sar-analysis

SAR 分析

---

元数据

简短描述：使用 RDKit 进行构效关系（SAR）分析的全面指南。

作者：Ohagent Team

版本：1.0

最后更新：2025 年 12 月

许可证：CC BY 4.0

商业用途：✅ 允许

---

概述

构效关系（SAR）分析是一项核心的药物化学工作流，旨在将一个化合物系列的系统性结构变化与生物活性变化联系起来。其目标是：（1）识别一系列类似物共享的共同骨架（最大公共子结构，MCS）；（2）将每个分子拆分为骨架和 R 基取代基；（3）对齐所有分子，使同一位置的取代基在视觉上可以直接比较；（4）将取代基变化与效力联系起来，从而得出可检验的设计假设。

本指南规范了一套可复现的、基于 RDKit 的 SAR 工作流，可生成交互式 HTML 报告（包含对齐后的核心结构 / R 基表格和活性热图），并撰写 SAR 叙述，明确比较同一 R 位点上的不同取代基。本指南适用于包含 SMILES、化合物标识符和数值效力指标（IC50、Ki、EC50、%inhibition 等）的活性数据表。

核心概念

最大公共子结构（MCS）

MCS 是一组分子中所有分子（或达到可配置阈值的分子）共有的最大连通子结构。RDKit 的 rdFMCS.FindMCS 会根据可调节的原子 / 键比较规则搜索该骨架。对于 SAR，MCS 提供一个锚定模板，以便拆分并对齐每个类似物。threshold=0.8 表示即使候选子结构只存在于 80% 的分子中，也可以将其定义为 MCS；与 threshold=1.0 相比，这种设置对离群值更稳健。ringMatchesRingOnly=True 和 completeRingsOnly=True 可避免产生在化学意义上不合理的部分环片段。

R 基拆分

R 基拆分（rdRGroupDecomposition.RGroupDecompose）会将每个分子映射到 MCS 核心结构，并将非核心片段分配到依次编号的 R 位点（R1、R2、……）。输出是一个逐分子字典 {Core, R1, R2, …}。恒定的 R 位点（即每个分子都带有相同片段的位点）对 SAR 没有参考价值，应从报告中剔除，以便将注意力集中在真正影响活性的可变位点上。

用于 2D 图示比较的子结构对齐

要使 SAR 可视化结果具有可读性，核心结构和每个 R 基都必须以与母体分子相同的方向绘制。建议按顺序采用三种回退策略：（1）直接使用 GetSubstructMatch；（2）使用 AdjustQueryProperties(makeDummiesQueries=True) 将 R 基虚原子视为查询原子后重新匹配；（3）最后尝试使用 useChirality=False。找到匹配后，将母体构象的原子坐标复制到片段上。否则，R 基单元格将以任意的规范方向绘制，几乎无法读取视觉化的 SAR 信息。

活性热图与比较分析

在活性列上使用对数尺度的颜色渐变（绿色 = 高效力 / 低 IC50，红色 = 低效力 / 高 IC50），读者便可一眼发现该系列中的趋势。配套的叙述必须通过同一 R 位点上的明确成对比较来佐证有关取代基作用的每一项结论——SAR 证据的基本单位是“化合物 A（R1=X，IC50=……）与化合物 B（R1=Y，IC50=……）的比较”，而不是缺乏依据的泛化结论。

决策框架

SAR analysis pipeline
└── Have SMILES + activity for >= 4 analogues?
    ├── No  -> Insufficient data; collect more analogues first
    └── Yes -> Run rdFMCS.FindMCS(threshold=0.8, ringMatchesRingOnly=True)
        ├── MCS too small (<5 atoms) -> Series is too diverse;
        │                               cluster first, then run SAR per cluster
        └── MCS reasonable -> RGroupDecompose
            └── For each fragment alignment to parent:
                ├── Strategy 1: GetSubstructMatch(direct)  -- works for canonical cases
                │   └── No match -> Strategy 2
                ├── Strategy 2: AdjustQueryProperties(makeDummiesQueries=True)
                │               -- handles dummy R-group atoms
                │   └── No match -> Strategy 3
                ├── Strategy 3: GetSubstructMatch(useChirality=False)
                │               -- handles stereochemistry mismatches
                │   └── No match -> Compute2DCoords as fallback (lose alignment)
                └── Drop constant R-positions, build HTML, draw with DrawMoleculeACS1996

