules>`__]

RDKitで分子のコンフォメーションを生成するには2つの方法があります。元々はDistance Geometry法を使っていました 。[#blaney]_

アルゴリズム流れは次のようになります:

1. 対象の分子の原子結合表と、一連のルールに基づいて距離拘束条件の行列(distance bounds matrix)を計算
2. 拘束条件行列は三角拘束スムージングアルゴリズム(triangle-bounds smoothing algorithm)を使ってスムージング
3. 拘束条件行列を満たす距離行列をランダムに生成
4. 生成された距離行列を3次元に埋め込み(各原子の座標を生成)
5. 生成した座標を、粗い力場(crude force field)と拘束条件行列を用いてクリーンアップ

この手順で生成されるコンフォメーションはかなり粗いものである傾向があることに気をつけてください。力場を用いたクリーンアップが必要となりますが、RDKitに実装されているUniversal
Force Field (UFF)を使うことができます。 [#rappe]_

最近になって、RinikerとLandrumの方法が実装されました [#riniker2]_。
この方法では、Distance Geometry法を用いて生成したコンフォマーを、Cambridge Structural Database(CSD)から導いた、
優先される二面角の傾向を使って修正します。この方法を使うことで、構造をクリーンアップするための最小化ステップが必要なくなります。

RDKit 2018.09 リリース版から、ETKDGがコンフォメーション生成法のデフォルトとなりました。

上述の冗長な方法と比べて、分子の埋め込みの全工程がより簡単になっているので、ETKDGの有用性がわかります。

.. code:: python

   >>> m2=Chem.AddHs(m)
   >>> AllChem.EmbedMolecule(m2)
   0

RDKitではMMFF94力場の実装も使用可能です [#mmff1]_, [#mmff2]_, [#mmff3]_, [#mmff4]_, [#mmffs]_ 。
MMFFの原子タイプを設定するコードは独自の芳香族モデルを使用するため、MMFFに関係する方法を呼び出した後で、分子の芳香族性フラグが修正されることに注意してください。

MMFF94を使ってRDKitで生成したコンフォマーを最小化する例です:

.. code:: python

   >>> m = Chem.MolFromSmiles('C1CCC1OC')
   >>> m2=Chem.AddHs(m)
   >>> AllChem.EmbedMolecule(m2)
   0
   >>> AllChem.MMFFOptimizeMolecule(m2)
   0

上記の例で\ ``Chem.AddHs()``\ を呼び出していることに注意してください。デフォルトではRDKitの分子はグラフの中に水素原子を明示的に保持していませんが、
本物らしい幾何構造を得るには重要です。したがって、一般的には水素原子を付加する必要があります。必要とあらば\ ``Chem.RemoveHs()``\ を呼び出すことで、いつでも後から削除できます。

RDKitでは複数のコンフォマーを異なる埋め込み方法を使って生成することもできます。いずれの場合も、異なるランダムな出発点からdistance geometry計算を複数回実行するだけです。
\ ``numConfs``\  オプションを使うことで、生成するコンフォマーの数をセットすることができます。オプションの設定以外は上述の方法と同じです。
複数生成されたコンフォマーは互いにアラインメントを取ることができ、RMS値を計算できます。

.. code:: python

   >>> m = Chem.MolFromSmiles('C1CCC1OC')
   >>> m2=Chem.AddHs(m)
   >>> # run ETKDG 10 times
   >>> cids = AllChem.EmbedMultipleConfs(m2, numConfs=10)
   >>> print(len(cids))
   10
   >>> rmslist = []
   >>> AllChem.AlignMolConformers(m2, RMSlist=rmslist)
   >>> print(len(rmslist))
   9

rmslistは最初のコンフォマーとその他すべてのコンフォマーのそれぞれとのRMS値を含むリストです。特定の2つのコンフォマー(例えば1と9)のRMSを計算することも可能です。
コンフォマーのアラインメントがすでに取られている場合、prealignedフラグにより明示することができます(デフォルトではこの関数はコンフォマーのアラインメントを取ります)。

.. code:: python

   >>> rms = AllChem.GetConformerRMS(m2, 1, 9, prealigned=True)

(ETKDGを使った場合、大抵不要ですが)コンフォマーにMMFF94を実行したい場合、簡易関数を利用することができます。

.. code:: python

   >>> res = AllChem.MMFFOptimizeMoleculeConfs(m2)

それぞれのコンフォマーについて二つのタプル(\ *not_converged*\ ,\ *energy*\ )を含むリストが返されます。
\ *not_converged*\ が0なら、そのコンフォマーの最小化は収束しています。

デフォルトでは\ ``AllChem.EmbedMultipleConfs``\ と\ ``AllChem.MMFFOptimizeMoleculeConfs()``\ は単一スレッドで実行しますが、
\ ``numThreads``\ 引数をつかって驚異的並列処理(embarassingly parallel task)を実行するためにマルチスレッドを同時に使うこともできます。

.. code:: python

   >>> cids = AllChem.EmbedMultipleConfs(m2, numThreads=0)
   >>> res = AllChem.MMFFOptimizeMoleculeConfs(m2, numThreads=0)

\ ``numThreads``\ を0に設定することで、あなたのコンピュータで許可されている最大数のスレッドをつかうことができます

*免責/警告*:
コンフォメーションの生成は難しく、かつ微妙なタスクです。
RDKitで提供されている元々の2Dから3D変換は「リアル」なコンフォメーションを分析する手段の代替とすることを意図したものではありません。
単に必要な時に素早く3D構造を提供するためのものです。ですが、我々は新しいETKDG法 [#riniker2]_ はほとんどの目的の場合に適うと信じています。

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_5>`\ へ

分子の保存
==========================================================
[`Preserving Molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#preserving-molecules>`__]

Pythonの”pickle化"機能をつかうことで、分子をテキストへ変換することも、テキストから分子に変換することもできます。

.. code:: python

   >>> m = Chem.MolFromSmiles('c1ccncc1')
   >>> import pickle
   >>> pkl = pickle.dumps(m)
   >>> m2=pickle.loads(pkl)
   >>> Chem.MolToSmiles(m2)
   'c1ccncc1'

RDKitのpickel形式はかなりコンパクトで、MolファイルやSMILES文字列から分子を構築するよりもpickelからの構築の方がとても速いです。ですので、繰り返し扱う分子はpickelとして保存しておくのが良いでしょう。

pickelに含まれている生のバイナリデータは分子から直接取得することもできます。

.. code:: python

   >>> binStr = m.ToBinary()

Chem.Molコンストラクタを使ってバイナリデータから分子を再構築することも可能です。

.. code:: python

   >>> m2 = Chem.Mol(binStr)
   >>> Chem.MolToSmiles(m2)
   'c1ccncc1'
   >>> len(binStr)
   123

これはpickleよりも小さいことに注目してください。

.. code:: python

   >>> len(binStr) < len(pkl)
   True

より大きなサイズの分子のセットを扱う際に、pickel化機能を使うことに伴う付帯的なコストは、通常はそれほど大きくはなりません(pickelに伴う余分なデータは分子のサイズとは独立のものですが、一方でバイナリ列は分子のサイズが大きくなるにつれて長くなります)。

*Tip*:
SDファイルやSMILESのテーブルを再解析する代わりに、ディスク上にpickel形式で分子を保存することのパフォーマンスの違いは一概には言えません。
テストとして私のノートPCで実行した場合、SDファイルから699個のドラッグライクな分子のセットを読み込むのに10.8秒、pickelファイルからは0.7秒かかりました。
また、pickelファイルはファイルサイズも小さく、SDファイルの1/3でしたが、いつもこの様に劇的な差があるわけではありません(今回は特に余分が多いSDファイルでした)。

分子を描く
==========================================================
[`Drawing Molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#drawing-molecules>`__]

RDKitには分子から画像を生成するための機能がいくつか組み込まれており、\ `rdkit.Chem.Draw <https://www.rdkit.org/docs/source/rdkit.Chem.Draw.html#module-rdkit.Chem.Draw>`__\ パッケージの中にあります。:

.. code:: python

   >>> suppl = Chem.SDMolSupplier('data/cdk2.sdf')
   >>> ms = [x for x in suppl if x is not None]
   >>> for m in ms: tmp=AllChem.Compute2DCoords(m)
   >>> from rdkit.Chem import Draw
   >>> Draw.MolToFile(ms[0],'images/cdk2_mol1.o.png')
   >>> Draw.MolToFile(ms[1],'images/cdk2_mol2.o.png')

このような画像を生成します。

+-------------------------------------+-------------------------------------+
| .. image:: ../Book/images/cdk2_mol1.png  | .. image:: ../Book/images/cdk2_mol2.png  |
+-------------------------------------+-------------------------------------+

分子のセットからグリッドレイアウトの画像を作ることもできます:

.. code:: python

   >>> img=Draw.MolsToGridImage(ms[:8],molsPerRow=4,subImgSize=(200,200),legends=[x.GetProp("_Name") for x in ms[:8]])

これはPILイメージを返し、ファイルに保存することができます:

.. code:: python

   >>> img.save('images/cdk2_molgrid.o.png')

結果はこのようになります:

.. image:: ../Book/images/cdk2_molgrid.png

もちろん共通骨格でアラインメントを取ればより見やすくなります。このように簡単にできます:

.. code:: python

   >>> p = Chem.MolFromSmiles('[nH]1cnc2cncnc21')
   >>> subms = [x for x in ms if x.HasSubstructMatch(p)]
   >>> len(subms)
   14
   >>> AllChem.Compute2DCoords(p)
   0
   >>> for m in subms: AllChem.GenerateDepictionMatching2DStructure(m,p)
   >>> img=Draw.MolsToGridImage(subms,molsPerRow=4,subImgSize=(200,200),legends=[x.GetProp("_Name") for x in subms])
   >>> img.save('images/cdk2_molgrid.aligned.o.png')

この様な結果が返ってきます。:

.. image:: ../Book/images/cdk2_molgrid_aligned.png

.. _back-to-ref_6:

部分構造探索
***************************************************
[`Substructure Searching <https://www.rdkit.org/docs/GettingStartedInPython.html#substructure-searching>`__]

SMARTSから構築された分子のクエリを使えば、部分構造の一致検索ができます:

.. code:: python

   >>> m = Chem.MolFromSmiles('c1ccccc1O')
   >>> patt = Chem.MolFromSmarts('ccO')
   >>> m.HasSubstructMatch(patt)
   True
   >>> m.GetSubstructMatch(patt)
   (0, 5, 6)

これらは\ ``patt``\ に保存された原子で並べられた、分子\ ``m``\ のアトムインデックスです。一致した組み合わせをすべて得るには次のようにします:

.. code:: python

   >>> m.GetSubstructMatches(patt)
   ((0, 5, 6), (4, 5, 6))

これを使って、分子のリストに簡単にフィルタをかけることができます:

.. code:: python

   >>> suppl = Chem.SDMolSupplier('data/actives_5ht3.sdf')
   >>> patt = Chem.MolFromSmarts('c[NH1]')
   >>> matches = []
   >>> for mol in suppl:
   ...   if mol.HasSubstructMatch(patt):
   ...     matches.append(mol)
   ...
   >>> len(matches)
   22

同じことをPythonのリスト内包表記をつかってより簡潔に書けます:

.. code:: python

   >>> matches = [x for x in suppl if x.HasSubstructMatch(patt)]
   >>> len(matches)
   22

SMARTSの代わりにSMILESから構築した分子を使用して部分構造の一致検索をすることもできます:

.. code:: python

   >>> m = Chem.MolFromSmiles('C1=CC=CC=C1OC')
   >>> m.HasSubstructMatch(Chem.MolFromSmarts('CO'))
   True
   >>> m.HasSubstructMatch(Chem.MolFromSmiles('CO'))
   True

ですが、二つの表記法の意味するもの(セマンティクス)が完全に等価であるわけではないことは忘れない様にしてください:

.. code:: python

   >>> m.HasSubstructMatch(Chem.MolFromSmiles('COC'))
   True
   >>> m.HasSubstructMatch(Chem.MolFromSmarts('COC'))
   False
   >>> m.HasSubstructMatch(Chem.MolFromSmarts('COc')) #<- need an aromatic C
   True

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_6>`\ へ

.. _back-to-ref_7:

部分構造一致検索における立体化学
==========================================================
[`Stereochemistry in substructure matches <https://www.rdkit.org/docs/GettingStartedInPython.html#stereochemistry-in-substructure-matches>`__]

デフォルトでは部分構造検索で立体化学に関する情報は使われません:

.. code:: python

   >>> m = Chem.MolFromSmiles('CC[C@H](F)Cl')
   >>> m.HasSubstructMatch(Chem.MolFromSmiles('C[C@H](F)Cl'))
   True
   >>> m.HasSubstructMatch(Chem.MolFromSmiles('C[C@@H](F)Cl'))
   True
   >>> m.HasSubstructMatch(Chem.MolFromSmiles('CC(F)Cl'))
   True

\ ``useChirality``\ 引数によって変更可能です:

.. code:: python

   >>> m.HasSubstructMatch(Chem.MolFromSmiles('C[C@H](F)Cl'),useChirality=True)
   True
   >>> m.HasSubstructMatch(Chem.MolFromSmiles('C[C@@H](F)Cl'),useChirality=True)
   False
   >>> m.HasSubstructMatch(Chem.MolFromSmiles('CC(F)Cl'),useChirality=True)
   True

\ ``useChirality``\ が設定されると非キラルクエリがキラルクエリに\ **マッチする**\ ことに注意してください。キラルクエリは非キラルクエリには一致しません:

.. code:: python

   >>> m.HasSubstructMatch(Chem.MolFromSmiles('CC(F)Cl'))
   True
   >>> m2 = Chem.MolFromSmiles('CCC(F)Cl')
   >>> m2.HasSubstructMatch(Chem.MolFromSmiles('C[C@H](F)Cl'),useChirality=True)
   False

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_7>`\ へ

.. _back-to-ref_8:

SMARTSのアトムマップインデックス
==========================================================
[`Atom Map Indices in SMARTS <https://www.rdkit.org/docs/GettingStartedInPython.html#atom-map-indices-in-smarts>`__]

