findscripter 何时使用
需要用 RDKit 把一批化合物从导入到筛选出命中走完整条流程时使用本条 —— 它是「化合物库画像 + 虚拟筛选」的端到端工作流，串起描述符、类药性、指纹相似度、子结构、聚类、构象与绘图。
典型场景：
- 对一组化合物批量算物化属性（MW/LogP/TPSA/HBD/HBA/可旋转键），做库画像。
- 用 Lipinski 五规则 + Veber 标准筛出类药分子。
- 以参考活性分子为锚，用 Morgan 指纹 Tanimoto 相似度对库做排序筛选。
- 用 SMARTS 按官能团过滤、统计、定位匹配原子。
- 用 Butina 聚类做多样性子集挑选。
- 反应 SMARTS 组合枚举建库；生成 2D/3D 构象并绘图/导出 SDF/CSV。
不该用本条的情形：
- 只做零散的单分子 API 调用、要更简洁的封装接口 —— 用
datamol（RDKit 高层包装，自带批处理与容错），或本库的cheminformatics-toolkit（按能力分模块的工具箱视角）。 - 蛋白-配体对接、分子动力学、量子化学/DFT —— 超出 RDKit，需 AutoDock Vina、OpenMM、Psi4 等。
- 多格式互转（MOL2/XYZ/PDB） —— 用 OpenBabel。
- 纯检索化合物数据库 —— 用 PubChem/ChEMBL 检索工具。
步骤
- 载入并校验：
Chem.MolFromSmiles/Chem.SDMolSupplier读入，逐个判None收集失败项。 - 标准化去重：
LargestFragmentChooser取最大片段去盐、Uncharger中和电荷，按 canonical SMILES 去重。 - 算描述符：
rdkit.Chem.Descriptors批量算属性，汇成 pandas 表。 - 类药性过滤：Lipinski（MW≤500、LogP≤5、HBD≤5、HBA≤10）+ Veber（可旋转键≤10、TPSA≤140）。
- 相似度筛选：对类药子集与参考分子算 Morgan 指纹 Tanimoto，按阈值排序取命中。
- 子结构过滤（按需）：
MolFromSmarts+HasSubstructMatch/GetSubstructMatches统计与定位官能团。 - 绘图与导出：
Draw.MolsToGridImage出网格图，SDWriter/to_csv导出描述符表、命中 SDF。 - 进阶分支（按需）：Butina 聚类挑多样性、反应枚举建库、ETKDG+MMFF 生成 3D 构象。
指令
载入 + 标准化去重（去盐/中和/规范化）：
from rdkit import Chem
from rdkit.Chem.MolStandardize import rdMolStandardize
mols = []
for smi in smiles_list:
m = Chem.MolFromSmiles(smi) # 失败返回 None，必须判
if m is not None:
m.SetProp("_SMILES", smi); mols.append(m)
chooser, uncharger = rdMolStandardize.LargestFragmentChooser(), rdMolStandardize.Uncharger()
seen, std = set(), []
for m in mols:
m = uncharger.uncharge(chooser.choose(m)) # 取最大片段 + 中和电荷
canon = Chem.MolToSmiles(m) # canonical SMILES 去重键
if canon not in seen:
seen.add(canon); std.append(m)
描述符表 + 类药性过滤（Lipinski + Veber）：
import pandas as pd
from rdkit.Chem import Descriptors
df = pd.DataFrame([{
"SMILES": Chem.MolToSmiles(m), "MW": Descriptors.MolWt(m),
"LogP": Descriptors.MolLogP(m), "TPSA": Descriptors.TPSA(m),
"HBD": Descriptors.NumHDonors(m), "HBA": Descriptors.NumHAcceptors(m),
"RotBonds": Descriptors.NumRotatableBonds(m),
} for m in std])
df["Lipinski"] = (df.MW <= 500) & (df.LogP <= 5) & (df.HBD <= 5) & (df.HBA <= 10)
df["Veber"] = (df.RotBonds <= 10) & (df.TPSA <= 140)
df["DrugLike"] = df.Lipinski & df.Veber
drug_like = [std[i] for i in df[df.DrugLike].index]
Morgan 指纹 + Tanimoto 相似度筛选：
from rdkit.Chem import AllChem
from rdkit import DataStructs
ref_fp = AllChem.GetMorganFingerprintAsBitVect(
Chem.MolFromSmiles("CC(=O)Oc1ccccc1C(=O)O"), radius=2, nBits=2048) # 阿司匹林为参考
rows = [(Chem.MolToSmiles(m),
DataStructs.TanimotoSimilarity(
ref_fp, AllChem.GetMorganFingerprintAsBitVect(m, 2, nBits=2048)))
for m in drug_like]
sim_df = pd.DataFrame(rows, columns=["SMILES", "Tanimoto"]).sort_values("Tanimoto", ascending=False)
hits = sim_df[sim_df.Tanimoto >= 0.3] # 阈值越低越宽松（0.3~0.9）
SMARTS 子结构过滤 + 绘图导出：
from rdkit.Chem import Draw