情况	推荐选择	理由
具有明确骨架的标准同系物系列	MCS threshold=0.8，ringMatchesRingOnly=True，completeRingsOnly=True	容许少数离群值，同时保持环结构完整
高度多样化的集合（例如 HTS 命中列表）	先聚类（Tanimoto/Murcko），再按簇进行 SAR 分析	单一 MCS 对多样化的化学型而言会过小，无法发挥作用
系列中包含立体异构体	先尝试策略 1；若不适用，再使用策略 3（useChirality=False）	手性差异不应影响结构示意图的对齐
查询中带有 R 基团连接虚原子的类似物	使用 AdjustQueryProperties(makeDummiesQueries=True) 的策略 2	虚原子会被视为查询原子，因此能够与真实重原子匹配
所有类似物中某个 R 位点均保持不变	从报告和核心结构示意图中移除	不变位点没有信息价值，只会让表格更杂乱
活性跨越多个数量级	使用 log10(activity) 绘制颜色热图	线性尺度会在视觉上压缩动态范围
用于发表或报告的绘图	通过 MolDraw2DSVG 使用 DrawMoleculeACS1996	ACS1996 是药物化学图表中事实上的标准

最佳实践

1. 先检查 dataframe，再假定列名。 真实世界的活性表格各不相同；应从 df.head() 自动检测 SMILES、活性和 ID 列，而不是硬编码列名。这样可以避免在用户数据上出现静默失败。
2. 在 MCS 之前显式添加氢原子。 Chem.AddHs 能让 MCS 正确处理重原子的价态和环闭合；若不添加氢原子，可能会遗漏其他方面完全相同的骨架。
3. 剔除不变的 R 位点。 如果某个 R 位点的片段在所有类似物中都相同，它就不包含 SAR 信息；应从表格中删除该列，并从核心结构示意图中移除这个不变的连接点，以突出可变位点。
4. 始终将片段对齐到母体分子，而不是反过来。 通过匹配原子映射，将坐标从母体分子复制到每个片段上。先绘制规范化的母体分子，再从头绘制片段，会失去各行之间的可比性。
5. 使用对数尺度的活性热图。 效力通常跨越 2–4 个数量级；线性色标会压缩有意义的低 IC50 区域。将绿色映射为低 IC50（高效力），红色映射为高 IC50（低效力）。
6. 每项 SAR 结论都要用同一 R 位点的成对对比来佐证。 “小的吸电子基团能提高 R1 位点的活性”之类的表述，必须有直接对比作为依据，例如“化合物 7（R1=F，IC50=0.5 µM）与化合物 1（R1=Me，IC50=5.2 µM）的对比”。没有依据的泛化不能作为证据。
7. 每个设计假设测试 3–4 个类似物。 单一取代基变化可能受到实验噪声的干扰；在同一位点测试多个类似物，才能得出可靠的趋势。
8. 使用 DrawMoleculeACS1996 进行绘图。 ACS1996 样式能生成符合药物化学出版规范的统一键长、原子标签和字体；避免在同一份报告中混用不同样式。

常见陷阱

• 陷阱：硬编码列名，例如 "SMILES" 或 "IC50"。 不同供应商和 ELN 导出的表头各不相同；如果用户使用 Smiles 或 Standard Value，脚本就会出错。

  • 避免方法：检查 df.columns 和 df.head()，根据内容（有效 SMILES 的解析率、数值、唯一字符串）检测 SMILES、活性和 ID 列。

• 陷阱：在 MCS 之前跳过 Chem.AddHs。 隐式氢分子可能产生比预期更小的 MCS，因为价态和环的识别方式不同。

  • 避免方法：调用 rdFMCS.FindMCS 之前，务必使用 mols_for_mcs = [Chem.AddHs(m) for m in mols] 进行预处理。

• 陷阱：对含噪系列设置 threshold=1.0。 一个具有特殊骨架的离群值就会使 MCS 缩减为很小的片段，导致其他所有化合物的 R 基团分解失效。

  • 避免方法：使用 threshold=0.8（或更低），使 MCS 在该系列中有 80% 的化合物包含它时即可确定；单独检查离群值。

• 陷阱：使用 Compute2DCoords 独立绘制每个片段。 每个片段都会获得自己的规范化二维布局，因此相同行中的等价原子位置不同，导致 SAR 可视化难以阅读。