SMARTSパターンの原子にインデックスをつけることができます。reaction
SMARTS(\ `Chemical Reactions <https://www.rdkit.org/docs/GettingStartedInPython.html#chemical-reactions>`__\ 参照)で最もよく使われますが、
より一般的なものです。例えば、Guba *et al.* (\ ``DOI: acs.jcim.5b00522``\ )によるSMARTSパターンを使った二面角の解析では
インデックスが注目している二面角を成す4つの原子を定義するのに使われています。
芳香族とC=N構造とのなす二面角の場合は\ ``[cH0:1][c:2]([cH0])!@[CX3!r:3]=[NX2!r:4]``\ という様になります。
なぜrecursive SMARTSを使わなかったのだろうか、その方がもっと簡単になるのに、という疑問が頭をよぎるかもしれませんが、彼らがそうしているので仕方ありません。
\ ``GetSubstructureMatches``\ で得られるアトムリストはSMARTSの順番になっていることが保証されていますが、この場合5つの原子を得るので、
正しい順番で注目している4つの原子を選び出す必要があります。SMARTSの解析が行われると、関係する原子にアトムマップナンバーのプロパティが割り当てられますが、
この情報は簡単に引き出すことができます。

.. code:: python

   >>> qmol = Chem.MolFromSmarts( '[cH0:1][c:2]([cH0])!@[CX3!r:3]=[NX2!r:4]' )
   >>> ind_map = {}
   >>> for atom in qmol.GetAtoms() :
   ...     map_num = atom.GetAtomMapNum()
   ...     if map_num:
   ...         ind_map[map_num-1] = atom.GetIdx()
   >>> ind_map
   {0: 0, 1: 1, 2: 3, 3: 4}
   >>> map_list = [ind_map[x] for x in sorted(ind_map)]
   >>> map_list
   [0, 1, 3, 4]

次に、分子のクエリを使うと条件にマッチした4つの原子のインデックスを以下の様に得ることができます:

.. code:: python

   >>> mol = Chem.MolFromSmiles('Cc1cccc(C)c1C(C)=NC')
   >>> for match in mol.GetSubstructMatches( qmol ) :
   ...     mas = [match[x] for x in map_list]
   ...     print(mas)
   [1, 7, 8, 10]

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_8>`\ へ

化学変換
**************************************************
[`Chemical Transformations <https://www.rdkit.org/docs/GettingStartedInPython.html#chemical-transformations>`__]

RDKitには分子に修正を加える多数の関数があります。これらの変換用の関数は、分子に単純な修正を加えるのに簡単な方法を提供することを目的として作られていることに注意してください。
より複雑な変換を行うには\ `Chemical Reactions <https://www.rdkit.org/docs/GettingStartedInPython.html#chemical-reactions>`__\ 機能を使用してください。

.. _back-to-ref_9:

部分構造ベースの変換
==========================================================
[`Substructure-based transformations <https://www.rdkit.org/docs/GettingStartedInPython.html#substructure-based-transformations>`__]

RDKitの部分構造一致検索機能には分子の変換を素早く行うための様々な関数があります。利用可能な変換の例を挙げていくと、部分構造の削除:

.. code:: python

   >>> m = Chem.MolFromSmiles('CC(=O)O')
   >>> patt = Chem.MolFromSmarts('C(=O)[OH]')
   >>> rm = AllChem.DeleteSubstructs(m,patt)
   >>> Chem.MolToSmiles(rm)
   'C'

部分構造の置換:

.. code:: python

   >>> repl = Chem.MolFromSmiles('OC')
   >>> patt = Chem.MolFromSmarts('[$(NC(=O))]')
   >>> m = Chem.MolFromSmiles('CC(=O)N')
   >>> rms = AllChem.ReplaceSubstructs(m,patt,repl)
   >>> rms
   (<rdkit.Chem.rdchem.Mol object at 0x...>,)
   >>> Chem.MolToSmiles(rms[0])
   'COC(C)=O'

また、側鎖を取り除くといった簡単なSARテーブルの変換や:

.. code:: python

   >>> m1 = Chem.MolFromSmiles('BrCCc1cncnc1C(=O)O')
   >>> core = Chem.MolFromSmiles('c1cncnc1')
   >>> tmp = Chem.ReplaceSidechains(m1,core)
   >>> Chem.MolToSmiles(tmp)
   '[1*]c1cncnc1[2*]'

骨格の削除も可能です:

.. code:: python

   >>> tmp = Chem.ReplaceCore(m1,core)
   >>> Chem.MolToSmiles(tmp)
   '[1*]CCBr.[2*]C(=O)O'

デフォルトでは側鎖は見つかった順番にラベルがつけられます。側鎖が結合した、骨格の原子の番号に従ってラベルをつけることも可能です。

.. code:: python

   >>> m1 = Chem.MolFromSmiles('c1c(CCO)ncnc1C(=O)O')
   >>> tmp=Chem.ReplaceCore(m1,core,labelByIndex=True)
   >>> Chem.MolToSmiles(tmp)
   '[1*]CCO.[5*]C(=O)O'

\ `rdkit.Chem.rdmolops.ReplaceCore() <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolops.html#rdkit.Chem.rdmolops.ReplaceCore>`__\ は一つの分子の側鎖を返します。
これは\ `rdkit.Chem.rdmolops.GetMolFrags() <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolops.html#rdkit.Chem.rdmolops.GetMolFrags>`__\ を使って別々の分子に分割することができます。

.. code:: python

   >>> rs = Chem.GetMolFrags(tmp,asMols=True)
   >>> len(rs)
   2
   >>> Chem.MolToSmiles(rs[0])
   '[1*]CCO'
   >>> Chem.MolToSmiles(rs[1])
   '[5*]C(=O)O'

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_9>`\ へ

.. _back-to-ref_10:

Murcko型分解
==========================================================
[`Murcko Decomposition <https://www.rdkit.org/docs/GettingStartedInPython.html#murcko-decomposition>`__]

RDKitでは標準的なMrucko型分解 [#bemis1]_ により分子を骨格に分割できます:

.. code:: python

   >>> from rdkit.Chem.Scaffolds import MurckoScaffold
   >>> cdk2mols = Chem.SDMolSupplier('data/cdk2.sdf')
   >>> m1 = cdk2mols[0]
   >>> core = MurckoScaffold.GetScaffoldForMol(m1)
   >>> Chem.MolToSmiles(core)
   'c1ncc2nc[nH]c2n1'

また、一般的な骨格にも分解できます:

.. code:: python

   >>> fw = MurckoScaffold.MakeScaffoldGeneric(core)
   >>> Chem.MolToSmiles(fw)
   'C1CCC2CCCC2C1'

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_10>`\ へ

.. _back-to-ref_11:

最大共通部分構造
==========================================================
[`Maximum Common Substructure <https://www.rdkit.org/docs/GettingStartedInPython.html#maximum-common-substructure>`__]

FindMCS関数は2つ以上の分子から最大共通部分構造(MCS)を見つけ出します:

.. code:: python

   >>> from rdkit.Chem import rdFMCS
   >>> mol1 = Chem.MolFromSmiles("O=C(NCc1cc(OC)c(O)cc1)CCCC/C=C/C(C)C")
   >>> mol2 = Chem.MolFromSmiles("CC(C)CCCCCC(=O)NCC1=CC(=C(C=C1)O)OC")
   >>> mol3 = Chem.MolFromSmiles("c1(C=O)cc(OC)c(O)cc1")
   >>> mols = [mol1,mol2,mol3]
   >>> res=rdFMCS.FindMCS(mols)
   >>> res
   <rdkit.Chem.rdFMCS.MCSResult object at 0x...>
   >>> res.numAtoms
   10
   >>> res.numBonds
   10
   >>> res.smartsString
   '[#6]1(-[#6]):[#6]:[#6](-[#8]-[#6]):[#6](:[#6]:[#6]:1)-[#8]'
   >>> res.canceled
   False

FindMCS変数は、MCS中の原子と結合の番号の情報をもつMCSReultインスタンスと、見つかったMCSに一致するSMARTS文字列、
そしてアルゴリズムがタイムアウトした場合に教えてくれるフラグを返します。MCSが見つからなかった場合は、原子と結合の番号は0、SMARTSは\ ``''``\ となります。

デフォルトでは、2つの原子は同じ元素の時に、2つの結合は同じ結合のタイプの時に一致となります。
異なる比較関数をつかうには\ ``atomCompare``\ や\ ``bondCompare``\ を明示してください。例えば以下の様に:

.. code:: python

   >>> mols = (Chem.MolFromSmiles('NCC'),Chem.MolFromSmiles('OC=C'))
   >>> rdFMCS.FindMCS(mols).smartsString
   ''
   >>> rdFMCS.FindMCS(mols, atomCompare=rdFMCS.AtomCompare.CompareAny).smartsString
   '[#7,#8]-[#6]'
   >>> rdFMCS.FindMCS(mols, bondCompare=rdFMCS.BondCompare.CompareAny).smartsString
   '[#6]-,=[#6]'

atomCompare引数のオプションは次のようになっています。CompareAnyはいずれの原子も他のいかなる原子にもマッチする、
CompareElementsは元素のタイプによって比較する、CompareIsotopesは同位体ラベルに基づいてマッチする、です。
同位体ラベルはユーザー定義されたアトムタイプの実装にも使うことができます。
CompareAnyのbondCompareはいずれの結合も他のいかなる結合にもマッチし、CompareOrderExactは同じ結合タイプを有する時のみ等価であるとします。
そしてCompareOrderは単結合と芳香族結合が互いにマッチすることは許容しますが、それ以外については正確な結合次数の一致を要求します。

.. code:: python

   >>> mols = (Chem.MolFromSmiles('c1ccccc1'),Chem.MolFromSmiles('C1CCCC=C1'))
   >>> rdFMCS.FindMCS(mols,bondCompare=rdFMCS.BondCompare.CompareAny).smartsString
   '[#6]1:,-[#6]:,-[#6]:,-[#6]:,-[#6]:,=[#6]:,-1'
   >>> rdFMCS.FindMCS(mols,bondCompare=rdFMCS.BondCompare.CompareOrderExact).smartsString
   ''
   >>> rdFMCS.FindMCS(mols,bondCompare=rdFMCS.BondCompare.CompareOrder).smartsString
   '[#6](:,-[#6]:,-[#6]:,-[#6]):,-[#6]:,-[#6]'

部分構造は原子と結合の両方を保持します。デフォルトではアルゴリズムは見つかる結合の数を最大化しようとします。
この設定は\ ``maximizeBonds``\ 引数をFalseに設定することで変更できます。
2つの小さな環構造は一つの大きな環構造よりも結合の数が少なくなるかもしれませんが、結合の数を最大化しようとする設定では環構造の数を最大化しようとする傾向があります。  

価数3の窒素原子を価数5の窒素原子とマッチさせたくない場合があるかもしれません。デフォルトでは\ ``machValence``\ 値がFlaseとなっており、
価数の情報を無視します。Trueとすると、atomCompareの設定が、2つの原子が同じ価数を有することも要求する様に変更されます。

.. code:: python

   >>> mols = (Chem.MolFromSmiles('NC1OC1'),Chem.MolFromSmiles('C1OC1[N+](=O)[O-]'))
   >>> rdFMCS.FindMCS(mols).numAtoms
   4
   >>> rdFMCS.FindMCS(mols, matchValences=True).numBonds
   3

炭素原子からなる直鎖構造が環構造とマッチするのが奇妙に見えるかもしれませんが、\ ``ringMatchesRingOnly``\ がデフォルトではFalseとなっているからです。
Trueに変更すると、環構造の結合は、環構造とだけマッチする様になります。

.. code:: python

   >>> mols = [Chem.MolFromSmiles("C1CCC1CCC"), Chem.MolFromSmiles("C1CCCCCC1")]
   >>> rdFMCS.FindMCS(mols).smartsString
   '[#6](-[#6]-[#6])-[#6]-[#6]-[#6]-[#6]'
   >>> rdFMCS.FindMCS(mols, ringMatchesRingOnly=True).smartsString
   '[#6](-[#6]-[#6])-[#6]'

さらに制限を加えることもでき、(この場合の様に)環構造のうち部分構造の場合は許容されないように設定することもできます。
つまり、ある原子がMCSの一部で、分子全体の環構造の中にあるなら、その原子はMCSの環構造に含まれます。
\ ``completeRingsOnly``\ をTrueとすることで、この必要条件のオン・オフを切り替えることができます。\ ``ringMatchesRingOnly``\ もTrueとして下さい。

.. code:: python

   >>> mols = [Chem.MolFromSmiles("CCC1CC2C1CN2"), Chem.MolFromSmiles("C1CC2C1CC2")]
   >>> rdFMCS.FindMCS(mols).smartsString
   '[#6]1-[#6]-[#6](-[#6]-1-[#6])-[#6]'
   >>> rdFMCS.FindMCS(mols, ringMatchesRingOnly=True).smartsString
   '[#6](-[#6]-[#6]-[#6]-[#6])-[#6]'
   >>> rdFMCS.FindMCS(mols, completeRingsOnly=True).smartsString
   '[#6]1-[#6]-[#6]-[#6]-1'

MCSアルゴリズムは最大共通部分構造を網羅的に探索します。
大抵の場合あっという間に終わりますが、数分あるいはもっと時間がかかる場合があります。
\ ``timeout``\ パラメータを使えば、設定した秒数(実時間でCPU時間ではありません)で検索を打ち切り、
時間内で見つかった最も良い一致構造を返します。タイムアウトの時間に達するとMCSResultの\ ``canceled``\ プロパティがFalseではなくTrueとなります。

.. code:: python

   >>> mols = [Chem.MolFromSmiles("Nc1ccccc1"*10), Chem.MolFromSmiles("Nc1ccccccccc1"*10)]
   >>> rdFMCS.FindMCS(mols, timeout=1).canceled
   True

(50秒後のMCSは511の原子を含みました。)

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_11>`\ へ

フィンガープリントの生成と分子の類似性
***************************************************************
[`Fingerprinting and Molecular Similarity <https://www.rdkit.org/docs/GettingStartedInPython.html#fingerprinting-and-molecular-similarity>`__]

