MolFeat

MolFeat

概述

MolFeat是一个用于化学信息学的分子表示和特征工程库。它提供了统一的接口，用于计算分子描述符、指纹、图嵌入和物理化学性质。该库支持多个后端，包括RDKit、Mordred、DGL-LifeSci、DeepChem等，适用于分子性质预测、虚拟筛选、QSAR建模、药物发现和化学信息学研究。

核心能力

1. 分子描述符

计算各种分子描述符，包括：

• 物理化学性质：分子量、LogP、TPSA、氢键供体/受体
• 拓扑描述符：Wiener指数、Zagreb指数、Balaban指数
• 电子描述符：部分电荷、电负性、极化率
• 几何描述符：分子体积、表面积、形状指数
• 量子化学描述符：HOMO/LUMO能级、偶极矩

2. 分子指纹

生成多种分子指纹，包括：

• 基于子结构的指纹：MACCS密钥、PubChem指纹
• 基于路径的指纹：Morgan指纹（ECFP）、RDKit指纹
• 基于拓扑的指纹：拓扑指纹、原子对指纹
• 基于药效团的指纹：药效团指纹、Tanimoto相似性

3. 图嵌入

使用图神经网络生成分子嵌入：

• 图卷积网络（GCN）：基于图的卷积操作
• 图注意力网络（GAT）：基于注意力的图神经网络
• 消息传递神经网络（MPNN）：基于消息传递的神经网络
• 预训练模型：使用预训练的分子表示模型

4. 物理化学性质

计算分子的物理化学性质：

• 脂溶性：LogP、LogD
• 溶解度：LogS、水溶性
• 渗透性：Caco-2渗透性、血脑屏障渗透性
• 极性：TPSA（拓扑极性表面积）
• 反应性：反应性基团、代谢稳定性

何时使用此技能

在以下情况下使用此技能：

• 计算分子描述符和指纹
• 进行分子性质预测
• 执行虚拟筛选
• 构建QSAR模型
• 进行药物发现研究
• 执行化学信息学分析
• 生成分子嵌入用于机器学习
• 比较分子相似性

安装

# 基本安装
pip install molfeat

# 带有所有依赖项的安装
pip install molfeat[all]

# 带有特定后端的安装
pip install molfeat[rdkit,mordred,dgl]

使用示例

计算分子描述符

from molfeat.calc import FPCalculator
from rdkit import Chem

# 创建分子
mol = Chem.MolFromSmiles("CCO")

# 计算描述符
calc = FPCalculator("desc2d")
descriptors = calc(mol)

print(f"分子量: {descriptors['MolWt']}")
print(f"LogP: {descriptors['MolLogP']}")
print(f"TPSA: {descriptors['TPSA']}")

生成分子指纹

from molfeat.calc import FPCalculator

# 创建分子
mol = Chem.MolFromSmiles("CCO")

# 生成Morgan指纹（ECFP）
calc = FPCalculator("ecfp:4")
fingerprint = calc(mol)

print(f"指纹长度: {len(fingerprint)}")
print(f"指纹: {fingerprint}")

计算图嵌入

from molfeat.trans.graph import GraphTransformer

# 创建分子
mol = Chem.MolFromSmiles("CCO")

# 创建图转换器
transformer = GraphTransformer("gin_supervised")

# 计算图嵌入
embedding = transformer(mol)

print(f"嵌入维度: {embedding.shape}")

批量计算

from molfeat.calc import FPCalculator
from rdkit import Chem

# 创建分子列表
smiles_list = ["CCO", "CC(C)O", "c1ccccc1"]
mols = [Chem.MolFromSmiles(smi) for smi in smiles_list]

# 计算指纹
calc = FPCalculator("ecfp:4")
fingerprints = [calc(mol) for mol in mols]

print(f"指纹数量: {len(fingerprints)}")

支持的后端

RDKit

• 描述符：2D和3D描述符
• 指纹：Morgan、RDKit、MACCS、AtomPair
• 性质：物理化学性质

Mordred

• 描述符：1800+分子描述符
• 覆盖：物理化学、拓扑、电子、几何

DGL-LifeSci

• 图嵌入：GCN、GAT、MPNN
• 预训练模型：ChemBERTa、MolBERT

DeepChem

• 图神经网络：GraphConv、Weave、MPNN
• 分子表示：分子图、分子指纹

最佳实践

1. 选择合适的描述符：根据任务选择最相关的描述符
2. 标准化分子：在使用前标准化分子结构
3. 处理缺失值：处理缺失或无效的描述符值
4. 特征缩放：对描述符进行标准化或归一化
5. 验证结果：验证计算结果的准确性
6. 批量处理：使用批量处理提高效率
7. 缓存结果：缓存计算结果以避免重复计算

常见问题

Q: 如何选择合适的指纹？

A: 根据任务选择。ECFP适用于相似性搜索，MACCS适用于快速筛选。

Q: 如何处理缺失的描述符？

A: 使用插值、删除或填充方法处理缺失值。

Q: MolFeat支持哪些分子格式？

A: 支持SMILES、SDF、MOL等多种格式。

Q: 如何计算3D描述符？

A: 需要先生成3D构象，然后计算3D描述符。

资源

• MolFeat文档：https://molfeat-docs.datamol.io
• GitHub：https://github.com/datamol-io/molfeat
• RDKit文档：https://www.rdkit.org/docs
• Mordred文档：https://mordred-descriptor.github.io