  • 避免方法：将每个片段与母体匹配（使用 3 种策略的回退机制），并将母体构象中的坐标复制到片段的构象中。

• 陷阱：无法处理虚拟 R 基团原子。 当片段包含 R 基团虚拟原子（*）时，GetSubstructMatch 会返回无匹配结果，因为默认情况下虚拟原子不会被视为查询原子。

  • 避免方法：重试匹配前，使用 makeDummiesQueries=True 应用 AdjustQueryProperties(params)（策略 2）。

• 陷阱：只报告一个误差指标（例如仅报告均值）。 不报告离散程度的趋势无法解读；同样，不基于相同位置的对比来讨论取代基效应，也不算 SAR。

  • 避免方法：对于每个 R 位点，列出每种唯一取代基及含有该取代基的化合物的活性；所有结论都应来自成对比较。

• 陷阱：对以 nM 为单位的 IC50 使用线性尺度热图。 大多数有意义的效力范围会挤在一两个颜色区间内。

  • 避免方法：按 log10(IC50) 或 pIC50 = -log10(IC50_in_M) 着色；这样在不同数量级之间可以均匀区分颜色。

• 陷阱：将 R 基团分解中的每一列都视为 SAR 轴。 恒定的 R 位点（每个类似物都有相同的片段）和核心本身都不是 SAR 变量。

  • 避免方法：分解后，以编程方式删除所有条目均相同的列，并从核心图像中移除这些连接点。

工作流

你是 Cheminformatics 和 Python 方面的专家。使用 RDKit 执行 SAR（结构-活性关系）分析。

任务要求：

1. 数据加载： 加载 CSV 文件。不要假定列名固定；应检查数据框（例如，使用 df.head()），自动识别化合物标识（例如，'Compound Key'、'ID'、'Name'）、活性（例如，'Standard Value'、'IC50'、'Activity'）和 SMILES（例如，'Smiles'、'SMILES'、'Structure'）对应的列。

2. 核心识别（MCS）：

   • 使用 rdFMCS.FindMCS 查找显著的共同骨架。
   • 预处理： 在查找 MCS 之前，对分子应用 Chem.AddHs。
   • 参考代码： 使用以下参数设置，以稳健地识别核心：

     mols_for_mcs = [Chem.AddHs(m) for m in mols]
     mcs_res = rdFMCS.FindMCS(
         mols_for_mcs,
         threshold=0.8,
         ringMatchesRingOnly=True,
         completeRingsOnly=True,
         atomCompare=rdFMCS.AtomCompare.CompareElements,
         bondCompare=rdFMCS.BondCompare.CompareOrder
     )
     core_mol = Chem.MolFromSmarts(mcs_res.smartsString)
     AllChem.Compute2DCoords(core_mol)
     

3. R 基团拆分与优化：

   • 根据核心结构进行拆分。
   • 优化： 排除所有分子中都相同（恒定）的 R 基团列。同时，从核心结构可视化中移除这些恒定点。

4. 图像生成与对齐（严格提取坐标）：

   • 目标： 确保核心结构和 R 基团与原始分子在视觉上完全重叠。

   • 绘图样式： 绘制分子时，始终使用 DrawMoleculeACS1996，以确保可视化效果一致且专业：

     from rdkit.Chem.Draw import rdMolDraw2D
     
     drawer = rdMolDraw2D.MolDraw2DSVG(-1, -1)
     rdMolDraw2D.DrawMoleculeACS1996(drawer, mol)
     
     drawer.FinishDrawing()
     svg = drawer.GetDrawingText()
     
     svg = svg.replace("width='", "width='100%' data-original-width='")
     svg = svg.replace("height='", "height='100%' data-original-height='")
     

   • 参考实现： 使用以下特定对齐逻辑，确保完美叠加：

     matches, unmatched_indices = rdRGroupDecomposition.RGroupDecompose([core_mol], mols, asSmiles=False, asRows=False)
     

     def align_substructure_to_parent(sub, parent):
         if not sub or not parent: return False
         try:
             # Strategy 1: Direct match
             match = parent.GetSubstructMatch(sub)
             
