medchem

Medchem

概述

Medchem 是一个用于药物发现工作流中分子筛选和优先级排序的 Python 库。它提供数百种成熟和新颖的分子过滤器、结构警示及药物化学规则，可高效地对化合物库进行分类并大规模确定优先级。规则和过滤器因具体情境而异，应结合领域专业知识作为指导。

何时使用此技能

在以下情况下应使用此技能：

• 对化合物库应用类药性规则（Lipinski、Veber 等）
• 根据结构警示或 PAINS 模式筛选分子
• 为先导优化确定化合物的优先级
• 评估化合物质量和药物化学性质
• 检测具有反应性或存在问题的官能团
• 计算分子复杂度指标

安装

通过 conda 或 pip 安装 medchem：

# Via conda
micromamba install -c conda-forge medchem

# Via pip
pip install medchem

核心能力

1. 药物化学规则

使用 medchem.rules 模块对分子应用成熟的类药性规则。

可用规则：

• 五规则（Lipinski）
• Oprea 规则
• CNS 规则
• 先导样规则（宽松和严格）
• 三规则
• Reos 规则
• 药物规则
• Veber 规则
• 黄金三角
• PAINS 过滤器

应用单条规则：

import medchem as mc

# Apply Rule of Five to a SMILES string
smiles = "CC(=O)OC1=CC=CC=C1C(=O)O"  # Aspirin
passes = mc.rules.basic_rules.rule_of_five(smiles)
# Returns: True

# Check specific rules
passes_oprea = mc.rules.basic_rules.rule_of_oprea(smiles)
passes_cns = mc.rules.basic_rules.rule_of_cns(smiles)

使用 RuleFilters 应用多条规则：

import datamol as dm
import medchem as mc

# Load molecules
mols = [dm.to_mol(smiles) for smiles in smiles_list]

# Create filter with multiple rules
rfilter = mc.rules.RuleFilters(
    rule_list=[
        "rule_of_five",
        "rule_of_oprea",
        "rule_of_cns",
        "rule_of_leadlike_soft"
    ]
)

# Apply filters with parallelization
results = rfilter(
    mols=mols,
    n_jobs=-1,  # Use all CPU cores
    progress=True
)

结果格式： 结果以字典形式返回，其中包含通过/未通过状态以及每条规则的详细信息。

2. 结构警示过滤器

使用 medchem.structural 模块检测潜在的问题结构模式。

可用过滤器：

1. 常见警示 - 源自 ChEMBL 整理数据和文献的一般结构警示
2. NIBR 过滤器 - Novartis 生物医学研究所过滤器集
3. Lilly 扣分项 - Eli Lilly 基于扣分的系统（275 条规则，分值超过 100 时拒绝分子）

常见警示：

import medchem as mc

# Create filter
alert_filter = mc.structural.CommonAlertsFilters()

# Check single molecule
mol = dm.to_mol("c1ccccc1")
has_alerts, details = alert_filter.check_mol(mol)

# Batch filtering with parallelization
results = alert_filter(
    mols=mol_list,
    n_jobs=-1,
    progress=True
)

NIBR 过滤器：

import medchem as mc

# Apply NIBR filters
nibr_filter = mc.structural.NIBRFilters()
results = nibr_filter(mols=mol_list, n_jobs=-1)

Lilly 扣分项：

import medchem as mc

# Calculate Lilly demerits
lilly = mc.structural.LillyDemeritsFilters()
results = lilly(mols=mol_list, n_jobs=-1)

# Each result includes demerit score and whether it passes (≤100 demerits)

3. 用于高级操作的函数式 API

medchem.functional 模块为常见工作流提供便捷函数。

快速筛选：

import medchem as mc

# Apply NIBR filters to a list
filter_ok = mc.functional.nibr_filter(
    mols=mol_list,
    n_jobs=-1
)

# Apply common alerts
alert_results = mc.functional.common_alerts_filter(
    mols=mol_list,
    n_jobs=-1
)

4. 化学基团检测

使用 medchem.groups 识别特定化学基团和官能团。

可用基团：

• 铰链结合基团
• 磷酸基结合基团
• Michael 受体
• 反应性基团
• 自定义 SMARTS 模式

用法：

import medchem as mc

# Create group detector
group = mc.groups.ChemicalGroup(groups=["hinge_binders"])

# Check for matches
has_matches = group.has_match(mol_list)

# Get detailed match information
matches = group.get_matches(mol)

5. 命名目录

通过 medchem.catalogs 访问经过整理的化学结构集合。

可用目录：

• 官能团
• 保护基
• 常用试剂
• 标准片段

用法：

import medchem as mc

# Access named catalogs
catalogs = mc.catalogs.NamedCatalogs

# Use catalog for matching
catalog = catalogs.get("functional_groups")
matches = catalog.get_matches(mol)

6. 分子复杂度

使用 medchem.complexity 计算可近似表示合成可及性的复杂度指标。

常见指标：

• Bertz 复杂度
• Whitlock 复杂度
• Barone 复杂度

用法：

import medchem as mc

# Calculate complexity
complexity_score = mc.complexity.calculate_complexity(mol)

# Filter by complexity threshold
complex_filter = mc.complexity.ComplexityFilter(max_complexity=500)
results = complex_filter(mols=mol_list)