RDKitには分子の様々なフィンガープリントを生成する機能があらかじめ用意されており、これを使って分子の類似性を計算することができます。

.. _back-to-ref_12:

トポロジカルフィンガープリント
==========================================================
[`Topological Fingerprints <https://www.rdkit.org/docs/GettingStartedInPython.html#topological-fingerprints>`__]

.. code:: python

   >>> from rdkit import DataStructs
   >>> from rdkit.Chem.Fingerprints import FingerprintMols
   >>> ms = [Chem.MolFromSmiles('CCOC'), Chem.MolFromSmiles('CCO'),
   ... Chem.MolFromSmiles('COC')]
   >>> fps = [FingerprintMols.FingerprintMol(x) for x in ms]
   >>> DataStructs.FingerprintSimilarity(fps[0],fps[1])
   0.6...
   >>> DataStructs.FingerprintSimilarity(fps[0],fps[2])
   0.4...
   >>> DataStructs.FingerprintSimilarity(fps[1],fps[2])
   0.25

このフィンガープリントのアルゴリズムはDaylightフィンガープリントの生成で使われているものと類似しています。
分子のトポロジカルパス(たとえば結合)を同定しハッシュを生成します。それを利用してユーザー指定の長さのフィンガープリントにビットを立てます。
全てのパスを同定した後で、フィンガープリントは一般的に、特定のビット密度になるまで畳み込まれます。

フィンガープリント生成器で使われているデフォルトのパラメーターセットは次の様になっています。
- 最小パス長:1結合
- 最大パス長:7結合
- フィンガープリントのサイズ:2048ビット
- ハッシュ毎のビット数:2
- 最小のフィンガープリントのサイズ:64ビット
- オンとなっているビット密度の目標値:0.3

これらのパラメーターは\ `rdkit.Chem.rdmolops.RDKFingerprint() <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolops.html#rdkit.Chem.rdmolops.RDKFingerprint>`__\ を直接呼び出すことで制御できます
。分散したフィンガープリント(unfolded fingerprint)を返しますが、望みの密度に畳み込むことができます。
Pythonで書かれた\ `rdkit.Chem.Fingerprints.FingerprintMols.FingerprintMol() <https://www.rdkit.org/docs/source/rdkit.Chem.Fingerprints.FingerprintMols.html#rdkit.Chem.Fingerprints.FingerprintMols.FingerprintMol>`__\ 関数を見ればどうやってこれを行うかがわかります。

\ `rdkit.DataStructs.FingerprintSimilarity() <https://www.rdkit.org/docs/source/rdkit.DataStructs.html#rdkit.DataStructs.FingerprintSimilarity>`__\ で使われているデフォルトの類似性指標はTanimoto係数です。
他の類似性指標を使うこともできます。

.. code:: python

   >>> DataStructs.FingerprintSimilarity(fps[0],fps[1], metric=DataStructs.DiceSimilarity)
   0.75

利用可能な類似性指標は、Tanimoto、Dice、Cosine、Sokal、Russel、Kulczynski、McConnaughey、そしてTverskyです。

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_12>`\ へ

MACCS キー
==========================================================
[`MACCS Keys <https://www.rdkit.org/docs/GettingStartedInPython.html#maccs-keys>`__]

公開されている166種類のMACCSキーを使ったSMARTSベースの実装もあります。

.. code:: python

   >>> from rdkit.Chem import MACCSkeys
   >>> fps = [MACCSkeys.GenMACCSKeys(x) for x in ms]
   >>> DataStructs.FingerprintSimilarity(fps[0],fps[1])
   0.5
   >>> DataStructs.FingerprintSimilarity(fps[0],fps[2])
   0.538...
   >>> DataStructs.FingerprintSimilarity(fps[1],fps[2])
   0.214...

Q3 2008で、MACCS keyは厳密に評価され他のMACCSの実装と比較されました。公開されたキーを完全に定義した場合は非常にうまく機能しました。

.. _back-to-ref_13:

アトムペアとトポロジカルトーション
==========================================================
[`Atom Pairs and Topological Torsions <https://www.rdkit.org/docs/GettingStartedInPython.html#atom-pairs-and-topological-torsions>`__]

アトムペア記述子 [#carhart]_ はいくつかの異なる方法で利用可能です。
標準的な形式ではフィンガープリントを0か1で表すのではなく、それぞれのビットの数をカウントしてフィンガープリントに含めます:

.. code:: python

   >>> from rdkit.Chem.AtomPairs import Pairs
   >>> ms = [Chem.MolFromSmiles('C1CCC1OCC'),Chem.MolFromSmiles('CC(C)OCC'),Chem.MolFromSmiles('CCOCC')]
   >>> pairFps = [Pairs.GetAtomPairFingerprint(x) for x in ms]

アトムペアフィンガープリントに含められるビット空間は非常に巨大なので、スパースな形式で保存されます。
各フィンガープリントのビットのリストとそのカウント数を辞書型のデータとして得ることができます。

.. code:: python

   >>> d = pairFps[-1].GetNonzeroElements()
   >>> d[541732]
   1
   >>> d[1606690]
   2

ビットの説明も手に入ります:

.. code:: python

   >>> Pairs.ExplainPairScore(558115)
   (('C', 1, 0), 3, ('C', 2, 0))

上記の意味は「隣接原子が1つあり、π電子が0個の炭素(C)で、隣接原子が2つあり、π電子が0個の炭素(C)から、結合3つ分離れている」です。

アトムペアフィンガープリント間の類似性評価に通常用いられる指標はDice類似度評価です。

.. code:: python

   >>> from rdkit import DataStructs
   >>> DataStructs.DiceSimilarity(pairFps[0],pairFps[1])
   0.333...
   >>> DataStructs.DiceSimilarity(pairFps[0],pairFps[2])
   0.258...
   >>> DataStructs.DiceSimilarity(pairFps[1],pairFps[2])
   0.56

(カウント数の情報を無視した)標準的なビットベクトルのフィンガープリントとしてコード化されたアトムペアを得ることもできます。

.. code:: python

   airFps = [Pairs.GetAtomPairFingerprintAsBitVect(x) for x in ms]

これらは標準的なビットベクトルなので、\ `rdkit.DataStructs <https://www.rdkit.org/docs/source/rdkit.DataStructs.html#module-rdkit.DataStructs>`__\ モジュールを
使って類似性評価を行うこともできます。

.. code:: python

   >>> from rdkit import DataStructs
   >>> DataStructs.DiceSimilarity(pairFps[0],pairFps[1])
   0.48
   >>> DataStructs.DiceSimilarity(pairFps[0],pairFps[2])
   0.380...
   >>> DataStructs.DiceSimilarity(pairFps[1],pairFps[2])
   0.625

トポロジカルトーション記述子 [#nilakantan]_ も基本的には同じ方法で計算されます。

.. code:: python

   >>> from rdkit.Chem.AtomPairs import Torsions
   >>> tts = [
   .GetTopologicalTorsionFingerprintAsIntVect(x) for x in ms]
   >>> DataStructs.DiceSimilarity(tts[0],tts[1])
   0.166...

このページを書いている段階では、トポロジカルトーションフィンガープリントには多すぎてBitVector機能を使ってコード化できないほどたくさんビットがあるので、
GetTopologicalTorsionFingerprintAsBitVect関数といった関数は存在しません。

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_13>`\ へ

.. _back-to-ref_14:

Morganフィンガープリント(Circularフィンガープリント)
==========================================================
[`Morgan FIngerprints(Circular Fingerprints) <https://www.rdkit.org/docs/GettingStartedInPython.html#morgan-fingerprints-circular-fingerprints>`__]

circularフィンガープリント [#rogers]_ としてより知られているかもしれませんが、
Morganフィンガープリントと呼ばれる一連のフィンガープリントは、ユーザー定義のアトム不変量のセットに対してMorganアルゴリズムを適用することで生成されます。
Morganフィンガープリントを生成するときには、フィンガープリントの半径を定義しなければなりません:

.. code:: python

   >>> from rdkit.Chem import AllChem
   >>> m1 = Chem.MolFromSmiles('Cc1ccccc1')
   >>> fp1 = AllChem.GetMorganFingerprint(m1,2)
   >>> fp1
   <rdkit.DataStructs.cDataStructs.UIntSparseIntVect object at 0x...>
   >>> m2 = Chem.MolFromSmiles('Cc1ncccc1')
   >>> fp2 = AllChem.GetMorganFingerprint(m2,2)
   >>> DataStructs.DiceSimilarity(fp1,fp2)
   0.55...

アトムペアやトポロジカルトーションのようにMorganフィンガープリントは、デフォルトではビットのカウント数を使いますが、ビットベクトルとして計算することもできます:

.. code:: python

   >>> fp1 = AllChem.GetMorganFingerprintAsBitVect(m1,2,nBits=1024)
   >>> fp1
   <rdkit.DataStructs.cDataStructs.ExplicitBitVect object at 0x...>
   >>> fp2 = AllChem.GetMorganFingerprintAsBitVect(m2,2,nBits=1024)
   >>> DataStructs.DiceSimilarity(fp1,fp2)
   0.51...

デフォルトのアトム不変量は、よく知られたECFPフィンガープリントファミリーで使われているものと類似した、結合関係の情報を使います。
FCFPフィンガープリントで使われているものに類似した、特徴ベースの不変量を使うこともできます。
特徴量の定義は\ `Feature Definitions Used in the Morgan Fingerprints <https://www.rdkit.org/docs/GettingStartedInPython.html#feature-definitions-used-in-the-morgan-fingerprints>`__\ セクションに記載されています。
時折、とても異なる類似性スコアを出すことがあります。

.. code:: python

   >>> m1 = Chem.MolFromSmiles('c1ccccn1')
   >>> m2 = Chem.MolFromSmiles('c1ccco1')
   >>> fp1 = AllChem.GetMorganFingerprint(m1,2)
   >>> fp2 = AllChem.GetMorganFingerprint(m2,2)
   >>> ffp1 = AllChem.GetMorganFingerprint(m1,2,useFeatures=True)
   >>> ffp2 = AllChem.GetMorganFingerprint(m2,2,useFeatures=True)
   >>> DataStructs.DiceSimilarity(fp1,fp2)
   0.36...
   >>> DataStructs.DiceSimilarity(ffp1,ffp2)
   0.90...

RDKitで生成したECFP/FCFPフィンガープリントとMorganフィンガープリントを比較する際には、Morganフィンガープリントのパラメーターが半径であるのに対して、
ECFP4の4は考慮している原子の環境の直径に一致していることを思い出してください。したがって、上記の例では半径=2とすることで、ECFP4とFCFP4とおおよそ等価となります。

\ `rdkit.Chem.rdMolDescriptors.GetMorganFingerprint() <https://www.rdkit.org/docs/source/rdkit.Chem.rdMolDescriptors.html#rdkit.Chem.rdMolDescriptors.GetMorganFingerprint>`__\ のオプションの不変量の引数を使うことで、
ユーザー自身でアトム不変量を設定することもできます。不変量に定数を使った簡単な例が以下になります。得られたフィンカープリントで分子のトポロジーを比較しています。

.. code:: python

   >>> m1 = Chem.MolFromSmiles('Cc1ccccc1')
   >>> m2 = Chem.MolFromSmiles('Cc1ncncn1')
   >>> fp1 = AllChem.GetMorganFingerprint(m1,2,invariants=[1]*m1.GetNumAtoms())
   >>> fp2 = AllChem.GetMorganFingerprint(m2,2,invariants=[1]*m2.GetNumAtoms())
   >>> fp1==fp2
   True

デフォルトでは結合次数が考慮されていることに注意してください:

.. code:: python

   >>> m3 = Chem.MolFromSmiles('CC1CCCCC1')
   >>> fp3 = AllChem.GetMorganFingerprint(m3,2,invariants=[1]*m3.GetNumAtoms())
   >>> fp1==fp3
   False

この設定を外すこともできます:

.. code:: python

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

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_14>`\ へ

.. _back-to-ref_15:

モーガンフィンガープリントのビットの解釈
---------------------------------------------------------
[`Explaining bits from Morgan Fingerprints <https://www.rdkit.org/docs/GettingStartedInPython.html#explaining-bits-from-morgan-fingerprints>`__]

bitinfo引数を介して、Morganフィンガープリントの特定のビットに寄与する原子についての情報を手に入れることができます。
この辞書型のデータには、フィンガープリントのビットセットごとに一つのエントリーが取り込まれており、
キー(key)はビットID、値(value)は(アトムインデックス、半径)のタプルのリストとなっています。

.. code:: python

   >>> m = Chem.MolFromSmiles('c1cccnc1C')
   >>> info={}
   >>> fp = AllChem.GetMorganFingerprint(m,2,bitInfo=info)
   >>> len(fp.GetNonzeroElements())
   16
   >>> len(info)
   16
   >>> info[98513984]
   ((1, 1), (2, 1))
   >>> info[4048591891]
   ((5, 2),)

上記を解釈すると、ビット98513984はatom 1とatom 2に一度ずつ、それぞれ半径1で計2回セットされています。
また、ビット4048591891はatom 5に半径2でセットされています。

ビット4048591891にフォーカスを当ててみましょう。分子全体から、atom 5の半径2の中にある全ての原子からなる部分(擬似分子: submolecule)を抜き出すことができます:

.. code:: python

   >>> env = Chem.FindAtomEnvironmentOfRadiusN(m,2,5)
   >>> amap={}
   >>> submol=Chem.PathToSubmol(m,env,atomMap=amap)
   >>> submol.GetNumAtoms()
   6
   >>> amap
   {0: 3, 1: 5, 3: 4, 4: 0, 5: 1, 6: 2}

この擬似分子のSMILESを生成することでビットを“解釈”しましょう:

.. code:: python

   >>> Chem.MolToSmiles(submol)
   'ccc(C)nc'

中心の原子にSMILESの基点(根:root)を置くともっと役に立ちます:

.. code:: python

   >>> Chem.MolToSmiles(submol,rootedAtAtom=amap[5],canonical=False)
   'c(nc)(C)cc'