             # Strategy 2: Convert dummies to queries (handle R-group attachment points)
             if not match:
                 params = Chem.AdjustQueryParameters()
                 params.makeDummiesQueries = True
                 params.adjustDegree = False
                 params.adjustRingCount = False
                 sub_query = Chem.AdjustQueryProperties(sub, params)
                 match = parent.GetSubstructMatch(sub_query)
             
             # Strategy 3: Try without chirality
             if not match:
                  match = parent.GetSubstructMatch(sub, useChirality=False)
     
             if match:
                 conf_parent = parent.GetConformer()
                 conf_sub = Chem.Conformer(sub.GetNumAtoms())
                 for sub_idx, parent_idx in enumerate(match):
                     pos = conf_parent.GetAtomPosition(parent_idx)
                     conf_sub.SetAtomPosition(sub_idx, pos)
                 
                 sub.RemoveAllConformers()
                 sub.AddConformer(conf_sub)
                 return True
         except:
             pass
         return False
     
     # Usage in loop:
     # 1. Align Original Molecule to Core template
     try:
         AllChem.GenerateDepictionMatching2DStructure(m, core_mol)
     except:
         AllChem.Compute2DCoords(m)
         
     # 2. Align fragments (Core/R-groups) to Original Molecule
     # Copy coords FROM original molecule TO fragment
     if not align_substructure_to_parent(fragment, m):
          AllChem.Compute2DCoords(fragment)
     

     match_core = matches['Core'][i]
     align_substructure_to_parent(this_core, mol)
     core_img = mol_to_base64(this_core)
     

5. HTML 输出（sar_analysis_report.html）：

   • **设计：**使用 CSS 样式创建简洁、现代且美观的 HTML 页面。运用现代 CSS 特性（例如，柔和的阴影、平滑的过渡效果、清晰的排版、合适的配色方案和响应式设计），提升可读性和视觉效果。最重要的是，确保表格列宽足够大，能够清晰展示结构。对于包含图像的列（Original、Core、R-groups），设置至少 300px 的 min-width（例如，min-width: 300px;），避免分子图像被缩小，使其易于辨认。
   • 表格结构：Compound Key、Activity、Original Molecule、Core 和可变的 R-groups。
   • **活性热图：**使用对数刻度为 Activity 单元格应用背景颜色渐变（低值/高效力用绿色表示，高值/低效力用红色表示）。
   • 图像处理：
     • 将分子转换为 SVG（首选）或 Base64 PNG 字符串。
     • **验证：**检查图像是否成功生成。仅嵌入有效图像；否则，使用文本占位符（<td>No Image</td>）。
   • 交互式排序：
     • 在 HTML 页面中添加“切换排序顺序”按钮。
     • 功能：点击按钮可在三个视图间循环切换：默认视图（CSV 原始顺序）、活性升序视图（按 Activity 值从低到高排序）和活性降序视图（按 Activity 值从高到低排序）。
     • **实现：**使用 JavaScript 在客户端处理排序逻辑。确保将 Activity 列的值解析为数字，以便正确排序。
   • **摘要：**简要概述 SAR 结果（R-groups 与活性之间的相关性）。

6. 分析文本输出：

   • 根据分析结果，生成简洁的 SAR 结果文本分析。

   • **输出格式：**直接在对话中输出此文本（不要保存到文件）。

   • **说明：**分析文本必须严格遵循以下指南：

     你是一名专攻构效关系（SAR）分析的科学助手。你的任务是分析提供的分子数据，并生成简洁的 SAR 报告。报告必须包含分子 ID，帮助用户理解 SAR 分析。

     根据提供的数据，分析以下分子的 SAR。

     核心说明：

     1. 识别骨架和取代基：

        • 确定共有的核心结构，并将可变位置标记为 R1、R2 等。始终一致地使用这些标记。

     2. 进行比较分析：

        • 🚨 关键要求：必须通过明确对比同一位置上导致不同活性的其他取代基，来证明所有关于取代基影响的说法。描述的每种活性趋势都必须有化合物之间的直接比较作为依据。不接受缺乏依据的泛化结论。🚨

