最近在项目中需要将SMILES转成InChiKey，通常可以在OpenBabelGUI中操作完成，但是对于大量数据在OpenBabelGUI中操作就有些不方便且容易失误。这里记录一下我解决这个问题的过程。
安装相关包
先建立一个虚拟环境，安装RDKit：
1
| conda create -c rdkit -n my-rdkit-env rdkit
|
然后在虚拟环境下安装OpenBabel：
1
| conda install -n my-rdkit-env -c openbabel openbabel
|
出现的问题
最初想用Pybel实现，然而发现Pybel并不支持输出格式为InChiKey，既然这条路走不通，就换个方案吧。于是想查看OpenBabel的文档看看能不能实现，然而发现这玩意的python接口只是寥寥几言，也没有具体的文档。不过Google到了一个轮子写了如何将SMILES转成InChiKey，代码如下：
1
2
3
4
5
6
7
| import openbabel as ob
conv = ob.OBConversion()
conv.SetInAndOutFormats("smi", "inchi")
conv.SetOptions("K", conv.OUTOPTIONS)
mol = ob.OBMol()
conv.ReadString(mol, "CC(=O)Cl")
inchikey = conv.WriteString(mol):
|
本想着问题解决了，不过试了一下发现并不能用。而且可耻的找不到原因……
不过也问题不大，RDKit可以把SMILES转成InChi，然后再把InChi变成InChiKey就行了，于是写了个函数实现:
1
2
3
4
5
6
7
| from rdkit import Chem
from rdkit.Chem.inchi import rdinchi
def smiletoinchikey(smile):
mol = Chem.MolFromSmiles(smile)
inchi = rdinchi.MolToInchi(mol)
inchikey = rdinchi.InchiToInchiKey(inchi[0])
return inchikey
|
然而在处理项目文件时发现，有些SMILES式RDKit不能识别，导致程序出错。如Clc1c([C@@H]2[C@@H]([N+H3])CC(CN3CCC(C(=O)O)CC3)=CC2)ccc(Cl)c1，于是写了个函数利用Pybel将其转成Canonical SMILES。最后还是有一些剩余问题，比如Oc1ccc([C+2]2345[B-2]678[B-3]9%10%11([C-3])[C+]%12%13%14[B-2]%15%169[B-2]26%10[B-2]23%15[B-2]364[B-2]457[B-2]8%11%12[B-2]%1334[B-2]%14%1626)cc1转成Canonical SMILES依然无法读取，又或者O=BOB(OB(OB=O)[O-])[O-]没转换前能读取，转换后不能读取，只能按例外处理。
最后代码如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
import pybel
from rdkit import Chem
from rdkit.Chem.inchi import rdinchi
def smitosmile(smi):
mol = pybel.readstring("smi", smi)
smile = mol.write('can')
smile = smile.replace('\t\n', '')
return smile
def smiletoinchikey(smile):
mol = Chem.MolFromSmiles(smile)
if mol is None:
smi = smitosmile(smile)
mol = Chem.MolFromSmiles(smi)
inchi = rdinchi.MolToInchi(mol)
inchikey = rdinchi.InchiToInchiKey(inchi[0])
return inchikey
|
用OpenBabel同样也可以把SMILES转成Canonical SMILES：
1
2
3
4
5
6
7
8
9
10
| import openbabel as ob
def obsmitosmile(smi):
conv = ob.OBConversion()
conv.SetInAndOutFormats("smi", "can")
conv.SetOptions("K", conv.OUTOPTIONS)
mol = ob.OBMol()
conv.ReadString(mol, smi)
smile = conv.WriteString(mol)
smile = smile.replace('\t\n', '')
return smile
|
