datamol

# Datamol 化学信息学技能 ## 概述 Datamol 是一个 Python 库，为 RDKit 提供了轻量级、Python 化的抽象层，用于分子化学信息学。它通过合理的默认设置、高效的并行化和现代 I/O 能力简化了复杂的分子操作。所有分子对象均为原生的 `rdkit.Chem.Mol` 实例，确保与 RDKit 生态系统的完全兼容。 **关键能力**： - 分子格式转换 (SMILES, SELFIES, InChI) - 结构标准化和清洗 - 分子描述符和指纹 - 3D 构象生成与分析 - 聚类和多样性选择 - 骨架和片段分析 - 化学反应应用 - 可视化与对齐 - 批量处理与并行化 - 通过 fsspec 支持云存储 ## 安装与设置 引导用户安装 datamol： bash uv pip install datamol **导入约定**： python import datamol as dm ## 核心工作流 ### 1. 基础分子处理 **从 SMILES 创建分子**： python import datamol as dm # 单个分子 mol = dm.to_mol("CCO") # 乙醇 # 从 SMILES 列表 smiles_list = ["CCO", "c1ccccc1", "CC(=O)O"] mols = [dm.to_mol(smi) for smi in smiles_list] # 错误处理 mol = dm.to_mol("invalid_smiles") # 返回 None if mol is None: print("SMILES 解析失败") **将分子转换为 SMILES**： python # 规范化 SMILES smiles = dm.to_smiles(mol) # 同分异构 SMILES (包含立体化学) smiles = dm.to_smiles(mol, isomeric=True) # 其他格式 inchi = dm.to_inchi(mol) inchikey = dm.to_inchikey(mol) selfies = dm.to_selfies(mol) **标准化和清洗** (强烈建议对用户提供的分子使用)： python # 清洗分子 mol = dm.sanitize_mol(mol) # 完全标准化 (推荐用于数据集) mol = dm.standardize_mol( mol, disconnect_metals=True, normalize=True, reionize=True ) # 直接处理 SMILES 字符串 clean_smiles = dm.standardize_smiles(smiles) ### 2. 读取和写入分子文件 请参考 `references/io_module.md` 获取全面的 I/O 文档。 **读取文件**： python # SDF 文件 (化学中最常见) df = dm.read_sdf("compounds.sdf", mol_column='mol') # SMILES 文件 df = dm.read_smi("molecules.smi", smiles_column='smiles', mol_column='mol') # 带有 SMILES 列的 CSV df = dm.read_csv("data.csv", smiles_column="SMILES", mol_column="mol") # Excel 文件 df = dm.read_