上記の代わりとなる別の方法として、\ `rdkit.Chem.MolFragmentToSmiles() <http://rdkit.org/docs/source/rdkit.Chem.rdmolfiles.html?highlight=rdkit%20chem%20molfragmenttosmiles#rdkit.Chem.rdmolfiles.MolFragmentToSmiles>`__\ 関数をつかうと、
同じことを(特に多数の分子を扱う際に、より高速に)行うことができます。

.. code:: python

   >>> atoms=set()
   >>> for bidx in env:
   ...     atoms.add(m.GetBondWithIdx(bidx).GetBeginAtomIdx())
   ...     atoms.add(m.GetBondWithIdx(bidx).GetEndAtomIdx())
   ...
   >>> Chem.MolFragmentToSmiles(m,atomsToUse=list(atoms),bondsToUse=env,rootedAtAtom=5)
   'c(C)(cc)nc'

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_15>`\ へ

.. _back-to-ref_16:

フィンガープリントのビットのイメージの生成
==========================================================
[`Generating images of fingerprint bits <https://www.rdkit.org/docs/GettingStartedInPython.html#generating-images-of-fingerprint-bits>`__]

MorganフィンガープリントとRDKitフィンガープリントに対しては、\ `rdkit.Chem.Draw.DrawMorganBit() <https://www.rdkit.org/docs/source/rdkit.Chem.Draw.html#rdkit.Chem.Draw.DrawMorganBit>`__\ 関数と
\ `rdkit.Chem.Draw.DrawRDKitBit() <https://www.rdkit.org/docs/source/rdkit.Chem.Draw.html#rdkit.Chem.Draw.DrawRDKitBit>`__\ 関数を使うことで
ビットを定義する原子の環境のイメージを生成することができます。

.. code:: python

   >>> from rdkit.Chem import Draw
   >>> mol = Chem.MolFromSmiles('c1ccccc1CC1CC1')
   >>> bi = {}
   >>> fp = AllChem.GetMorganFingerprintAsBitVect(mol, radius=2, bitInfo=bi)
   >>> bi[872]
   ((6, 2),)
   >>> mfp2_svg = Draw.DrawMorganBit(mol, 872, bi)
   >>> rdkbi = {}
   >>> rdkfp = Chem.RDKFingerprint(mol, maxPath=5, bitInfo=rdkbi)
   >>> rdkbi[1553]
   [[0, 1, 9, 5, 4], [2, 3, 4, 9, 5]]
   >>> rdk_svg = Draw.DrawRDKitBit(mol, 1553, rdkbi)

このようなイメージができます:

+--------------------------------------+--------------------------------------+
| .. image:: ../Book/images/mfp2_bit872.svg | .. image:: ../Book/images/rdk_bit1553.svg |
+--------------------------------------+--------------------------------------+
|         Morgan bit                   |            RDKit bit                 |
+--------------------------------------+--------------------------------------+

Morganビットのデフォルトのハイライトの色は以下を示します:

  - blue: 環境の中心となるアトム
  - yellow: 芳香族のアトム
  - gray: 脂肪族環構造のアトム

RDKitビットのデフォルトのハイライトの色は以下を示します:

  - yellow: 芳香族のアトム

(上記のRDKitフィンガープリントのビット1553の例のように)分子の複数の原子に同じビットがセットされている場合には、
描画機能は一番最初の例を表示することに気をつけてください。どの例を表示するか明示することで変更することができます:

.. code:: python

   >>> rdk_svg = Draw.DrawRDKitBit(mol, 1553, rdkbi, whichExample=1)

このようなイメージができます:

+----------------------------------------+
| .. image:: ../Book/images/rdk_bit1553_2.svg |
+----------------------------------------+
|            RDKit bit                   |
+----------------------------------------+

.. _back-to-ref_17:

フィンガープリントを使って多種多様な分子を選択する
==========================================================
[`Picking Diverse Molecules Using Fingerprints <https://www.rdkit.org/docs/GettingStartedInPython.html#picking-diverse-molecules-using-fingerprints>`__]

多数の分子を含む集合から、多種多様な分子を選択してより小さな部分集合をつくることはよく行われます。RDkitではこの作業のため、\ `rdkit.SimDivFilters <https://www.rdkit.org/docs/source/rdkit.SimDivFilters.html#module-rdkit.SimDivFilters>`__\ モジュールに多数の方法を用意しています。
最も効率的な方法はMaxMinアルゴリズムを使うことです。 [#ashton]_
試しにやってみましょう。

まずは分子を1セット読み込んでMorganフィンガープリントを生成します:

.. code:: python

   >>> from rdkit import Chem
   >>> from rdkit.Chem.rdMolDescriptors import GetMorganFingerprint
   >>> from rdkit import DataStructs
   >>> from rdkit.SimDivFilters.rdSimDivPickers import MaxMinPicker
   >>> ms = [x for x in Chem.SDMolSupplier('data/actives_5ht3.sdf')]
   >>> while ms.count(None): ms.remove(None)
   >>> fps = [GetMorganFingerprint(x,3) for x in ms]
   >>> nfps = len(fps)

MaxMinアルゴリズムにはオブジェクト間の距離を計算する関数が必要です。ここではDiceSimilarityを使いましょう。

.. code:: python

   >>> def distij(i,j,fps=fps):
   ...   return 1-DataStructs.DiceSimilarity(fps[i],fps[j])

それではピッカーを生成し、10個の多様な分子のセットを取りだしましょう:

.. code:: python

   >>> picker = MaxMinPicker()
   >>> pickIndices = picker.LazyPick(distij,nfps,10,seed=23)
   >>> list(pickIndices)
   [93, 109, 154, 6, 95, 135, 151, 61, 137, 139]

ピッカーはフィンガープリントのインデックスを返すだけ、ということに注意してください。分子そのものを取得するには次のようにします:

.. code:: python

   >>> picks = [ms[x] for x in pickIndices]

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_17>`\ へ

.. _back-to-ref_18:

フィンガープリントを使って類似度マップを生成する
==========================================================
[`Generating Similarity Maps Using Fingerprints <https://www.rdkit.org/docs/GettingStartedInPython.html#generating-similarity-maps-using-fingerprints>`__]

類似度マップはある分子と参照とする分子の間の類似度に対して、各原子の寄与を可視化する方法です。参考文献17 [#riniker]_ に方法が記載されています。
\ `rdkit.Chem.Draw.SimilarityMaps <https://www.rdkit.org/docs/source/rdkit.Chem.Draw.SimilarityMaps.html#module-rdkit.Chem.Draw.SimilarityMaps>`__\ モジュールを使用してください:

まずは分子を2つ作るところから始めます:

.. code:: python

   >>> from rdkit import Chem
   >>> mol = Chem.MolFromSmiles('COc1cccc2cc(C(=O)NCCCCN3CCN(c4cccc5nccnc54)CC3)oc21')
   >>> refmol = Chem.MolFromSmiles('CCCN(CCCCN1CCN(c2ccccc2OC)CC1)Cc1ccc2ccccc2c1')

SimilarityMapsモジュールはatom pairs、topological torsions、Morganフィンガープリントの3種類のフィンガープリントをサポートしています:

.. code:: python

   >>> from rdkit.Chem import Draw
   >>> from rdkit.Chem.Draw import SimilarityMaps
   >>> fp = SimilarityMaps.GetAPFingerprint(mol, fpType='normal')
   >>> fp = SimilarityMaps.GetTTFingerprint(mol, fpType='normal')
   >>> fp = SimilarityMaps.GetMorganFingerprint(mol, fpType='bv')

atom pairsとtopological torsionsにはデフォルトのノーマル(normal)とハッシュ(hashed)、
そしてビットベクトル(bit vector, bv)の3つのタイプがあります。
Morganフィンガープリントにはデフォルトのビットベクトル(bit vector, bv)と、
カウントベクトル(count vector, count)の2つのタイプがあります。

2つのフィンガープリント間の類似度マップを生成する関数には、フィンガープリントの生成に用いた関数を特定する必要があり、
またオプションとして類似度の指標を指定できます。
デフォルトの指標はDice類似度です。Morganフィンガープリント関数をすべてデフォルト引数で使用した場合、類似度マップは次のように生成できます:

.. code:: python

   >>> fig, maxweight = SimilarityMaps.GetSimilarityMapForFingerprint(refmol, mol, SimilarityMaps.GetMorganFingerprint)

このような図が生成されます:

.. image:: ../Book/images/similarity_map_fp1.png

Morganフィンガープリントのタイプをデフォルトのビットベクトルからカウント(count)タイプに変更し、半径を2から1へ、
類似度指標をDiceからTanimoto類似度へと変更した場合、以下のようになります:

.. code:: python

   >>> from rdkit import DataStructs
   >>> fig, maxweight = SimilarityMaps.GetSimilarityMapForFingerprint(refmol, mol, lambda m,idx: SimilarityMaps.GetMorganFingerprint(m, atomId=idx, radius=1, fpType='count'), metric=DataStructs.TanimotoSimilarity)

このような図が生成されます:

.. image:: ../Book/images/similarity_map_fp2.png

簡易関数のGetSimilarityMapForFingerprintには原子の重みの正規化が含まれており、重みの絶対値の最大が1となるよう正規化されます。
したがって、この関数はマップを作成するときにみつかった、最大の重みを出力します。

.. code:: python

   >>> print(maxweight)
   0.05747...

正規化の処理を行って欲しくない時は、次のようにしてマップを作ることができます:

.. code:: python

   >>> weights = SimilarityMaps.GetAtomicWeightsForFingerprint(refmol, mol, SimilarityMaps.GetMorganFingerprint)
   >>> print(["%.2f " % w for w in weights])
   ['0.05 ', ...
   >>> fig = SimilarityMaps.GetSimilarityMapFromWeights(mol, weights)

.. 訳注) reST+Atomの仕様上、上記のprint出力の結果を閉じるためここに ] を記載する。

このような図が生成されます:

.. image:: ../Book/images/similarity_map_fp3.png

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_18>`\ へ

.. _back-to-ref_19:

記述子計算
**************************************************
[`Descriptor Calculation <https://www.rdkit.org/docs/GettingStartedInPython.html#descriptor-calculation>`__]

RDKitには様々な記述子が実装されています。記述子の完全なリストは
\ `List of Available Descriptors <https://www.rdkit.org/docs/GettingStartedInPython.html#list-of-available-descriptors>`__\
を参照してください。

記述子のほとんどはPythonから集中型の\ `rdkit.Chem.Descriptors <https://www.rdkit.org/docs/source/rdkit.Chem.Descriptors.html#module-rdkit.Chem.Descriptors>`__\
モジュールを介して直接使うことができます:

.. code:: python

   >>> from rdkit.Chem import Descriptors
   >>> m = Chem.MolFromSmiles('c1ccccc1C(=O)O')
   >>> Descriptors.TPSA(m)
   37.3
   >>> Descriptors.MolLogP(m)
   1.3848

部分電荷の扱い方は少し異なります:

.. code:: python

   >>> m = Chem.MolFromSmiles('c1ccccc1C(=O)O')
   >>> AllChem.ComputeGasteigerCharges(m)
   >>> float(m.GetAtomWithIdx(0).GetProp('_GasteigerCharge'))
   -0.047...

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_19>`\ へ

記述子の可視化
==========================================================
[`Visualization of Descriptors <https://www.rdkit.org/docs/GettingStartedInPython.html#visualization-of-descriptors>`__]

類似度マップは原子ごとの寄与に分割された記述子の可視化に使うことができます。

Gasteiger部分電荷は(異なるカラースキームを使って)次のように可視化できます:

.. code:: python

   >>> from rdkit.Chem.Draw import SimilarityMaps
   >>> mol = Chem.MolFromSmiles('COc1cccc2cc(C(=O)NCCCCN3CCN(c4cccc5nccnc54)CC3)oc21')
   >>> AllChem.ComputeGasteigerCharges(mol)
   >>> contribs = [float(mol.GetAtomWithIdx(i).GetProp('_GasteigerCharge')) for i in range(mol.GetNumAtoms())]
   >>> fig = SimilarityMaps.GetSimilarityMapFromWeights(mol, contribs, colorMap='jet', contourLines=10)

このような図が生成されます:

.. image:: ../Book/images/similarity_map_charges.png

logPへのCrippen寄与を可視化するには次のようにします:

.. code:: python

   >>> from rdkit.Chem import rdMolDescriptors
   >>> contribs = rdMolDescriptors._CalcCrippenContribs(mol)
   >>> fig = SimilarityMaps.GetSimilarityMapFromWeights(mol,[x for x,y in contribs], colorMap='jet', contourLines=10)

このような図が生成されます:

.. image:: ../Book/images/similarity_map_crippen.png

.. _back-to-ref_20:

化学反応
*******************************
[`Chemical Reactions <https://www.rdkit.org/docs/GettingStartedInPython.html#chemical-reactions>`__]

RDKitは分子の集合に対して化学反応を適用することもサポートしています。
化学反応を構築する一つの方法は、Daylight社のReaction SMILES [#rxnsmarts]_ に似たSMARTSベースの記法を使うことです。:

.. code:: python

   >>> rxn = AllChem.ReactionFromSmarts('[C:1](=[O:2])-[OD1].[N!H0:3]>>[C:1](=[O:2])[N:3]')
   >>> rxn
   <rdkit.Chem.rdChemReactions.ChemicalReaction object at 0x...>
   >>> rxn.GetNumProductTemplates()
   1
   >>> ps = rxn.RunReactants((Chem.MolFromSmiles('CC(=O)O'),Chem.MolFromSmiles('NC')))
   >>> len(ps) # ありうる生成物の各セットに対し一つのエントリーとなる 
   1
   >>> len(ps[0]) # 各エントリーは各生成物の一つの分子を含む
   1
   >>> Chem.MolToSmiles(ps[0][0])
   'CNC(C)=O'
   >>> ps = rxn.RunReactants((Chem.MolFromSmiles('C(COC(=O)O)C(=O)O'),Chem.MolFromSmiles('NC')))
   >>> len(ps)
   2
   >>> Chem.MolToSmiles(ps[0][0])
   'CNC(=O)OCCC(=O)O'
   >>> Chem.MolToSmiles(ps[1][0])
   'CNC(=O)CCOC(=O)O

