前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Rdkit学习-No.5-使用SMARTS根据已有的化学反应生成新分子

Rdkit学习-No.5-使用SMARTS根据已有的化学反应生成新分子

作者头像
DrugScience
发布于 2021-02-04 06:50:35
发布于 2021-02-04 06:50:35
1.4K0
举报
文章被收录于专栏:DrugScienceDrugScience

###材料:

Ipython qtconsole

python35

###化学反应

羧酸基团与氮的反应(随意定义仅供参考)

###步骤:

(1)导入python的rdkit模块

(2)根据SMARTS定义一个化学反应

(3)输入化学分子进行反应

###代码:

```

import rdkit

from rdkit.Chem import AllChem

from rdkit.Chem import Draw

from rdkit.Chem.AllChem import ReactionFromSmarts

rxn = AllChem.ReactionFromSmarts('[C:1](=[O:2])-[OD1].[N:3]>>[C:1](=[O:2])[N:3]')

#定义一个反应,采用SMARTS格式

#解释这个SMARTS,第一个反应物限制:[C:1](=[O:2])-[OD1],羧基,侧链为(=[O:2]),O双键与C相连,第二个反应物限制:[N:3],基团带N原子

Draw.ReactionToImage(rxn)

#画出反应式

pr = rxn.RunReactants((Chem.MolFromSmiles('CC(=O)O'),Chem.MolFromSmiles('NC')))

#两个反应物按照定义好的rxn进行反应

type(pr)

#pr按照元组格式进行存储

len(pr)

#查看产物个数,只有一个产物生成

Chem.MolToSmiles(pr[0][0])

#产物转化为SMILES格式,CNC(C)=O

Draw.MolToImage(pr[0][0])

#显示产物

#明显看到N原子的价键不正确

Chem.SanitizeMol(pr[0][0])

#标准化其价建

Draw.MolToImage(pr[0][0])

#再次查看,完全规范