     3. 推断作用机制：

        • 考虑位阻、电子效应和潜在的分子间相互作用（例如，氢键、疏水作用），提出活性变化的合理原因。

     4. 评估数据完整性并提出类似物（强制评估步骤）：

        • 作为分析的最后一个强制步骤，你必须批判性地评估所提供 SAR 数据的完整性。

        • 仅当你发现关键化合物缺少明确的对应化合物，导致无法稳健地得出 SAR 结论且存在重大歧义时，才必须提出一个新的类似物来消除歧义。

        • 任何提议的理由仍必须遵循以下具体逻辑：

          • 指出歧义：说明导致不确定性的具体化合物及其数据。

          • 指出缺失的对照物：说明需要进行什么比较，但目前无法进行。

          • 提出解决方案：给出能够消除歧义的确切类似物。

          • 如果你认定数据充足，只需在下方专门的部分中说明这一点。

     5. 总结：

        • 总结 SAR 的关键发现，并指出最有前景的类似物。

     输出格式和风格：

     • 直截了当： 立即开始分析。不要使用“我将进行分析……”或“以下是分析……”之类的对话式开场白。
     • 开篇陈述： 用一个句子概述主要的结构修饰和关键发现。
     • 科学语气： 使用准确、审慎的措辞（例如“表明……”“可能是由于……”）。
     • 格式： 使用 Markdown 提高清晰度（例如加粗、项目符号）。
     • 专门的建议部分： 在分析末尾，必须另设一个标题为 ### Suggestions for Further Study 的部分。
       • 在此部分中，列出根据指令 #4 提出的类似物。
       • 如果你认定所提供的数据已经充足，无需新的类似物，仍必须包含此部分，并写明：“所提供的类似物已为已探索的位置提供了充分的比较数据，足以支持稳健的初步 SAR 分析。”这样可确保不会跳过此步骤。
     • 简洁： 仅提供所要求的 SAR 分析。
     • 主动跟进： 在回复最末尾（总结之后），必须以面向用户的直接提问形式明确建议下一步操作或分析（例如：“您希望我……吗？”）。

     ---

     输出结构示例：

     对所提供化合物的 SAR 分析表明，R1 位上的小型吸电子基团对抗菌活性至关重要。例如，类似物 7（R1=F，IC50 = 0.5 µM）相比母体化合物 1（R1=Me，IC50 = 5.2 µM）活性提高了 10 倍，表明该基团可能在空间受限的区域内形成了关键相互作用。相反，类似物 12 中的苯基等体积较大的 R1 取代基会使活性完全消失。

     Suggestions for Further Study

     为验证 R1 位上的位阻体积不利于活性的假设，建议合成该位置为氢的类似物（即化合物 1 的去甲基版本）。这将为未取代骨架的活性建立基线，并确认结合口袋的空间限制。

     您希望我为拟议的去甲基类似物设计合成路线吗？

输出：

• 提供最终的 sar_analysis_report.html 文件。
• 在聊天中打印分析文本。

参考资料

• RDKit 文档 — 最大公共子结构：https://www.rdkit.org/docs/source/rdkit.Chem.rdFMCS.html
• RDKit 文档 — R 基团分解：https://www.rdkit.org/docs/source/rdkit.Chem.rdRGroupDecomposition.html
• RDKit 文档 — MolDraw2D 和 DrawMoleculeACS1996：https://www.rdkit.org/docs/source/rdkit.Chem.Draw.rdMolDraw2D.html
• Dalke A, Hastings J. “FMCS：一种用于多重 MCS 问题的新算法。” J Cheminform. 2013;5(Suppl 1):O6. https://doi.org/10.1186/1758-2946-5-S1-O6
• Lewell XQ, Judd DB, Watson SP, Hann MM. “RECAP——逆合成组合分析程序。” J Chem Inf Comput Sci. 1998;38(3):511-522. https://doi.org/10.1021/ci970429i
• Stumpfe D, Bajorath J. “探索药物化学中的活性悬崖。” J Med Chem. 2012;55(7):2932-2942. https://doi.org/10.1021/jm201706b
• Allen FH, Bellard S, Brice MD, et al. ACS 文档标准（ACS1996 绘图风格参考）：https://pubs.acs.org/doi/10.1021/ci00027a005