7. 约束筛选

使用 medchem.constraints 应用基于自定义属性的约束。

约束示例：

• 分子量范围
• LogP 界限
• TPSA 限制
• 可旋转键数量

用法：

import medchem as mc

# Define constraints
constraints = mc.constraints.Constraints(
    mw_range=(200, 500),
    logp_range=(-2, 5),
    tpsa_max=140,
    rotatable_bonds_max=10
)

# Apply constraints
results = constraints(mols=mol_list, n_jobs=-1)

8. Medchem 查询语言

使用专用查询语言设置复杂的筛选条件。

查询示例：

# Molecules passing Ro5 AND not having common alerts
"rule_of_five AND NOT common_alerts"

# CNS-like molecules with low complexity
"rule_of_cns AND complexity < 400"

# Leadlike molecules without Lilly demerits
"rule_of_leadlike AND lilly_demerits == 0"

用法：

import medchem as mc

# Parse and apply query
query = mc.query.parse("rule_of_five AND NOT common_alerts")
results = query.apply(mols=mol_list, n_jobs=-1)

工作流模式

模式 1：化合物库初步分类

筛选大型化合物集合，以识别类药候选物。

import datamol as dm
import medchem as mc
import pandas as pd

# Load compound library
df = pd.read_csv("compounds.csv")
mols = [dm.to_mol(smi) for smi in df["smiles"]]

# Apply primary filters
rule_filter = mc.rules.RuleFilters(rule_list=["rule_of_five", "rule_of_veber"])
rule_results = rule_filter(mols=mols, n_jobs=-1, progress=True)

# Apply structural alerts
alert_filter = mc.structural.CommonAlertsFilters()
alert_results = alert_filter(mols=mols, n_jobs=-1, progress=True)

# Combine results
df["passes_rules"] = rule_results["pass"]
df["has_alerts"] = alert_results["has_alerts"]
df["drug_like"] = df["passes_rules"] & ~df["has_alerts"]

# Save filtered compounds
filtered_df = df[df["drug_like"]]
filtered_df.to_csv("filtered_compounds.csv", index=False)

模式 2：先导优化筛选

在先导优化期间应用更严格的标准。

import medchem as mc

# Create comprehensive filter
filters = {
    "rules": mc.rules.RuleFilters(rule_list=["rule_of_leadlike_strict"]),
    "alerts": mc.structural.NIBRFilters(),
    "lilly": mc.structural.LillyDemeritsFilters(),
    "complexity": mc.complexity.ComplexityFilter(max_complexity=400)
}

# Apply all filters
results = {}
for name, filt in filters.items():
    results[name] = filt(mols=candidate_mols, n_jobs=-1)

# Identify compounds passing all filters
passes_all = all(r["pass"] for r in results.values())

模式 3：识别特定化学基团

查找含有特定官能团或骨架的分子。

import medchem as mc

# Create group detector for multiple groups
group_detector = mc.groups.ChemicalGroup(
    groups=["hinge_binders", "phosphate_binders"]
)

# Screen library
matches = group_detector.get_all_matches(mol_list)

# Filter molecules with desired groups
mol_with_groups = [mol for mol, match in zip(mol_list, matches) if match]

最佳实践

1. 上下文很重要：不要盲目应用筛选条件。了解生物学靶点和化学空间。

2. 组合多种筛选条件：将规则、结构警示和领域知识结合起来，以便做出更好的决策。

3. 使用并行处理：对于大型数据集（>1000 个分子），始终使用 n_jobs=-1 进行并行处理。

4. 迭代优化：从宽泛的筛选条件（Ro5）开始，然后根据需要应用更具体的标准（CNS、leadlike）。

5. 记录筛选决策：跟踪哪些分子被筛除及原因，以确保结果可复现。

6. 验证结果：请记住，市售药物往往无法通过标准筛选条件——应将这些条件视为指导原则，而非绝对规则。

7. 考虑前药：作为前药设计的分子可能会有意违反标准药物化学规则。

资源

references/api_guide.md

全面的 API 参考，涵盖所有 medchem 模块，并详细列出函数签名、参数和返回类型。

references/rules_catalog.md

完整的可用规则、筛选条件和警示目录，包含说明、阈值和文献参考。

scripts/filter_molecules.py

适用于生产环境的批量筛选工作流脚本。支持多种输入格式（CSV、SDF、SMILES）、可配置的筛选条件组合和详细报告。

用法：

python scripts/filter_molecules.py input.csv --rules rule_of_five,rule_of_cns --alerts nibr --output filtered.csv

文档

官方文档：https://medchem-docs.datamol.io/ GitHub 仓库：https://github.com/datamol-io/medchem