MDL rxnファイルから反応を構築することもできます:

.. code:: python

   >>> rxn = AllChem.ReactionFromRxnFile('data/AmideBond.rxn')
   >>> rxn.GetNumReactantTemplates()
   2
   >>> rxn.GetNumProductTemplates()
   1
   >>> ps = rxn.RunReactants((Chem.MolFromSmiles('CC(=O)O'), Chem.MolFromSmiles('NC')))
   >>> len(ps)
   1
   >>> Chem.MolToSmiles(ps[0][0])
   'CNC(C)=O'

もちろんアミド結合の形成よりももっと複雑な反応を行うこともできます:

.. code:: python

   >>> rxn = AllChem.ReactionFromSmarts('[C:1]=[C:2].[C:3]=[*:4][*:5]=[C:6]>>[C:1]1[C:2][C:3][*:4]=[*:5][C:6]1')
   >>> ps = rxn.RunReactants((Chem.MolFromSmiles('OC=C'), Chem.MolFromSmiles('C=CC(N)=C')))
   >>> Chem.MolToSmiles(ps[0][0])
   'NC1=CCCC(O)C1'

この場合、テンプレートへの反応物質のマッピングが1通りではないので、得られるものが複数の生成物を含むセットであることに注意してください:

.. code:: python

   >>> len(ps)
   4

カノニカルSMILESとpythonの辞書型を使うことで、それぞれのユニークな生成物を得ることができます。

.. code:: python

   >>> uniqps = {}
   >>> for p in ps:
   ...   smi = Chem.MolToSmiles(p[0])
   ...   uniqps[smi] = p[0]
   ...
   >>> sorted(uniqps.keys())
   ['NC1=CCC(O)CC1', 'NC1=CCCC(O)C1']

化学反応を処理するコードから生成される分子はサニタイズされていないことに注意して下さい。あえて不自然な反応例をつかって示します:

.. code:: python

   >>> rxn = AllChem.ReactionFromSmarts('[C:1]=[C:2][C:3]=[C:4].[C:5]=[C:6]>>[C:1]1=[C:2][C:3]=[C:4][C:5]=[C:6]1')
   >>> ps = rxn.RunReactants((Chem.MolFromSmiles('C=CC=C'), Chem.MolFromSmiles('C=C')))
   >>> Chem.MolToSmiles(ps[0][0])
   'C1=CC=CC=C1'
   >>> p0 = ps[0][0]
   >>> Chem.SanitizeMol(p0)
   rdkit.Chem.rdmolops.SanitizeFlags.SANITIZE_NONE
   >>> Chem.MolToSmiles(p0)
   'c1ccccc1'

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_20>`\ へ

.. _back-to-ref_21:

より高度な反応機能
==========================================================
[`Advanced Reaction Functionality <https://www.rdkit.org/docs/GettingStartedInPython.html#advanced-reaction-functionality>`__]

原子の保護
----------------------------------------------------------
[`Protecting Atoms <https://www.rdkit.org/docs/GettingStartedInPython.html#protecting-atoms>`__]

ありえない生成物を生み出してしまわないように十分に正確に反応を表現することは、時折難しく、特にrxnファイルを扱っているときにこのような問題が生じます。
RDKitでは原子を“保護する”方法を提供しており、その原子が反応に参加しないようにすることができます。

上のセクションで用いたアミド結合形成の反応を再度用いてデモンストレーションしてみましょう。
アミンのクエリが十分に明確ではなく、少なくとも一つの水素原子の結合した窒素原子はどれでもマッチしてしまいます。
したがって、この反応をすでにアミド結合を有する分子に適用した場合、アミドのNも反応点として扱われてしまいます:

.. code:: python

   >>> rxn = AllChem.ReactionFromRxnFile('data/AmideBond.rxn')
   >>> acid = Chem.MolFromSmiles('CC(=O)O')
   >>> base = Chem.MolFromSmiles('CC(=O)NCCN')
   >>> ps = rxn.RunReactants((acid,base))
   >>> len(ps)
   2
   >>> Chem.MolToSmiles(ps[0][0])
   'CC(=O)N(CCN)C(C)=O'
   >>> Chem.MolToSmiles(ps[1][0])
   'CC(=O)NCCNC(C)=O'

最初の生成物がアミドのNで反応が起きたものに相当します。

全てのアミドのNを保護することで、このような事態が生じるのを防ぐことができます。
ここでは、アミドとチオアミドにマッチする部分構造クエリをつかって保護を行い、マッチする原子に\ ``_protected``\ プロパティをセットしましょう:

.. code:: python

   >>> amidep = Chem.MolFromSmarts('[N;$(NC=[O,S])]')
   >>> for match in base.GetSubstructMatches(amidep):
   ...     base.GetAtomWithIdx(match[0]).SetProp('_protected','1')

これで、たった一つだけ生成物を生じるようになります:

.. code:: python

   >>> ps = rxn.RunReactants((acid,base))
   >>> len(ps)
   1
   >>> Chem.MolToSmiles(ps[0][0])
   'CC(=O)NCCNC(C)=O'

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_21>`\ へ

.. _back-to-ref_22:

Recapの実装
==========================================================
[`Recap Implementation <https://www.rdkit.org/docs/GettingStartedInPython.html#recap-implementation>`__]

化学反応機能と関連して、Recapアルゴリズムの実装を取り上げます。 [#lewell]_
Recapは、実験室でよく使われる反応を模倣した化学変換のセットを使って、分子を一連の合理的なフラグメントに分解します。

RDKitの\ `rdkit.Chem.Recap <https://www.rdkit.org/docs/source/rdkit.Chem.Recap.html#module-rdkit.Chem.Recap>`__\ の実装は、適用される変換の階層構造の流れを保存します。

.. code:: python

   >>> from rdkit import Chem
   >>> from rdkit.Chem import Recap
   >>> m = Chem.MolFromSmiles('c1ccccc1OCCOC(=O)CC')
   >>> hierarch = Recap.RecapDecompose(m)
   >>> type(hierarch)
   <class 'rdkit.Chem.Recap.RecapHierarchyNode'>

階層構造の基点(根:root)は元々の分子です:

.. code:: python

   >>> hierarch.smiles
   'CCC(=O)OCCOc1ccccc1'

それぞれのノードはSMILESをキーとする辞書型を使って、子ノードの情報を保持します。

.. code:: python

   >>> ks=hierarch.children.keys()
   >>> sorted(ks)
   ['*C(=O)CC', '*CCOC(=O)CC', '*CCOc1ccccc1', '*OCCOc1ccccc1', '*c1ccccc1']

階層構造の末端のノード(葉ノード)は簡単にアクセスすることができ、これもSMILESをキーとする辞書型となっています。

.. code:: python

   >>> ks=hierarch.GetLeaves().keys()
   >>> ks=sorted(ks)
   >>> ks
   ['*C(=O)CC', '*CCO*', '*CCOc1ccccc1', '*c1ccccc1']

分子がフラグメント化された場所では、ダミーアトムをつかって印がつけられていることに注意して下さい。

ノード自体には関連づけられた分子が入っています:

.. code:: python

   >>> leaf = hierarch.GetLeaves()[ks[0]]
   >>> Chem.MolToSmiles(leaf.mol)
   '*C(=O)CC'

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_22>`\ へ

.. _back-to-ref_23:

BRICSの実装
==========================================================
[`BRICS Implementation <https://www.rdkit.org/docs/GettingStartedInPython.html#brics-implementation>`__]

RDKitはBRICSアルゴリズムの実装も提供しています。[#degen]_ BRICSは合成的に利用可能な結合に沿って分子をフラグメント化するもう一つの方法です:

.. code:: python

   >>> from rdkit.Chem import BRICS
   >>> cdk2mols = Chem.SDMolSupplier('data/cdk2.sdf')
   >>> m1 = cdk2mols[0]
   >>> sorted(BRICS.BRICSDecompose(m1))
   ['[14*]c1nc(N)nc2[nH]cnc12', '[3*]O[3*]', '[4*]CC(=O)C(C)C']
   >>> m2 = cdk2mols[20]
   >>> sorted(BRICS.BRICSDecompose(m2))
   ['[1*]C(=O)NN(C)C', '[14*]c1[nH]nc2c1C(=O)c1c([16*])cccc1-2', '[16*]c1ccc([16*])cc1', '[3*]OC', '[5*]N[5*]']

RDKitのBRICSの実装では、分子から作られたそれぞれのユニークなフラグメントを返します。また、ダミーアトムに、どのタイプの反応が適用されたかを示すタグがつけられたうえで返されます。

分子の集合に対して全てのフラグメントのリストを生成することがとても簡単にできます:

.. code:: python

   >>> allfrags=set()
   >>> for m in cdk2mols:
   ...    pieces = BRICS.BRICSDecompose(m)
   ...    allfrags.update(pieces)
   >>> len(allfrags)
   90
   >>> sorted(allfrags)[:5]
   ['NS(=O)(=O)c1ccc(N/N=C2\\C(=O)Nc3ccc(Br)cc32)cc1', '[1*]C(=O)C(C)C', '[1*]C(=O)NN(C)C', '[1*]C(=O)NN1CC[NH+](C)CC1', '[1*]C(C)=O']

BRICSモジュールは、フラグメントの集合にBRICSのルールを適用して新しい分子を生成するオプションも提供しています:

.. code:: python

   >>> import random
   >>> random.seed(127)
   >>> fragms = [Chem.MolFromSmiles(x) for x in sorted(allfrags)]
   >>> ms = BRICS.BRICSBuild(fragms)

結果はジェネレーターオブジェクトです:

.. code:: python

   >>> ms
   <generator object BRICSBuild at 0x...>

リクエストに応じて分子を返します:

.. code:: python

   >>> prods = [next(ms) for x in range(10)]
   >>> prods[0]
   <rdkit.Chem.rdchem.Mol object at 0x...>

返された分子はサニタイズされていないので、処理を続ける前に少なくとも原子価を更新した方が良いでしょう:

.. code:: python

   >>> for prod in prods:
   ...     prod.UpdatePropertyCache(strict=False)
   ...
   >>> Chem.MolToSmiles(prods[0],True)
   'COCCO'
   >>> Chem.MolToSmiles(prods[1],True)
   'O=C1Nc2ccc3ncsc3c2/C1=C/NCCO'
   >>> Chem.MolToSmiles(prods[2],True)
   'O=C1Nc2ccccc2/C1=C/NCCO'

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_23>`\ へ

.. _back-to-ref_24:

他のフラグメント化手法
==========================================================
[`Other fragmentation approaches <https://www.rdkit.org/docs/GettingStartedInPython.html#other-fragmentation-approaches>`__]

上述の方法に加えて、RDKitはユーザーが指定した結合に沿って分子をフラグメント化する非常に柔軟なジェネリック関数を提供しています。

ここでは、簡単なデモンストレーションとして、環構造の中に含まれる原子と含まれない原子との間の結合を全て切断するという場合を試してみましょう。
まずはペアとなる原子の組み合わせをすべて見つけることから始めます。

.. code:: python

   >>> m = Chem.MolFromSmiles('CC1CC(O)C1CCC1CC1')
   >>> bis = m.GetSubstructMatches(Chem.MolFromSmarts('[!R][R]'))
   >>> bis
   ((0, 1), (4, 3), (6, 5), (7, 8))

次に、原子のペアに一致する結合のインデックスを取得します:

.. code:: python

   >>> bs = [m.GetBondBetweenAtoms(x,y).GetIdx() for x,y in bis]
   >>> bs
   [0, 3, 5, 7]

そして、これらの結合のインデックスをフラグメント化関数のインプットとして使います:

.. code:: python

   >>> nm = Chem.FragmentOnBonds(m,bs)

アウトプットは、結合が切断された場所を示すダミーアトムを有する分子です:

.. code:: python

   >>> Chem.MolToSmiles(nm,True)
   '*C1CC([4*])C1[6*].[1*]C.[3*]O.[5*]CC[8*].[7*]C1CC1'

デフォルトでは、接着点は取り除かれた原子のインデックスとともに、(同位体(isotope)を使って)ラベルされています。
独自の原子のラベルのセットを、符号なし整数のペアという形で設定することもできます。
それぞれのペアの最初の値は、結合の出発点となる原子を置き換えるダミーのためのラベルとして使われ、ペアの2番目の値は、結合の終点となる原子を置き換えるダミーのためのラベルとして使われます。
以下の例を見てみましょう。上述の解析を再度行い、接着点に関して、環構造に含まれない原子の場所は10とラベルをつけ、環構造の中の原子には1とラベルをつけています:

.. code:: python

   >>> bis = m.GetSubstructMatches(Chem.MolFromSmarts('[!R][R]'))
   >>> bs = []
   >>> labels=[]
   >>> for bi in bis:
   ...    b = m.GetBondBetweenAtoms(bi[0],bi[1])
   ...    if b.GetBeginAtomIdx()==bi[0]:
   ...        labels.append((10,1))
   ...    else:
   ...        labels.append((1,10))
   ...    bs.append(b.GetIdx())
   >>> nm = Chem.FragmentOnBonds(m,bs,dummyLabels=labels)
   >>> Chem.MolToSmiles(nm,True)
   '[1*]C.[1*]CC[1*].[1*]O.[10*]C1CC([10*])C1[10*].[10*]C1CC1'

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_24>`\ へ

化学的特徴とファーマコフォア
***************************************************
[`Chemical Features and Pharmacophores <https://www.rdkit.org/docs/GettingStartedInPython.html#chemical-features-and-pharmacophores>`__]

.. _back-to-ref_25:

化学的特徴
==========================================================
[`Chemical Features <https://www.rdkit.org/docs/GettingStartedInPython.html#chemical-features>`__]

RDKitにおいて化学的特徴(フィーチャー)は、SMARTSに基づくフィーチャー定義言語を使って定義されています(言語の詳細はthe RDKit bookに記載されています)。
分子の化学的特徴を見つけ出すためには、まず初めにフィーチャーファクトリー(feature factory)を作らなければなりません:

