RDKit：运用RDKit计算USRCAT（形状相似性）

DrugAI

发布于 2021-01-28 17:52:12

1.1K0

发布于 2021-01-28 17:52:12

文章被收录于专栏：DrugAI

USRCAT

USRCAT是基于形状的方法，它的工作速度非常快。代码是免费提供的，如果要使用代码，用户需要安装它。

形状相似性是分子的3D形状的比对，其基于如果分子的形状重叠良好如果可以相似的原理。基于形状筛选有效地用于先导化合物优化，并通过叠加相似化合物了解构效关系。此外，许多研究表明其在虚拟筛选实验中的成功应用。基于形状相似性得分作为选择的评价标准，并对命中化合物进行排序。

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3505738/

RDKit代码：

import os
import seaborn as sns
import pandas as pd
from rdkit import Chem
from rdkit.Chem import rdBase
from rdkit.Chem import RDConfig
from rdkit.Chem import AllChem
from rdkit.Chem.rdMolDescriptors import GetUSRScore, GetUSRCAT
from rdkit.Chem import DataStructs
print( rdBase.rdkitVersion )
mols = [ mol for mol in Chem.SDMolSupplier( "cdk2.sdf" ) ]
for mol in mols:
    AllChem.EmbedMolecule( mol, 
                           useExpTorsionAnglePrefs = True,
                           useBasicKnowledge = True )
usrcats = [ GetUSRCAT( mol ) for mol in mols ]
fps = [ AllChem.GetMorganFingerprintAsBitVect( mol, 2 ) for mol in mols ]
data = { "tanimoto":[], "usrscore":[] }
for i in range( len( usrcats )):
    for j in range( i ):
        tc = DataStructs.TanimotoSimilarity( fps[ i ], fps[ j ] )
        score = GetUSRScore( usrcats[ i ], usrcats[ j ] )
        data["tanimoto"].append( tc )
        data["usrscore"].append( score )
        print( score, tc )
df = pd.DataFrame( data )
fig = sns.pairplot( df )
fig.savefig( 'plot.png' )