```

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-05-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 FindKey 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
RDKit | 基于RDKit和SMARTS的化学反应处理
SMILES (Simplified Molecular Input Line Entry System)是一种分子描述语言,由Daylight C.I.S.的创始人 Dr. David Weininger 博士发明。它简单,易于理解,且广泛使用的分子描述方法。
DrugAI
2021/02/01
4.3K0
超量化合物库筛选策略–P5(初步终结篇)
我也应该搞个什么,‘百亿级别的化合物筛选策略’来搞搞噱头hhh,不过其实也就是一个探索超量级别化学空间的方法,星辰大海哪有10的60次方多。
DrugScience
2022/07/27
7280
超量化合物库筛选策略–P5(初步终结篇)
Rdkit实现分子指纹
Morgan Fingerprints (CircularFingerprints)
DrugScience
2021/02/04
2.6K0
超量化合物库筛选策略–P4
注:对于SMARTS不是很熟悉,所以,我在怀疑某些SMARTS写错了,从其余地方进行查找,更新了反应物的SMARTS,放在这里。
DrugScience
2022/05/17
4740
超量化合物库筛选策略–P4
rdkit.Chem.QED
QED代表类药分子的定量估计,这一概念由Richard Bickerton及其同事首次提出的。QED测量的经验基本原理反映了分子性质的基本分布,包括分子量,logP,拓扑极性表面积,氢键供体和受体的数量,芳环和可旋转键的数量,以及有害化学官能团分布。
DrugScience
2021/02/04
1.2K0
开源化学信息学库 :ScaffoldGraph
ScaffoldGraph是一个开放源代码化学信息库,使用RDKit和NetworkX构建,用于生成和分析骨架网络和支架树。
DrugAI
2021/02/01
7590
超量化合物库筛选策略–P3
[1] Kearnes S M , Maser M R , Wleklinski M , et al. The Open Reaction Database[J]. 2021.
DrugScience
2022/05/17
4630
超量化合物库筛选策略–P3
DGL & RDKit | 基于Attentive FP可视化训练模型原子权重
DGL开发人员提供了用于可视化训练模型原子权重的代码。使用Attentive FP构建模型后,可以可视化给定分子的原子权重,意味着每个原子对目标值的贡献量。
DrugAI
2021/02/01
1.2K0
基于机器学习的化合物活性预测模型
利用化合物的结构与活性数据,基于RDKit和Python3的机器学习活性预测模型小示例。
DrugAI
2021/01/28
1.6K0
RDKit:可视化药效团(Pharmacophore)
成药靶点中必定存在着能与药物结合的特异性结合位点。对某个靶点发挥活性的化合物在结构特征上必定有相似之处。这些化合物的最普遍的共有特性被定义为药效团(pharmacophore)
DrugAI
2021/02/01
1.5K0
聚类小分子数据集(基于RDKit的Python脚本)
聚类是一种有价值的化学信息学技术,用于将大型化合物数据集合细分为单个小组相似化合物。其中一个优点是处理非常大的小分子数据集时特别有用。通常用于分析高通量筛选结果、虚拟筛选或对接研究的分析。
DrugAI
2021/02/01
1.6K0
Python每日一谈|No.33.实例.13. 药物分子可合成性分析-SA
反正,你要做药物,或者不管做什么,都需要顾及到各种各样的条件,我们总是在所处的条件环境下进行选择或者进行实验。
DrugScience
2021/04/23
2.5K0
RDKit | 化学信息学与AI(专辑)
介绍RDKit相关知识点和运用以及RDKit作为处理化学、生物、药学和材料学科中分子数据作为可输入机器学习和深度学习模型的重要工具应用。内容涵盖了基于RDKit的Python3的分子的读写、化合物的分子指纹和分子描述符计算、化合物的2D/2D比对、化合物相似性搜索、化合物骨架分析和亚结构搜索、RMSD计算与构象生成优化、分子相似图与聚类分析、化学反应处理、可视化与化学空间探索及RDkit相关的机器学习、深度学习应用过程详解
DrugAI
2021/02/02
2.6K0
RDKit | 化学信息学与AI(专辑)
基于RDKit的溶解度预测的机器学习模型
基于RDKit和Python3的化合物溶解度的机器学习模型小案例。 代码示例(仅供参考): # In[1]:导入依赖包 from rdkit import Chem, DataStructs from rdkit.Chem import AllChem from rdkit.ML.Descriptors import MoleculeDescriptors from rdkit.Chem import Descriptors from rdkit.Chem.EState import Fingerpri
DrugAI
2021/01/28
1.2K0
RDKit | 基于主成分分析可视化(DrugBank)类药性的化学空间
DrugBank数据库是唯一将详细的药品数据(即化学,药理学和制药)与综合药物靶点信息(即序列,结构和作用通路)相结合的“生物信息学和化学信息学”资源.DrugBank由加拿大卫生研究院,亚伯达省创新 - 健康解决方案和代谢组学创新中心(TMIC)提供支持,该中心是国家资助的研究以及支持广泛的尖端技术代谢组学研究的核心.DrugBank数据库查询包含以下信息:药品类型,药品简介,化学结构,药品成分,临床试验,药物靶点,酶,转运体,载体,药品图片,批准情况,批准的处方药,国外上市商品名,药物相互作用,制造商,包装商等。
DrugAI
2021/02/01
1.5K0
Nat. Mach. Intell. | 化学反应预训练和条件分子生成之间的联系
今天为大家介绍的是来自Bo Huang和Zhenming Liu团队的一篇论文。化学反应是制药和有机化学研究中非常重要的部分,但是目前的一些方法还不够完善,无法充分捕捉和利用化学反应的规律。为了解决这个问题,作者提出了一个全新的计算框架。这个框架的独特之处在于,它不仅可以学习和理解化学反应是如何进行的,还能基于这些理解生成新的分子结构,这对于发现新药物特别有用。
DrugAI
2024/01/12
4600
Nat. Mach. Intell. | 化学反应预训练和条件分子生成之间的联系
图卷积神经网络用于解决小规模反应预测
今天给大家介绍的是浙江工业大学智能制药研究院的段宏亮教授研究团队发表在Chemical Communications上的文章 " A graph-convolutional neural network for addressing small-scale reaction prediction "。
智药邦
2021/06/07
1.1K0
图卷积神经网络用于解决小规模反应预测
RDkit&mol2vec :靶标抑制剂活性二分类模型对比
RDKit提供各种功能,如不同的化学I/O格式,包括SMILES/SMARTS,结构数据格式(SDF),Thor数据树(TDT),Sybyl线符号(SLN),Corina mol2和蛋白质数据库(PDB)。子结构搜索; 标准SMILES; 手性支持;化学转化;化学反应;分子序列化;相似性/多样性选择;二维药效团;分层子图/片段分析; Bemis和Murcko骨架;逆合成组合分析程序(RECAP); 多分子最大共同亚结构;功能图;基于形状的相似性;基于RMSD的分子分子比对;基于形状的对齐;使用Open3-DALIGN算法的无监督分子-分子比对;与PyMOL进行3D可视化集成;功能组过滤;分子描述符库;相似图;机器学习等。
DrugAI
2021/01/29
1.2K0
RDKit:基于支持向量回归(SVR)预测logP
RDKit一个用于化学信息学的python库。使用支持向量回归(SVR)来预测logP。 分子的输入结构特征是摩根指纹,输出是logP。
DrugAI
2021/01/28
1.2K0
RDKit | 基于RDKit和k-均值对化合物进行非分层聚类
具有高相似性的分子组合可以改写为在化合物空间(化学空间)中具有短距离。在这种情况下,“相似性”和“距离”可互换使用。通过选择相距较远的化合物,可以构建各种化合物库。
DrugAI
2021/02/01
7210
相关推荐
RDKit | 基于RDKit和SMARTS的化学反应处理
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档