.. code:: python

   >>> from rdkit import Chem
   >>> from rdkit.Chem import ChemicalFeatures
   >>> from rdkit import RDConfig
   >>> import os
   >>> fdefName = os.path.join(RDConfig.RDDataDir,'BaseFeatures.fdef')
   >>> factory = ChemicalFeatures.BuildFeatureFactory(fdefName)

次に、作成したファクトリーをつかってフィーチャーを検索します:

.. code:: python

   >>> m = Chem.MolFromSmiles('OCc1ccccc1CN')
   >>> feats = factory.GetFeaturesForMol(m)
   >>> len(feats)
   8

個々のフィーチャーには、それが属するファミリー(たとえばドナーやアクセプターなど)やタイプ(より詳細な説明)、フィーチャーと結びつけられた原子(原子団)についての情報が紐付けられています:

.. code:: python

   >>> feats[0].GetFamily()
   'Donor'
   >>> feats[0].GetType()
   'SingleAtomDonor'
   >>> feats[0].GetAtomIds()
   (0,)
   >>> feats[4].GetFamily()
   'Aromatic'
   >>> feats[4].GetAtomIds()
   (2, 3, 4, 5, 6, 7)

もし分子に座標の情報が含まれているなら、座標の中でフィーチャーが占める合理的な位置についての情報も紐付けられます:

.. code:: python

   >>> from rdkit.Chem import AllChem
   >>> AllChem.Compute2DCoords(m)
   0
   >>> feats[0].GetPos()
   <rdkit.Geometry.rdGeometry.Point3D object at 0x...>
   >>> list(feats[0].GetPos())
   [2.07..., -2.335..., 0.0]

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_25>`\ へ

.. _back-to-ref_26:

2Dファーマコフォアフィンガープリント
==========================================================
[`2D Pharmacophore Fingerprints <https://www.rdkit.org/docs/GettingStartedInPython.html#d-pharmacophore-fingerprints>`__]

複数の化学的特徴と、フィーチャー間の2Dの(幾何学的、トポロジカル)距離とを合わせることで2Dファーマコフォアを作成することができます。
距離がビン分割されると、それぞれのファーマコフォアに一意の整数値のIDを割り当てることができ、フィンガープリントにその情報を格納することができます。
エンコーディングの詳細は\ `The RDKit book <https://www.rdkit.org/docs/RDKit_Book.html>`__\ を参照してください。

ファーマコフォアフィンガープリントを生成するには、通常のRDKitのフィーチャータイプ化機能で作成した化学的特徴が必要です:

.. code:: python

   >>> from rdkit import Chem
   >>> from rdkit.Chem import ChemicalFeatures
   >>> fdefName = 'data/MinimalFeatures.fdef'
   >>> featFactory = ChemicalFeatures.BuildFeatureFactory(fdefName)

フィンガープリント自体は、ファーマコフォアを生成する際に必要だったすべてのパラメーターを保持しているシグネチャー(フィンガープリント)ファクトリーを使って計算されます。

.. code:: python

   >>> from rdkit.Chem.Pharm2D.SigFactory import SigFactory
   >>> sigFactory = SigFactory(featFactory,minPointCount=2,maxPointCount=3)
   >>> sigFactory.SetBins([(0,2),(2,5),(5,8)])
   >>> sigFactory.Init()
   >>> sigFactory.GetSigSize()
   885

これでフィンガープリントを生成するシグネチャーファクトリーの準備が整いました。\ `rdkit.Chem.Pharm2D.Generate <https://www.rdkit.org/docs/source/rdkit.Chem.Pharm2D.Generate.html#module-rdkit.Chem.Pharm2D.Generate>`__\ モジュールを使って行います。

.. code:: python

   >>> from rdkit.Chem.Pharm2D import Generate
   >>> mol = Chem.MolFromSmiles('OCC(=O)CCCN')
   >>> fp = Generate.Gen2DFingerprint(mol,sigFactory)
   >>> fp
   <rdkit.DataStructs.cDataStructs.SparseBitVect object at 0x...>
   >>> len(fp)
   885
   >>> fp.GetNumOnBits()
   57

含まれるフィーチャーやビン分割されたフィーチャー間の距離行列といった情報も含めて、ビット自体の詳細についてはシグネチャーファクトリーから得ることができます。

.. code:: python

   >>> list(fp.GetOnBits())[:5]
   [1, 2, 6, 7, 8]
   >>> sigFactory.GetBitDescription(1)
   'Acceptor Acceptor |0 1|1 0|'
   >>> sigFactory.GetBitDescription(2)
   'Acceptor Acceptor |0 2|2 0|'
   >>> sigFactory.GetBitDescription(8)
   'Acceptor Donor |0 2|2 0|'
   >>> list(fp.GetOnBits())[-5:]
   [704, 706, 707, 708, 714]
   >>> sigFactory.GetBitDescription(707)
   'Donor Donor PosIonizable |0 1 2|1 0 1|2 1 0|'
   >>> sigFactory.GetBitDescription(714)
   'Donor Donor PosIonizable |0 2 2|2 0 0|2 0 0|'

作業を簡便にするため(毎回FDefファイルを編集する必要をなくすため)に、SigFactoryの特定のフィーチャータイプを無効化することもできます。

.. code:: python

   >>> sigFactory.skipFeats=['PosIonizable']
   >>> sigFactory.Init()
   >>> sigFactory.GetSigSize()
   510
   >>> fp2 = Generate.Gen2DFingerprint(mol,sigFactory)
   >>> fp2.GetNumOnBits()
   36

RDKitで使用可能な、2Dファーマコフォアフィンガープリントのためのフィーチャー定義のセットにはもう一つあり、GobbiとPoppingerによって提案されたものです 。[#gobbi]_
\ `rdkit.Chem.Pharm2D.Gobbi_Pharm2D <https://www.rdkit.org/docs/source/rdkit.Chem.Pharm2D.Gobbi_Pharm2D.html#module-rdkit.Chem.Pharm2D.Gobbi_Pharm2D>`__\ モジュールにこれらのフィンガープリントタイプのために予め設定されたシグネチャーファクトリーがあります。使い方の例をお示しします:

.. code:: python

   >>> from rdkit import Chem
   >>> from rdkit.Chem.Pharm2D import Gobbi_Pharm2D,Generate
   >>> m = Chem.MolFromSmiles('OCC=CC(=O)O')
   >>> fp = Generate.Gen2DFingerprint(m,Gobbi_Pharm2D.factory)
   >>> fp
   <rdkit.DataStructs.cDataStructs.SparseBitVect object at 0x...>
   >>> fp.GetNumOnBits()
   8
   >>> list(fp.GetOnBits())
   [23, 30, 150, 154, 157, 185, 28878, 30184]
   >>> Gobbi_Pharm2D.factory.GetBitDescription(157)
   'HA HD |0 3|3 0|'
   >>> Gobbi_Pharm2D.factory.GetBitDescription(30184)
   'HA HD HD |0 3 0|3 0 3|0 3 0|'

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_26>`\ へ

.. _back-to-ref_27:

分子フラグメント
***************************************************
[`Molecular Fragments <https://www.rdkit.org/docs/GettingStartedInPython.html#molecular-fragments>`__]

RDKitには分子のフラグメント化を行うツールと、生成したフラグメントを扱うためのツールが揃っています。
フラグメントは互いに結合した原子団から成るものと定義されていて、原子団が付随する官能基を持つ場合もあります。説明するよりもやってみせたほうがわかりやすいでしょう:

.. code:: python

   >>> fName=os.path.join(RDConfig.RDDataDir,'FunctionalGroups.txt')
   >>> from rdkit.Chem import FragmentCatalog
   >>> fparams = FragmentCatalog.FragCatParams(1,6,fName)
   >>> fparams.GetNumFuncGroups()
   39
   >>> fcat=FragmentCatalog.FragCatalog(fparams)
   >>> fcgen=FragmentCatalog.FragCatGenerator()
   >>> m = Chem.MolFromSmiles('OCC=CC(=O)O')
   >>> fcgen.AddFragsFromMol(m,fcat)
   3
   >>> fcat.GetEntryDescription(0)
   'C<-O>C'
   >>> fcat.GetEntryDescription(1)
   'C=C<-C(=O)O>'
   >>> fcat.GetEntryDescription(2)
   'C<-C(=O)O>=CC<-O>'

フラグメントは\ `rdkit.Chem.rdfragcatalog.FragCatalog <https://www.rdkit.org/docs/source/rdkit.Chem.rdfragcatalog.html#rdkit.Chem.rdfragcatalog.FragCatalog>`__\ にエントリーとして格納されています。
エントリーの記述が山括弧で囲まれた部分(例えば’<‘と’>’の間)を含むことに注意してください。
この部分はフラグメントに結合する官能基を表します。
例えば、上記の例の場合、カタログエントリー0はアルコールが一方の炭素に結合したエチル基のフラグメントに相当し、エントリー1はカルボン酸が一方の炭素に結合したエチレンに相当します。
官能基についての詳細な情報は、官能基のIDをフラグメントに問い合わせ、
そのIDを\ `rdkit.Chem.rdfragcatalog.FragCatParams <https://www.rdkit.org/docs/source/rdkit.Chem.rdfragcatalog.html#rdkit.Chem.rdfragcatalog.FragCatParams>`__\ オブジェクトの中から探し出すことで得られます。

.. code:: python

   >>> list(fcat.GetEntryFuncGroupIds(2))
   [34, 1]
   >>> fparams.GetFuncGroup(1)
   <rdkit.Chem.rdchem.Mol object at 0x...>
   >>> Chem.MolToSmarts(fparams.GetFuncGroup(1))
   '*-C(=O)[O&D1]'
   >>> Chem.MolToSmarts(fparams.GetFuncGroup(34))
   '*-[O&D1]'
   >>> fparams.GetFuncGroup(1).GetProp('_Name')
   '-C(=O)O'
   >>> fparams.GetFuncGroup(34).GetProp('_Name')
   '-O'

カタログは階層構造になっており、小さなフラグメントが合わさってより大きなフラグメントを構成します。
\ `rdkit.Chem.rdfragcatalog.FragCatalog.GetEntryDownIds() <https://www.rdkit.org/docs/source/rdkit.Chem.rdfragcatalog.html#rdkit.Chem.rdfragcatalog.FragCatalog.GetEntryDownIds>`__\ メソッドを使って、小さなフラグメントから、そのフラグメントが寄与するより大きなフラグメントを見つけることができます。

.. code:: python

   >>> fcat=FragmentCatalog.FragCatalog(fparams)
   >>> m = Chem.MolFromSmiles('OCC(NC1CC1)CCC')
   >>> fcgen.AddFragsFromMol(m,fcat)
   15
   >>> fcat.GetEntryDescription(0)
   'C<-O>C'
   >>> fcat.GetEntryDescription(1)
   'CN<-cPropyl>'
   >>> list(fcat.GetEntryDownIds(0))
   [3, 4]
   >>> fcat.GetEntryDescription(3)
   'C<-O>CC'
   >>> fcat.GetEntryDescription(4)
   'C<-O>CN<-cPropyl>'

多数の分子からつくったフラグメントをカタログに加えることもできます。

.. code:: python

   >>> suppl = Chem.SmilesMolSupplier('data/bzr.smi')
   >>> ms = [x for x in suppl]
   >>> fcat=FragmentCatalog.FragCatalog(fparams)
   >>> for m in ms: nAdded=fcgen.AddFragsFromMol(m,fcat)
   >>> fcat.GetNumEntries()
   1169
   >>> fcat.GetEntryDescription(0)
   'Cc'
   >>> fcat.GetEntryDescription(100)
   'cc-nc(C)n

カタログ内のフラグメントは一意に定められたユニークなもので、分子をもう一度追加しても新しいエントリーは増えません:

.. code:: python

   >>> fcgen.AddFragsFromMol(ms[0],fcat)
   0
   >>> fcat.GetNumEntries()
   1169

一旦\ `rdkit.Chem.rdfragcatalog.FragCatalog <https://www.rdkit.org/docs/source/rdkit.Chem.rdfragcatalog.html#rdkit.Chem.rdfragcatalog.FragCatalog>`__\ を生成すれば、それを用いて分子のフィンガープリント化を行うこともできます。

.. code:: python

   >>> fpgen = FragmentCatalog.FragFPGenerator()
   >>> fp = fpgen.GetFPForMol(ms[8],fcat)
   >>> fp
   <rdkit.DataStructs.cDataStructs.ExplicitBitVect object at 0x...>
   >>> fp.GetNumOnBits()
   189

これで、フィンガープリントに関連づけられた残りの機能をフラグメントフィンガープリントに適用することができるようになりました。
例えば、二つの分子について、それぞれのフィンガープリントの積集合をとることで、共通して存在するフラグメントを簡単に見つけることができます:

.. code:: python

   >>> fp2 = fpgen.GetFPForMol(ms[7],fcat)
   >>> andfp = fp&fp2
   >>> obl = list(andfp.GetOnBits())
   >>> fcat.GetEntryDescription(obl[-1])
   'ccc(cc)NC<=O>'
   >>> fcat.GetEntryDescription(obl[-5])
   'c<-X>ccc(N)cc'

また、ある分子を別の分子と区別するフラグメントを見つけることもできます:

.. code:: python

   >>> combinedFp=fp&(fp^fp2) # fp&(!fp2)をつかうよりももっと効率的な可能性があります。
   >>> obl = list(combinedFp.GetOnBits())
   >>> fcat.GetEntryDescription(obl[-1])
   'cccc(N)cc'

\ `rdkit.ML.InfoTheory.rdInfoTheory.InfoBitRanker <https://www.rdkit.org/docs/source/rdkit.ML.InfoTheory.rdInfoTheory.html#rdkit.ML.InfoTheory.rdInfoTheory.InfoBitRanker>`__\ クラスのビットランキング機能を使って活性化合物を不活性化合物と区別するフラグメントを見つけ出すこともできます。

