您如何将化学化合物的大型 sdf 文件转换为包含分子图像的单个文件？

问题描述

一种新的基于图像的药物发现深度学习算法，需要将包含约 3000 种化合物的文件拆分为包含单个 2D 200 x 200 像素图像的 png 文件（.: SN00001400.png、SN00002805.png、SN00002441.png）。 .png…………）。不需要任何符合者，也不需要任何其他 3D 信息。

我可以发送一个初始 f1.sdf 示例，其中包含 9 个复合图像、姓名和微笑，每个复合行一个。

在带有 Python 3.6、3.7 或 3.8、Jupyter 笔记本和/或 Python 提示符的 Anaconda3 中使用 rdkit 2017.09.1，在 Windows 8 专业版中的 2 台 e7 64 计算机中，我正在寻找一个简单的 Python 代码来分割图像、转换将它们转换为 200 x 200 像素的 png 文件 (carios)，以它们对应的复合 ID 命名并将它们保存到不同的目录 (.: images) 中，准备进行测试。

我尝试了许多不同的网络代码和组合，但尽管进行了大量测试，但它们并没有奏效:-(.

进行一些我最好的 (?) 代码试验。

rdkit 导入测试

from rdkit import Chem
from rdkit.Chem import AllChem 
from rdkit.Chem import Draw
from rdkit.Chem.Draw import rdMolDraw2D    
from rdkit.Chem.Draw.rdMolDraw2D import MolDraw2DSVG    
from rdkit.Chem.Draw.rdMolDraw2D import MolDraw2DCairo  # cannot import 
from rdkit.Chem.Draw import IPythonConsole  
from IPython.display import SVG # IPython not in module 
from rdkit.Chem import rdDepictor 
from rdkit.Chem import MolFromSmiles

使用独特微笑的最佳测试

IPythonConsole.molSize = (200,200)  
IPythonConsole.ipython_useSVG = True  #I would rather use Cairo but I Could not make it to work!
mol = Chem.MolFromSmiles('N#Cc1cccc(-c2nc(-c3cccnc3)no2)c1')
display(mol)  # not working
AllChem.Compute2DCoords(mol)

我尝试了不同的微笑，但结果都差不多……

IMG_SIZE = 200
smiles="CCCC"
mol = Chem.MolFromSmiles(smiles)
drawer = rdMolDraw2D.MolDraw2DSVG(IMG_SIZE,IMG_SIZE)  #MolDraw2D has no attribute MolDraw2DCairo despite cairo being installed!   
drawer.drawOptions().bondLineWith = 1
drawer.DrawMolecule(mol)  # bad conformer id (?????)
drawer.FinishDrawing()
drawer.WriteDrawingText('comp_id.png')

在 f1.sdf 中使用 9 种化合物的最佳尝试

suppl=Chem.SDMolsupplier('f1.sdf')
for mol in suppl:
    print(mol.GetName()) # AttributeError: 'Mol' object has no attribute 'GetMolecule_Name'
mols=[x for x in suppl]
Name(mols)

suppl = Chem.SDMolsupplier('f1.sdf')
ms= [x for x in suppl if x is not None]
for m in ms: 
    tmp=AllChem.Compute2DCoords(m)

Draw.MolToFile(ms[0],'images/mol1.png') cairo.IOError: error while writing to output stream
Draw.MolToFile(ms[1],'images/mol2.png')

..................................... .....................

希望得到一些帮助！真诚感谢您的关注胡里奥

[email protected]

解决方法

你说得对！。

我在新创建的 Anaconda3 环境中执行了“conda install -c conda-forge rdkit”，大多数命令突然起作用了！！！。 非常感谢！！！！

我开发了下面的代码.....但是我停止了，因为我找不到一种方法将每个相应的 comp_id 传输到为漂亮的 png 图像编码的 png 文件的名称。有任何想法吗？谢谢！！！

