
#Импортируем необходимые модули
from rdkit import Chem
from rdkit.Chem import AllChem
from rdkit import RDConfig
from rdkit.Chem.Draw import IPythonConsole 
from rdkit.Chem import Draw
import numpy as np
from IPython.display import display,Image

RDKit WARNING: [17:09:33] Enabling RDKit 2019.09.3 jupyter extensions


ibu=Chem.MolFromSmiles('CC(C)CC1=CC=C(C=C1)C(C)C(=O)O')
AllChem.Compute2DCoords(ibu)
display(ibu)


#Проверка, что моелекула удовлетворяет правилу пяти Липински
import rdkit.Chem.Lipinski as Lipinksy
print(Lipinksy.NumHDonors(ibu))
print(Lipinksy.NumHAcceptors(ibu))
print(Lipinksy.rdMolDescriptors.CalcExactMolWt(ibu))
print(Lipinksy.rdMolDescriptors.CalcCrippenDescriptors(ibu)[0])

1
1
206.130679816
3.073200000000001


#импортируем модуль для взаимодействия с PubChem
import pubchempy as pcp

structures = []
per_page = 10**5
#ищем структуры, содержащие N=N=N, NN#N в качестве подструктур
for smiles in ["N=N=N", "NN#N"]:
    for i in range(200):
        try:
            a = pcp.get_properties(
              properties="CanonicalSMILES", 
              identifier=smiles, namespace="smiles", 
              searchtype="substructure",
              RingsNotEmbedded=True,
              listkey_count=per_page, listkey_start=i*per_page
            )
        except:
            break
        print("Retrieved page {} of {} search".format(i+1, smiles))
        structures.extend(a)

Retrieved page 1 of N=N=N search
Retrieved page 2 of N=N=N search
Retrieved page 3 of N=N=N search
Retrieved page 4 of N=N=N search
Retrieved page 5 of N=N=N search
Retrieved page 6 of N=N=N search
Retrieved page 7 of N=N=N search
Retrieved page 8 of N=N=N search
Retrieved page 9 of N=N=N search
Retrieved page 10 of N=N=N search
Retrieved page 11 of N=N=N search
Retrieved page 12 of N=N=N search
Retrieved page 13 of N=N=N search
Retrieved page 14 of N=N=N search
Retrieved page 15 of N=N=N search
Retrieved page 16 of N=N=N search
Retrieved page 1 of NN#N search


compounds = {str(i['CID']).strip():i['CanonicalSMILES'].strip() for i in structures}
#переводим находки в список их SMILES
smiles = list(compounds.values())


len(structures)

1601375


#модифицируем ибупрофен и проверяем, удовлетворяет ли молекула правилу Липински
res = []
for smi in smiles[:1500]:
    if "N=[N+]=[N-]" in smi:
        newsmi=smi.replace('N=[N+]=[N-]', 'N1N=NC=C1C(C(O)=O)C(C=C1)=CC=C1CC(C)C') #модифицированный smiles ибупрофена
    else:
        continue
    try:
        newmol=Chem.MolFromSmiles(newsmi)
        if (Lipinksy.NumHDonors(newmol)<=5) and (Lipinksy.NumHAcceptors(newmol)<=10) and (Lipinksy.rdMolDescriptors.CalcExactMolWt(newmol) < 500) and (Lipinksy.rdMolDescriptors.CalcCrippenDescriptors(newmol)[0] <= 5):
            AllChem.Compute2DCoords(newmol)
            res.append(newmol)
    except Exception:
        pass

RDKit ERROR: [17:21:15] Explicit valence for atom # 8 Cl, 3, is greater than permitted


to_print = [res[0], res[5], res[8], res[13], res[17], res[20], res[22], res[23], res[25]]
display(Draw.MolsToGridImage(to_print, useSVG=True, molsPerRow=3, subImgSize=(300, 200)))


#совмещаем новую структуру со структурой обычного ибупрофена
from rdkit.Chem.Draw import SimilarityMaps

fp = SimilarityMaps.GetMorganFingerprint(res[4], fpType='bv')

fig, maxweight = SimilarityMaps.GetSimilarityMapForFingerprint(ibu, res[4], SimilarityMaps.GetMorganFingerprint)


#получим 3D-структуру
m3d=Chem.AddHs(res[4])
Chem.AllChem.EmbedMolecule(m3d)
AllChem.MMFFOptimizeMolecule(m3d,maxIters=500,nonBondedThresh=200 )
display(m3d)


import nglview as nv


nv.show_rdkit(m3d) # к сожалению, виджет не загрузжается в HTML формате

Хемоинформатика¶