.. code:: python

   >>> suppl = Chem.SDMolSupplier('data/bzr.sdf')
   >>> sdms = [x for x in suppl]
   >>> fps = [fpgen.GetFPForMol(x,fcat) for x in sdms]
   >>> from rdkit.ML.InfoTheory import InfoBitRanker
   >>> ranker = InfoBitRanker(len(fps[0]),2)
   >>> acts = [float(x.GetProp('ACTIVITY')) for x in sdms]
   >>> for i,fp in enumerate(fps):
   ...   act = int(acts[i]>7)
   ...   ranker.AccumulateVotes(fp,act)
   ...
   >>> top5 = ranker.GetTopN(5)
   >>> for id,gain,n0,n1 in top5:
   ...   print(int(id),'%.3f'%gain,int(n0),int(n1))
   ...
   702 0.081 20 17
   328 0.073 23 25
   341 0.073 30 43
   173 0.073 30 43
   1034 0.069 5 53

上記の例で、各列はbitId、infoGain、nInactive、nActiveを表します。上記モデルケースではこの手法がさほどうまくいっていないことに注意してください。

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_27>`\ へ

化学以外の機能
***************************************************
[`Non-Chemical Functionality <https://www.rdkit.org/docs/GettingStartedInPython.html#non-chemical-functionality>`__]

ビットベクトル
==========================================================
[`Bit vetors <https://www.rdkit.org/docs/GettingStartedInPython.html#bit-vectors>`__]

ビットベクトルは多数のバイナリ値(例えばフィンガープリントを表すバイナリ値)を効率的に格納するための入れ物です。
RDKitには2つのタイプのフィンガープリントがあり、値を内部に格納する方法に違いがあります。2つのタイプは簡単に互いに変換することができますが、それぞれ最適な使用目的は異なっています:

-  SparseBitVectsはベクトルに含まれるビットセットのリストだけを保存します。ファーマコフォアフィンガープリントのように非常に大きく、低密度のベクトルを保存するのにとても適しています。立っているビットのリストを取得するといった操作は非常に速いです。一方でベクトルの符号を反転するといった操作はとても、とても遅いです。
-  ExplicitBitVectsは立っているビットも立っていないビットも両方の情報を記録します。一般にSparseBitVectsよりも速いですが、保存するのに必要なメモリーが大きくなります。

Discrete value vectors
==========================================================
[`Discrete value vectors <https://www.rdkit.org/docs/GettingStartedInPython.html#discrete-value-vectors>`__]

3D grids
==========================================================
[`3D grids <https://www.rdkit.org/docs/GettingStartedInPython.html#d-grids>`__]

Points
===========
[`Points <https://www.rdkit.org/docs/GettingStartedInPython.html#points>`__]

ヘルプの使い方
*************************************************
[`Getting Help <https://www.rdkit.org/docs/GettingStartedInPython.html#getting-help>`__]

RDKitのdocistringにはたくさんのドキュメントが含まれており、利用することができます。Pythonのヘルプコマンドを使って参照することができます。

.. code:: python

   >>> m = Chem.MolFromSmiles('Cc1ccccc1')
   >>> m.GetNumAtoms()
   7
   >>> help(m.GetNumAtoms)
   Help on method GetNumAtoms:

   GetNumAtoms(...) method of rdkit.Chem.rdchem.Mol instance
       GetNumAtoms( (Mol)arg1 [, (int)onlyHeavy=-1 [, (bool)onlyExplicit=True]]) -> int :
           Returns the number of atoms in the molecule.

             ARGUMENTS:
               - onlyExplicit: (optional) include only explicit atoms (atoms in the molecular graph)
                               defaults to 1.
             NOTE: the onlyHeavy argument is deprecated


           C++ signature :
               int GetNumAtoms(RDKit::ROMol [,int=-1 [,bool=True]])

   >>> m.GetNumAtoms(onlyExplicit=False)
   15

コマンドの補完やツールチップを使うことができる環境で作業する場合、利用可能なメソッドをとても簡単に確認することができます。
Jupyter notebookをつかった使用例のスクリーンショットはこのようになります:

.. image:: ../Book/images/picture_6.png

発展的なトピック/警告
***************************************************
[`Advanced Topics/Warnings <https://www.rdkit.org/docs/GettingStartedInPython.html#advanced-topics-warnings>`__]

.. _back-to-ref_28:

分子の編集
==========================================================
[`Editing Molecules <https://www.rdkit.org/docs/GettingStartedInPython.html#editing-molecules>`__]

RDKitで提供されているいくつかの機能では、“その場で”分子を編集することができます。

.. code:: python

   >>> m = Chem.MolFromSmiles('c1ccccc1')
   >>> m.GetAtomWithIdx(0).SetAtomicNum(7)
   >>> Chem.SanitizeMol(m)
   rdkit.Chem.rdmolops.SanitizeFlags.SANITIZE_NONE
   >>> Chem.MolToSmiles(m)
   'c1ccncc1'

サニタイゼーションを行うのを忘れないようにしてください。忘れると、(深く考えない限り)一見うまくいったかのような結果を返しますが、

.. code:: python

   >>> m = Chem.MolFromSmiles('c1ccccc1')
   >>> m.GetAtomWithIdx(0).SetAtomicNum(8)
   >>> Chem.MolToSmiles(m)
   'c1ccocc1'

この結果はもちろん完全にナンセンスで、サニタイゼーションをしようとすれば分かります:

.. code:: python

   >>> Chem.SanitizeMol(m)
   Traceback (most recent call last):
     File "/usr/lib/python2.6/doctest.py", line 1253, in __run
       compileflags, 1) in test.globs
     File "<doctest default[0]>", line 1, in <module>
       Chem.SanitizeMol(m)
   ValueError: Sanitization error: Can't kekulize mol

より複雑な変換は\ `rdkit.Chem.rdchem.RWMol <https://www.rdkit.org/docs/source/rdkit.Chem.rdchem.html#rdkit.Chem.rdchem.RWMol>`__\ クラスを使うことで実行できます:

.. code:: python

   >>> m = Chem.MolFromSmiles('CC(=O)C=CC=C')
   >>> mw = Chem.RWMol(m)
   >>> mw.ReplaceAtom(4,Chem.Atom(7))
   >>> mw.AddAtom(Chem.Atom(6))
   7
   >>> mw.AddAtom(Chem.Atom(6))
   8
   >>> mw.AddBond(6,7,Chem.BondType.SINGLE)
   7
   >>> mw.AddBond(7,8,Chem.BondType.DOUBLE)
   8
   >>> mw.AddBond(8,3,Chem.BondType.SINGLE)
   9
   >>> mw.RemoveAtom(0)
   >>> mw.GetNumAtoms()
   8

RWMolはROMolと同じように使うことができます:

.. code:: python

   >>> Chem.MolToSmiles(mw)
   'O=CC1=NC=CC=C1'
   >>> Chem.SanitizeMol(mw)
   rdkit.Chem.rdmolops.SanitizeFlags.SANITIZE_NONE
   >>> Chem.MolToSmiles(mw)
   'O=Cc1ccccn1'

標準的な分子を扱うよりも、RWMolを使った方がナンセンスな結果を出しやすいです。化学的に妥当な結果が必要ならば、必ず結果にサニタイゼーションを行うようにしてください。

訳注) 上記セクションの構造式が気になったら\ :ref:`こちら <jp-notes_28>`\ へ

雑多なテクニックとヒント
***************************************************
[`Miscellaneous Tips and Hints <https://www.rdkit.org/docs/GettingStartedInPython.html#miscellaneous-tips-and-hints>`__]

ChemかAllChemか
==========================================================
[`Chem vs AllChem <https://www.rdkit.org/docs/GettingStartedInPython.html#chem-vs-allchem>`__]

“基本的な”化学に関する機能の大部分(例:
分子の読み込み・書き出し、部分構造検索、分子を綺麗に整える、など)は\ `rdkit.Chem <https://www.rdkit.org/docs/source/rdkit.Chem.html#module-rdkit.Chem>`__\ モジュールに入っています。
より発展的で、使用頻度が低い機能は\ `rdkit.Chem.AllChem <https://www.rdkit.org/docs/source/rdkit.Chem.AllChem.html#module-rdkit.Chem.AllChem>`__\ に入っています。
両者の違いは、操作を開始するまでのスピードを速くするか、それともインポートの回数を少なくするかにあります。
2、3の分子を読み込んだり、書き出したりすることに興味があるだけなら、2Dの分子を3Dにするライブラリーや力場の実装を読み込むのは無駄です。
もしChem/AllChemの選択が煩わしいなら、pythonの“import… as …”構文を使ってストレスをなくすことができます:

.. code:: python

   >>> from rdkit.Chem import AllChem as Chem
   >>> m = Chem.MolFromSmiles('CCC')

SSSR問題
==========================================================
[`The SSSR Problem <https://www.rdkit.org/docs/GettingStartedInPython.html#the-sssr-problem>`__]

他の人たちが、私が意図していたよりも大きなエネルギーと雄弁さでわめき出したように、
分子の「最小の環構造の最小のセット(smallest set of smallest rings:SSSR)」の定義は一つではありません。
対称性の高い分子では“本当の”SSSRで得られる結果は魅力的ではありません。
例えばキュバンのSSSRは環構造を5つとしますが、“明らかに”6つあります。
この問題は、対称的な結果を返す、「最小の環構造の(*最小* ではなく)*小さい* セット」のアルゴリズムを実装することで修正することができます。これがRDKitで用いている手法です。

分子に含まれるSSSR環構造の数を数えることができると役に立つこともあるので、
\ `rdkit.Chem.rdmolops.GetSSSR() <https://www.rdkit.org/docs/source/rdkit.Chem.rdmolops.html#rdkit.Chem.rdmolops.GetSSSR>`__\ 関数が提供されていますが、
これはSSSRの数を返すだけで、潜在的に一意ではない環構造のセットを返すわけではありません。

利用可能な記述子のリスト
***************************************************
[`List of Available Descriptors <https://www.rdkit.org/docs/GettingStartedInPython.html#list-of-available-descriptors>`__]

+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| 記述子/記述子のファミリー                             | 注釈                                                                 | 言語   |
+=======================================================+======================================================================+========+
| Gasteiger/Marsili Partial Charges                     | *Tetrahedron* **36**:3219\-28 (1980)                                 | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| BalabanJ                                              | *Chem. Phys. Lett.* **89**:399\-404 (1982)                           | Python |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| BertzCT                                               | *J. Am. Chem. Soc.* **103**:3599\-601 (1981)                         | Python |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| Ipc                                                   | *J. Chem. Phys.* **67**:4517\-33 (1977)                              | Python |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| HallKierAlpha                                         | *Rev. Comput. Chem.* **2**:367\-422 (1991)                           | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| Kappa1 - Kappa3                                       | *Rev. Comput. Chem.* **2**:367\-422 (1991)                           | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| Chi0, Chi1                                            | *Rev. Comput. Chem.* **2**:367\-422 (1991)                           | Python |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| Chi0n - Chi4n                                         | *Rev. Comput. Chem.* **2**:367\-422 (1991)                           | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| Chi0v - Chi4v                                         | *Rev. Comput. Chem.* **2**:367\-422 (1991)                           | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| MolLogP                                               | Wildman and Crippen *JCICS* **39**:868\-73 (1999)                    | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| MolMR                                                 | Wildman and Crippen *JCICS* **39**:868\-73 (1999)                    | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| MolWt                                                 |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| ExactMolWt                                            |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| HeavyAtomCount                                        |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| HeavyAtomMolWt                                        |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| NHOHCount                                             |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| NOCount                                               |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| NumHAcceptors                                         |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| NumHDonors                                            |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| NumHeteroatoms                                        |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| NumRotatableBonds                                     |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| NumValenceElectrons                                   |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| NumAmideBonds                                         |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| Num{Aromatic,Saturated,Aliphatic}Rings                |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| Num{Aromatic,Saturated,Aliphatic}{Hetero,Carbo}cycles |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| RingCount                                             |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| FractionCSP3                                          |                                                                      | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| NumSpiroAtoms                                         | | スピロ原子の数                                                     | C++    |
|                                                       | | (正確に一つの原子を共有する環構造の間で共有されている原子)         |        |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| NumBridgeheadAtoms                                    | | 橋頭位原子の数                                                     | C++    |
|                                                       | | (少なくとも二つの結合を共有する環構造の間で共有されている原子)   |        |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| TPSA                                                  | | *J Med. Chem.* **43**:3714\-7, (2000)                              | C++    |
|                                                       | |                                                                    |        |
|                                                       | |                                                                    |        |
|                                                       | | 原文献との違いはthe RDKi bookのセクションを参照                    |        |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| LabuteASA                                             | *J. Mol. Graph. Mod.* **18**:464\-77 (2000)                          | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| PEOE_VSA1 - PEOE_VSA14                                | | 部分電荷と表面積の寄与を使ったMOEタイプの記述子                    | C++    |
|                                                       | | http://www.chemcomp.com/journal/vsadesc.htm                        |        |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| SMR_VSA1 - SMR_VSA10                                  | | MRの寄与と表面積の寄与を使ったMOEタイプの記述子                    | C++    |
|                                                       | | http://www.chemcomp.com/journal/vsadesc.htm                        |        |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| SlogP_VSA1 - SlogP_VSA12                              | | LogPの寄与と表面積の寄与を使ったMOEタイプの記述子                  | C++    |
|                                                       | | http://www.chemcomp.com/journal/vsadesc.htm                        |        |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| EState_VSA1 - EState_VSA11                            | | EStateインデックスと表面積の寄与を使ったMOEタイプの記述子          | Python |
|                                                       | | (RDで開発され、CCGペーパーには記述されていない)                    |        |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| VSA_EState1 - VSA_EState10                            | | EStateインデックスと表面積の寄与を使ったMOEタイプの記述子          | Python |
|                                                       | | (RDで開発され、CCGペーパーには記述されていない)                    |        |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| MQNs                                                  | Nguyen et al. *ChemMedChem* **4**:1803\-5 (2009)                     | C++    |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| Topliss fragments                                     | | $(RDBASE)/Data/FragmentDescriptors.csv の                          | Python |
|                                                       | | SMARTS定義のセットを使った実装                                     |        |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+
| Autocorr2D                                            | | 2017.09リリースで新しく導入                                        | C++    |
|                                                       | | Todeschini and Consoni                                             |        |
|                                                       | | “Descriptors from Molecular Geometry” Handbook of Chemoinformatics |        |
|                                                       | | https://doi.org/10.1002/9783527618279.ch37                         |        |
+-------------------------------------------------------+----------------------------------------------------------------------+--------+


