[PYTHON] Was ist Ihr "Tanimoto-Koeffizient"?

Ein bekannter Index, wenn es um die Ähnlichkeit von Verbindungen geht, ist der "Tanimoto-Koeffizient". Es gibt jedoch einige Leute, die nur "Tanimoto-Koeffizient" sagen, und es gibt einige Möglichkeiten, sich über "Ist das nicht genug zu erklären?"

Verwenden Sie beispielsweise den folgenden zusammengesetzten Satz

Die Anzahl der Verbindungen beträgt 10.

smiles = [
    'C1=CC=C2C3CC(CNC3)CN2C1=O',
    'CN1c2c(C(N(C)C1=O)=O)[nH0](CC(CO)O)c[nH0]2',
    'CN1C2CC(CC1C1C2O1)OC(C(c1ccccc1)CO)=O',
    'CN1C2CC(CC1C1C2O1)OC(C(c1cccnc1)CO)=O', #Ähnlich der obigen Verbindung
    'CN(C=1C(=O)N(c2ccccc2)N(C1C)C)C',
    'CN(C=1C(=O)N(C2CCCCC2)N(C1C)C)C', #Ähnlich der obigen Verbindung
    'OCC1C(C(C(C(OCC2C(C(C(C(OC(c3ccccc3)C#N)O2)O)O)O)O1)O)O)O',
    'OCc1ccccc1OC1C(C(C(C(CO)O1)O)O)O',
    'OCc1cc(N)ccc1OC1C(C(C(C(CO)O1)O)O)O', #Ähnlich der obigen Verbindung
    '[nH0]1c(OC)c2c([nH0]cc[nH0]2)[nH0]c1',
]

Generieren von Verbindungen mit RDKit aus der SMILES-Notation

from rdkit import Chem

mols = [Chem.MolFromSmiles(smile) for smile in smiles]

Generieren Sie (eine Art) Morgan-Fingerabdruck

from rdkit.Chem import AllChem

fps = [AllChem.GetMorganFingerprint(mol, 3, useFeatures=True) for mol in mols]

Berechnen Sie den Tanimoto-Koeffizienten

from rdkit import DataStructs

sim_matrix = [DataStructs.BulkTanimotoSimilarity(fp, fps) for fp in fps]

Verteilung des Tanimoto-Koeffizienten

Auf diese Weise können Sie die Verteilung des Tanimoto-Koeffizienten sehen. Es scheint, dass das mit dem Tanimoto-Koeffizienten = 1 dasselbe Molekül ist, aber es gibt andere Molekülpaare mit einem höheren Tanimoto-Koeffizienten. Finden Sie heraus (oder stellen Sie sich vor), was es ist

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

plt.hist(np.array(sim_matrix).flatten(), bins=20)
plt.grid()
plt.show()

Und es gibt verschiedene Dinge in Morgan Fingerabdruck

Der Morgan-Fingerabdruck hat auch verschiedene Parameter, und wenn Sie diese ändern, ändert sich auch der Wert des Tanimoto-Koeffizienten.

fps = [AllChem.GetMorganFingerprint(mol, 2, useFeatures=True) for mol in mols]
sim_matrix = [DataStructs.BulkTanimotoSimilarity(fp, fps) for fp in fps]
plt.hist(np.array(sim_matrix).flatten(), bins=20)
plt.grid()
plt.show()

fps = [AllChem.GetMorganFingerprint(mol, 1, useFeatures=True) for mol in mols]
sim_matrix = [DataStructs.BulkTanimotoSimilarity(fp, fps) for fp in fps]
plt.hist(np.array(sim_matrix).flatten(), bins=20)
plt.grid()
plt.show()

fps = [AllChem.GetMorganFingerprintAsBitVect(mol, 3, 1024) for mol in mols]
sim_matrix = [DataStructs.BulkTanimotoSimilarity(fp, fps) for fp in fps]
plt.hist(np.array(sim_matrix).flatten(), bins=20)
plt.grid()
plt.show()

fps = [AllChem.GetMorganFingerprintAsBitVect(mol, 3, 2048) for mol in mols]
sim_matrix = [DataStructs.BulkTanimotoSimilarity(fp, fps) for fp in fps]
plt.hist(np.array(sim_matrix).flatten(), bins=20)
plt.grid()
plt.show()

Und es gibt noch andere Fingerabdrücke

Es gibt nur zwei, weil es schwierig ist, alles zu berechnen. Eines der wichtigen Dinge ist, dass in den folgenden Berechnungsergebnissen 10 oder mehr Fälle mit einem Tanimoto-Koeffizienten von 1,0 vorhanden sind. Mit anderen Worten, beachten Sie, dass der Tanimoto-Koeffizient 1,0 betragen kann, auch wenn es sich nicht um dasselbe Molekül handelt.

fps = [AllChem.GetMACCSKeysFingerprint(mol) for mol in mols]
sim_matrix = [DataStructs.BulkTanimotoSimilarity(fp, fps) for fp in fps]
plt.hist(np.array(sim_matrix).flatten(), bins=20)
plt.grid()
plt.show()

fps = [Chem.RDKFingerprint(mol) for mol in mols]
sim_matrix = [DataStructs.BulkTanimotoSimilarity(fp, fps) for fp in fps]
plt.hist(np.array(sim_matrix).flatten(), bins=20)
plt.grid()
plt.show()

Sie können den Tanimoto-Koeffizienten auch mit MCS definieren.

from rdkit.Chem import rdFMCS

matrix = []
for mol1 in mols:
    for mol2 in mols:
        mcs = rdFMCS.FindMCS([mol1, mol2])
        a1 = len(mol1.GetAtoms())
        a2 = len(mol2.GetAtoms())
        matrix.append(mcs.numAtoms / (a1 + a2 - mcs.numAtoms) )

plt.hist(np.array(matrix).flatten(), bins=20)
plt.grid()
plt.show()

MCS hat auch verschiedene Optionen

from rdkit.Chem import rdFMCS

matrix = []
for mol1 in mols:
    for mol2 in mols:
        mcs = rdFMCS.FindMCS([mol1, mol2], atomCompare=rdFMCS.AtomCompare.CompareAny)
        a1 = len(mol1.GetAtoms())
        a2 = len(mol2.GetAtoms())
        matrix.append(mcs.numAtoms / (a1 + a2 - mcs.numAtoms) )

plt.hist(np.array(matrix).flatten(), bins=20)
plt.grid()
plt.show()

from rdkit.Chem import rdFMCS

matrix = []
for mol1 in mols:
    for mol2 in mols:
        mcs = rdFMCS.FindMCS([mol1, mol2])
        a1 = len(mol1.GetBonds())
        a2 = len(mol2.GetBonds())
        matrix.append(mcs.numBonds / (a1 + a2 - mcs.numBonds) )

plt.hist(np.array(matrix).flatten(), bins=20)
plt.grid()
plt.show()

from rdkit.Chem import rdFMCS

matrix = []
for mol1 in mols:
    for mol2 in mols:
        mcs = rdFMCS.FindMCS([mol1, mol2], bondCompare=rdFMCS.BondCompare.CompareOrderExact)
        a1 = len(mol1.GetBonds())
        a2 = len(mol2.GetBonds())
        matrix.append(mcs.numBonds / (a1 + a2 - mcs.numBonds) )

plt.hist(np.array(matrix).flatten(), bins=20)
plt.grid()
plt.show()

Was ist Ihr "Tanimoto-Koeffizient"?