从 rdkit 导入化学

从 rdkit.Chem 导入 AllChem

从 rdkit.Chem 导入绘图

从 rdkit.Chem.Draw 导入 rdMolDraw2D

从 rdkit.Chem.Draw.rdMolDraw2D 导入 MolDraw2DSVG

从 rdkit.Chem.Draw.rdMolDraw2D 导入 MolDraw2DCairo

从 rdkit.Chem.Draw 导入 MolToFile

从 rdkit.Chem 导入 rdDepictor

从 rdkit.Chem 导入 MolFromSmiles

suppl = Chem.SDMolSupplier('f1.sdf')

对于供应中的摩尔：

print(mol.GetProp("comp_id"))

mols= [x for x in suppl]

对于以摩尔为单位的 m：

tmp=AllChem.Compute2DCoords(m)

Draw.MolToFile(mols[0],'images/3333.png',size=(200,200),kekulize = True,wedgeBonds = False,imageType=None,fitImage=False,options=None) .... ...#没有得到comp_id但是可以传递一些属性

Draw.MolToFile(mols[1],'images/'+"comp_id"+'a.png')........#没看明白

如果您的分子名称在您的 SDF 文件的标题行中可用，您可以使用键“_Name”将其作为属性访问。其他属性也可以使用相应的键从 SDF 中读取。以下面的 SDF 为例：

CHEMBL1308
                    3D
 Structure written by MMmdl.
 12 12  0  0  1  0            999 V2000
   -0.0127    0.0114   -0.0000 C   0  0  0  0  0  0
    1.4966    0.0081   -0.0000 C   0  0  0  0  0  0
    2.3688   -1.0939    0.0000 C   0  0  0  0  0  0
    3.6409   -0.7653    0.0000 N   0  0  0  0  0  0
    3.6278    0.5682   -0.0000 N   0  0  0  0  0  0
    2.3638    1.0896   -0.0000 C   0  0  0  0  0  0
   -0.4346    1.0168    0.0000 H   0  0  0  0  0  0
   -0.4074   -0.5191   -0.8666 H   0  0  0  0  0  0
   -0.4074   -0.5191    0.8666 H   0  0  0  0  0  0
    2.0644   -2.1303    0.0000 H   0  0  0  0  0  0
    4.4779    1.1136   -0.0000 H   0  0  0  0  0  0
    2.2002    2.1571   -0.0000 H   0  0  0  0  0  0
  1  2  1  0  0  0
  1  7  1  0  0  0
  1  8  1  0  0  0
  1  9  1  0  0  0
  2  3  1  0  0  0
  2  6  2  0  0  0
  3  4  2  0  0  0
  3 10  1  0  0  0
  4  5  1  0  0  0
  5  6  1  0  0  0
  5 11  1  0  0  0
  6 12  1  0  0  0
M  END
> <SYNONYMS>
Fomepizole (BAN,FDA,INN,USAN)

> <USAN_STEM>
nan

$$$$

化合物的名称 (CHEMBL1308) 可以这样访问，假设 mol 是一个 rdkit 分子：

mol_id = mol.GetProp('_Name')

其他属性可以像这样访问：

property = mol.GetProp('SYNONYMS')

因此，生成所需图像的简单方法如下：

from rdkit.Chem.Draw import rdMolDraw2D
from rdkit.Chem import AllChem
from rdkit import Chem


img_size = (200,200)
supplier = Chem.SDMolSupplier('mols.sdf')
for mol in supplier:
    AllChem.Compute2DCoords(mol)
    mol_id = mol.GetProp('_Name')
    d = rdMolDraw2D.MolDraw2DCairo(*img_size)
    d.DrawMolecule(mol)
    d.FinishDrawing()
    d.WriteDrawingText(f'images/{mol_id}.png')

显然，您可以根据需要进行调整

是的！！
效果很好！！！

我会称它为：Oliver.py

睡觉后，我刚醒来时发现了另一种解决方案（见下文）。也许你的更好，因为它允许我定义要绘制的线的宽度。

非常感谢您的帮助！现在我可以转换我的“黄金”文件来测试深度学习模型了！！！

从 rdkit 导入化学

从 rdkit.Chem 导入 AllChem

从 rdkit.Chem 导入绘图

suppl = Chem.SDMolSupplier('f1.sdf')

mols = [x for x in suppl]

x=-1

对于以摩尔为单位的 m：

subscription

print('行转换为图像：',x)

anaconda3 filesplitting image image rdkit