利用可能な3D記述子のリスト
*********************************************************
[`List of Available 3D Descriptors <https://www.rdkit.org/docs/GettingStartedInPython.html#list-of-available-3d-descriptors>`__]

これらは全て分子が3次元のコンフォマーをもつことを必要とします。

+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| 記述子/記述子のファミリー | 注釈                                                                                                  | 言語 |
+===========================+=======================================================================================================+======+
| | Plane of best fit       | | Nicholas C. Firth, Nathan Brown, and Julian Blagg,                                                  | C++  |
| | (PBF)                   | | *JCIM* **52**:2516\-25                                                                              |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| PMI1, PMI2, PMI3          | 主慣性モーメント                                                                                      | C++  |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| NPR1, NPR2                | | 標準化された主モーメントの比                                                                        | C++  |
|                           | | Sauer and Schwarz *JCIM* **43**:987\-1003 (2003)                                                    |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| Radius of gyration        | | G. A. Arteca “Molecular Shape Descriptors”                                                          | C++  |
|                           | | Reviews in Computational Chemistry vol 9                                                            |      |
|                           | | https://doi.org/10.1002/9780470125861.ch5                                                           |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| Inertial shape factor     | | Todeschini and Consoni                                                                              | C++  |
|                           | | “Descriptors from Molecular Geometry” Handbook of Chemoinformatics                                  |      |
|                           | | https://doi.org/10.1002/9783527618279.ch37                                                          |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| Eccentricity              | | G. A. Arteca “Molecular Shape Descriptors”                                                          | C++  |
|                           | | Reviews in Computational Chemistry vol 9                                                            |      |
|                           | | https://doi.org/10.1002/9780470125861.ch5                                                           |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| Asphericity               | | A. Baumgaertner, “Shapes of flexible vesicles”                                                      | C++  |
|                           | | *J. Chem. Phys.* **98**:7496 (1993)                                                                 |      |
|                           | | https://doi.org/10.1063/1.464689                                                                    |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| Spherocity Index          | | Todeschini and Consoni                                                                              | C++  |
|                           | | “Descriptors from Molecular Geometry”                                                               |      |
|                           | | Handbook of Chemoinformatics                                                                        |      |
|                           | | https://doi.org/10.1002/9783527618279.ch37                                                          |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| Autocorr3D                | | 2017.09リリースで新しく導入。                                                                       | C++  |
|                           | | Todeschini and Consoni                                                                              |      |
|                           | | “Descriptors from Molecular Geometry” Handbook of Chemoinformatics                                  |      |
|                           | | https://doi.org/10.1002/9783527618279.ch37                                                          |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| RDF                       | | 2017.09リリースで新しく導入。                                                                       | C++  |
|                           | | Todeschini and Consoni                                                                              |      |
|                           | | “Descriptors from Molecular Geometry” Handbook of Chemoinformatics                                  |      |
|                           | | https://doi.org/10.1002/9783527618279.ch37                                                          |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| MORSE                     | | 2017.09リリースで新しく導入。                                                                       | C++  |
|                           | | Todeschini and Consoni                                                                              |      |
|                           | | “Descriptors from Molecular Geometry” Handbook of Chemoinformatics                                  |      |
|                           | | https://doi.org/10.1002/9783527618279.ch37                                                          |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| WHIM                      | | 2017.09リリースで新しく導入。                                                                       | C++  |
|                           | | Todeschini and Consoni                                                                              |      |
|                           | | “Descriptors from Molecular Geometry” Handbook of Chemoinformatics                                  |      |
|                           | | https://doi.org/10.1002/9783527618279.ch37                                                          |      |
|                           | |                                                                                                     |      |
|                           | | **注意** DRAGONを使って求めたこれらの記述子の値を正確に再現するには十分な情報が手にはいりません。  |      |
|                           | | 我々はこれが近い実装と信じています。                                                                |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+
| GETAWAY                   | | 2017.09リリースで新しく導入。                                                                       | C++  |
|                           | | Todeschini and Consoni                                                                              |      |
|                           | | “Descriptors from Molecular Geometry” Handbook of Chemoinformatics                                  |      |
|                           | | https://doi.org/10.1002/9783527618279.ch37                                                          |      |
|                           | |                                                                                                     |      |
|                           | | **注意** DRAGONを使って求めたこれらの記述子の値を正確に再現するには十分な情報が手にはいりません。   |      |
|                           | | 我々はこれが近い実装と信じています。                                                                |      |
+---------------------------+-------------------------------------------------------------------------------------------------------+------+

利用可能なフィンガープリントのリスト
***************************************************
[`List of Available Fingerprints <https://www.rdkit.org/docs/GettingStartedInPython.html#list-of-available-fingerprints>`__]

+----------------------------+---------------------------------------------------------------------------------------+------+
| フィンガープリントのタイプ | 注釈                                                                                  | 言語 |
+============================+=======================================================================================+======+
| RDKit                      | 分子サブグラフのハッシュ化に基づくDaylight類似のフィンガープリント                    | C++  |
+----------------------------+---------------------------------------------------------------------------------------+------+
| Atom Pairs                 | *JCICS* **25**:64\-73 (1985)                                                          | C++  |
+----------------------------+---------------------------------------------------------------------------------------+------+
| Topological Torsions       | *JCICS* **27**:82\-5 (1987)                                                           | C++  |
+----------------------------+---------------------------------------------------------------------------------------+------+
| MACCS keys                 | 166の公開キーを使いSMARTSで実装                                                       | C++  |
+----------------------------+---------------------------------------------------------------------------------------+------+
| Morgan/Circular            | | ECFP/FCFPフィンガープリントに類似した、                                             | C++  |
|                            | | Morganアルゴリズムに基づくフィンガープリント                                        |      |
|                            | | *JCIM* **50**:742\-54 (2010).                                                       |      |
+----------------------------+---------------------------------------------------------------------------------------+------+
| 2D Pharmacophore           | ファーマコフォアポイント間のトポロジカルな距離を使用                                  | C++  |
+----------------------------+---------------------------------------------------------------------------------------+------+
| Pattern                    | 部分構造探索に最適化されたトポロジカルなフィンガープリント                            | C++  |
+----------------------------+---------------------------------------------------------------------------------------+------+
| Extended Reduced Graphs    | | *JCIM* **46**:208\-20(2006)で提案されたStieflらによるErGフィンガープリントから派生  | C++  |
|                            | |                                                                                     |      |
|                            | | **注意**: これらの関数は通常のフィンガープリントタイプではなくfloat型のアレイを返す |      |
+----------------------------+---------------------------------------------------------------------------------------+------+

Morganフィンガープリントで使われているフィーチャーの定義
***********************************************************************
[`Feature Definitions Used in the Morgan Fingerprints <https://www.rdkit.org/docs/GettingStartedInPython.html#feature-definitions-used-in-the-morgan-fingerprints>`__]

これらはGobbi, A. & Poppinger, D. “Genetic optimization of combinatorial
libraries.” Biotechnology and Bioengineering 61, 47-54
(1998)に記載されている定義を用いて作られています。

+--------------+------------------------------------------------------------------------------------------------+
| フィーチャー | SMARTS                                                                                         |
+==============+================================================================================================+
| Donor        | ``[$([N;!H0;v3,v4&+1]),$([O,S;H1;+0]),n&H1&+0]``                                               |
+--------------+------------------------------------------------------------------------------------------------+
| Acceptor     | | ``[$([O,S;H1;v2;!$(*-*=[O,N,P,S])]),$([O,S;H0;v2]),$([O,S;-]),$([N;v3;!$(N-*=[O,N,P,S])]),`` |
|              | | ``n&H0&+0,$([o,s;+0;!$([o,s]:n);!$([o,s]:c:n)])]``                                           |
+--------------+------------------------------------------------------------------------------------------------+
| Aromatic     | ``[a]``                                                                                        |
+--------------+------------------------------------------------------------------------------------------------+
| Halogen      | ``[F,Cl,Br,I]``                                                                                |
+--------------+------------------------------------------------------------------------------------------------+
| Basic        | | ``[#7;+,$([N;H2&+0][$([C,a]);!$([C,a](=O))]),$([N;H1&+0]([$([C,a]);!$([C,a](=O))])``         |
|              | | ``[$([C,a]);!$([C,a](=O))]),$([N;H0&+0]([C;!$(C(=O))])([C;!$(C(=O))])[C;!$(C(=O))])]``       |
+--------------+------------------------------------------------------------------------------------------------+
| Acidic       | ``[$([C,S](=[O,S,P])-[O;H1,-1])]``                                                             |
+--------------+------------------------------------------------------------------------------------------------+

脚注
***************************************************

.. rubric:: Footnotes

.. [#blaney] Blaney, J. M.; Dixon, J. S. "Distance Geometry in Molecular Modeling".  *Reviews in Computational Chemistry*; VCH: New York, 1994.
.. [#rappe] Rappé, A. K.; Casewit, C. J.; Colwell, K. S.; Goddard III, W. A.; Skiff, W. M. "UFF, a full periodic table force field for molecular mechanics and molecular dynamics simulations". *J. Am. Chem. Soc.* **114**:10024-35 (1992) .
.. [#carhart] Carhart, R.E.; Smith, D.H.; Venkataraghavan R. “Atom Pairs as Molecular Features in Structure-Activity Studies: Definition and Applications” *J. Chem. Inf. Comp. Sci.* **25**:64-73 (1985).
.. [#nilakantan] Nilakantan, R.; Bauman N.; Dixon J.S.; Venkataraghavan R. “Topological Torsion: A New Molecular Descriptor for SAR Applications. Comparison with Other Desciptors.” *J. Chem.Inf. Comp. Sci.* **27**:82-5 (1987).
.. [#rogers] Rogers, D.; Hahn, M. “Extended-Connectivity Fingerprints.” *J. Chem. Inf. and Model.* **50**:742-54 (2010).
.. [#ashton] Ashton, M. et al. “Identification of Diverse Database Subsets using Property-Based and Fragment-Based Molecular Descriptions.” *Quantitative Structure-Activity Relationships* **21**:598-604 (2002).
.. [#bemis1] Bemis, G. W.; Murcko, M. A. "The Properties of Known Drugs. 1. Molecular Frameworks." *J. Med. Chem.*  **39**:2887-93 (1996).
.. [#lewell] Lewell, X.Q.; Judd, D.B.; Watson, S.P.; Hann, M.M. “RECAP-Retrosynthetic Combinatorial Analysis Procedure: A Powerful New Technique for Identifying Privileged Molecular Fragments with Useful Applications in Combinatorial Chemistry” *J. Chem. Inf. Comp. Sci.* **38**:511-22 (1998).
.. [#degen] Degen, J.; Wegscheid-Gerlach, C.; Zaliani, A; Rarey, M. "On the Art of Compiling and Using ‘Drug-Like’ Chemical Fragment Spaces." *ChemMedChem* **3**:1503–7 (2008).
.. [#gobbi] Gobbi, A. & Poppinger, D. "Genetic optimization of combinatorial libraries." *Biotechnology and Bioengineering* **61**:47-54 (1998).
.. [#rxnsmarts] A more detailed description of reaction smarts, as defined by the rdkit, is in the :doc:`The_RDKit_Book_jp`.
.. [#mmff1] Halgren, T. A. "Merck molecular force field. I. Basis, form, scope, parameterization, and performance of MMFF94." *J. Comp. Chem.* **17**:490–19 (1996).
.. [#mmff2] Halgren, T. A. "Merck molecular force field. II. MMFF94 van der Waals and electrostatic parameters for intermolecular interactions." *J. Comp. Chem.* **17**:520–52 (1996).
.. [#mmff3] Halgren, T. A. "Merck molecular force field. III. Molecular geometries and vibrational frequencies for MMFF94." *J. Comp. Chem.* **17**:553–86 (1996).
.. [#mmff4] Halgren, T. A. & Nachbar, R. B. "Merck molecular force field. IV. conformational energies and geometries for MMFF94." *J. Comp. Chem.* **17**:587-615 (1996).
.. [#mmffs] Halgren, T. A. "MMFF VI. MMFF94s option for energy minimization studies." *J. Comp. Chem.* **20**:720–9 (1999).
.. [#riniker] Riniker, S.; Landrum, G. A. "Similarity Maps - A Visualization Strategy for Molecular Fingerprints and Machine-Learning Methods" *J. Cheminf.* **5**:43 (2013).
.. [#riniker2] Riniker, S.; Landrum, G. A. "Better Informed Distance Geometry: Using What We Know To Improve Conformation Generation" *J. Chem. Inf. Comp. Sci.* **55**:2562-74 (2015)


ライセンス
************************************************
[`License <https://www.rdkit.org/docs/Overview.html#license>`__]

.. image:: ../Book/images/picture_5.png

この文書の著作権は copyright (C) 2013-2018 by Greg Landrumに所属しています。

この文書はCreative Commons Attribution-ShareAlike 4.0 Licenseのもとでライセンスされています。
このライセンスを見るためには http://creativecommons.org/licenses/by-sa/4.0/ にアクセスするか、
Creative Commons, 543 Howard Street, 5th Floor, San Francisco, California, 94105, USA. に手紙を送ってください。

このライセンスの意図はRDKitそのものの意図と似ています。
簡単に言えば“これを使ってなんでもやりたいことをやっていいですが、私たちの功績についても言及してください”

.. |picture_0| image:: ../images/picture_0.png
  :scale: 75 %

.. |picture_1| image:: ../images/picture_1.png
  :scale: 75 %

.. |picture_3| image:: ../images/picture_3.png
  :scale: 75 %

.. |picture_2| image:: ../images/picture_2.png
  :scale: 50 %

.. |picture_4| image:: ../images/picture_4.png
  :scale: 75 %