q = Chem.MolFromSmarts("[CX3](=O)[OX2H1]") # 羧酸
n = sum(m.HasSubstructMatch(q) for m in drug_like)
img = Draw.MolsToGridImage(
[Chem.MolFromSmiles(s) for s in sim_df.head(4).SMILES],
molsPerRow=2, subImgSize=(300, 300),
legends=[f"Tan={t}" for t in sim_df.head(4).Tanimoto])
img.save("top_hits_grid.png")
sim_df.to_csv("results/similarity_results.csv", index=False)
示例
Butina 聚类挑多样性代表（大库去冗余）：
from rdkit.ML.Cluster import Butina
fps = [AllChem.GetMorganFingerprintAsBitVect(m, 2, nBits=2048) for m in std]
dists = []
for i in range(1, len(fps)):
sims = DataStructs.BulkTanimotoSimilarity(fps[i], fps[:i])
dists.extend(1 - s for s in sims) # 距离 = 1 - Tanimoto
clusters = Butina.ClusterData(dists, len(fps), distThresh=0.3, isDistData=True)
diverse = [std[c[0]] for c in clusters] # 每簇首元素为质心
反应枚举（酰胺偶联，组合建库）：
rxn = AllChem.ReactionFromSmarts(
"[C:1](=[O:2])[OH].[N:3]([H])([H])[C:4]>>[C:1](=[O:2])[N:3][C:4]")
acids = [Chem.MolFromSmiles(s) for s in ["OC(=O)c1ccccc1", "OC(=O)CC"]]
amines = [Chem.MolFromSmiles(s) for s in ["NCC", "NC1CCCCC1"]]
prods = []
for a in acids:
for n in amines:
for pset in rxn.RunReactants((a, n)):
for p in pset:
Chem.SanitizeMol(p) # 产物需手动 sanitize
prods.append(Chem.MolToSmiles(p))
3D 构象 + MMFF 优化（供对接预备）：
m = Chem.AddHs(Chem.MolFromSmiles("CC(=O)Oc1ccccc1C(=O)O")) # 3D 前先加氢
params = AllChem.ETKDGv3(); params.randomSeed = 42; params.numThreads = 0
cids = AllChem.EmbedMultipleConfs(m, numConfs=10, params=params)
energies = []
for c in cids:
AllChem.MMFFOptimizeMolecule(m, confId=c) # 失败可改 UFFOptimizeMolecule
ff = AllChem.MMFFGetMoleculeForceField(m, AllChem.MMFFGetMoleculeProperties(m), confId=c)
energies.append((c, ff.CalcEnergy()))
best = min(energies, key=lambda x: x[1])[0] # 最低能构象
注意事项
- 永远判 None：所有
MolFrom*失败返回None，不检查会在后续崩溃。 - sanitize 调试：
MolFromSmiles(smi, sanitize=False)+DetectChemistryProblems()定位价键/芳香性问题；kekulize 失败可SanitizeMol(mol, sanitizeOps=Chem.SANITIZE_ALL ^ Chem.SANITIZE_KEKULIZE)。 - 先标准化再去重：不去盐/不中和会把同一母核的盐当成不同分子，污染计数与相似度。
- 加氢时机：依赖氢的描述符与 3D 嵌入前先
AddHs()；3D 失败（EmbedMolecule返回 -1）改maxAttempts=50, useRandomCoords=True；MMFF 报空力场时退回UFFOptimizeMolecule。 - 指纹参数：Morgan radius=2≈ECFP4、3≈ECFP6；nBits 越大碰撞越少（1024~4096）。Tanimoto 阈值默认 0.7，筛选放宽到 0.3 更敏感。
- SMARTS 匹配规则：查询未指定的属性匹配任意值；用
[#6]表「任意碳」避免芳香/脂肪不匹配；先用简单 SMILES 验证 pattern。 - 反应产物：
RunReactants返回元组的元组，每份产物须手动SanitizeMol。 - 大库性能：用
ForwardSDMolSupplier流式读避免MemoryError；用Bulk*Similarity批量算相似度；MultithreadedSDMolSupplier并行解析。 - canonical 一致性：跨 RDKit 版本 canonical SMILES 可能不一致，去重/缓存场景需锁版本。
互见
- requires：
cheminformatics-toolkit—— 先掌握 RDKit 按能力分模块的基础用法，再用本条的端到端筛选流程。 - related：
pubchem-compound-search、scientific-database-lookup—— 上游取化合物结构与活性数据。 - combines_with：
autodock-vina-docking—— 本条产出的类药命中与 3D 构象作为对接输入；molecular-dynamics-simulation、deepchem-drug-discovery—— 下游做动力学验证或 ML 打分。
本条采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0）。