RDKit 2022.09.1 がリリースされました

2022年10月21日に RDKit 2022.09.1 がリリースされました。この記事では新バージョンのリリースノートの抄訳と新機能のコード例を紹介します。より詳細な情報を知りたい方はリリースノートの原文 (2022_09_1 (Q3 2022) Release) をご確認ください。

リリースノート抄訳

ハイライト

• RDKitで分子登録システムを構築するために必要なRegistrationHashモジュールが追加されました。
• 原子の位置から結合と結合次数を決めるxyz2molアルゴリズムのC++実装の初期バージョンが追加されました。これは2022年のGoogle Summer of Codeの成果です。
• minimallibに複数の新機能が追加され、JavaScript等の言語から使用可能になりました。

後方互換性のない変更

• カノニカル化アルゴリズムにおける原子のキラリティーの扱いが変更されため、このRDKitバージョンで生成されるカノニカル原子順位やカノニカルSMILESは以前のバージョンで生成されたものと異なる可能性があります。
• GetBestRMS() と CalcRMS() は終端のカルボキシラートアニオンやニトロ基などの共役官能基を対称に取り扱うのがデフォルトになりました。例えば C(=[O:1])[O-:2] はどちらの方向にもマッチします。この変更で影響される官能基を表すSMARTSパターンは[{atomP};$([{atomP}]-[*]=[{atomP}]),$([{atomP}]=[*]-[{atomP}])]~[*] です（{atomP} は O,N;D1）。以前の挙動を再現するにはGetBestRMS() や CalcRMS()を呼び出す際の引数でsymmetrizeConjugatedTerminalGroupsをfalseに設定してください。
• 以下の定数はC++コードやRDConfig.hで今後提供・使用されません
  • BUILD_COORDGEN_SUPPORT: 代わりに RDK_BUILD_COORDGEN_SUPPORT を使用してください
  • RDK_THREADSAFE_SSS: 代わりに RDK_BUILD_THREADSAFE_SSS を使用してください
  • USE_BUILTIN_POPCOUNT: 代わりに RDK_OPTIMIZE_POPCNT を使用してください
• Python関数 Chem.GetSSSR() は環の個数ではなく見つかったSSSR (訳注: smallest set of smallest rings) 環を返すようになりました。この挙動は Chem.GetSymmSSSR() と一貫性があり、より便利です。
• SMILES パーサーが SmilesParserParams.useLegacyStereo の値を無視するようになりました（ falseに設定されている場合を除く）。詳細は useLegacyStereo の非推奨に関する下の記述をご覧ください。
• CFFI関数 set_2d_coords_aligned() が追加のパラメータ char **match_json を取るようになりました。match_json が NULL ではない場合、*match_json はマッチ部分の原子と結合を含むJSON文字列を指します。この文字列のメモリ解放はユーザーが行う必要があります。
• 互変異性体の列挙に用いる脂肪族イミンに関する規則がより原論文の定義に近いものになりました。

バグ修正・クリーンアップ・新機能及び改善

（訳注: 省略します。ご興味のある方は原文をご確認ください。）

このリリースで削除されたコード

• C++ クラス RDLog::BlockLogs は削除されました。クラス RDLog::LogStateSetter を使用してください。 Python クラス rdBase.BlockLogs() は現在もサポートされており使用可能です。
• Python 関数 rdkit.Chem.WrapLogs() は削除されました。rdkit.rdBase.LogToPythonStderr() を使用してください。rdkit.rdBase.WrapLogs() も存在しますが、標準エラー出力へ同時に出力する古い挙動が必要な場合を除いて前者が好ましいです。
• Python 関数 rdkit.Chem.LogWarningMsg() は削除されました。rdkit.rdBase.LogWarningMsg() を使用してください。
• Python 関数 rdkit.Chem.LogErrorMsg() は削除されました。rdkit.rdBase.LogErrorMsg() を使用してください。

非推奨となったコード（将来のリリースで削除予定）

• SmilesParserParams の useLegacyStereo オプションは非推奨となり、2023.03 のリリースで削除されます。代わりに SetUseLegacyStereoPerception() を使用してください。次のリリースまでの間、SMILES パーサーが SmilesParserParams.useLegacyStereo の値を使用するのは その値が false に設定されている場合だけです。それ以外の場合はグローバルパラメータ useLegacyStereoPerception の値が SMILES パーサーの挙動を指定します。
• 以下のJavaScriptメソッド
  • generate_aligned_coords()
  • get_morgan_fp()
  • get_morgan_fp_as_uint8array()
  • get_pattern_fp()
  • get_pattern_fp_as_uint8array() は複数の個別パラメータを取っていましたが、今後は一つのJSON文字列パラメータを取るようになります。複数の個別パラメータによるオーバーロードは非推奨となり、将来のリリースで削除される予定です。
• PandasTools 内の PrintAsBase64PNGString 関数は非推奨となり、PNGとSVGの両方をサポートすることを示すより適切な名前である PrintAsImageString に置き換えられました。

新機能詳細

ここでは新機能の詳細を紹介します。

xyz2mol

xyz2molはXYZ形式のファイルをRDKitのmoleculeオブジェクトとして読み込む機能です。この機能は (Kim, 2015) で提案された手法の Jan Jensen氏による実装 を取り込んだものになります（Pull Request）。コードやドキュメントは Code/GraphMol/DetermineBonds にあります。

Pythonでxyz2molを使う例を以下に示します。コード中の test10.xyz は test_data/connectivity からダウンロードしたものです。ドキュメントが見当たらなかったため、テストコードを参考にしました。

from rdkit import Chem
from rdkit.Chem import rdDetermineBonds

# XYZファイルの読み込み
# XYZを読み込んだ時点では結合が存在しません
mol = Chem.MolFromXYZFile("test10.xyz")
print(Chem.MolToSmiles(mol))
# 'C.C.C.C.N.[HH].[HH].[HH].[HH].[HH].[HH].[HH].[HH].[HH]'

# 結合の予測
rdDetermineBonds.DetermineBonds(mol)
print(Chem.MolToSmiles(mol))
# [H]C([H])=C(N([H])[H])C([H])([H])C([H])([H])[H]

# 結合の有無のみ予測
rdDetermineBonds.DetermineConnectivity(mol)
print(Chem.MolToSmiles(mol))
# [H]C([H])C(N([H])[H])C([H])([H])C([H])([H])[H]

# 結合次数の予測
rdDetermineBonds.DetermineBondOrders(mol)
print(Chem.MolToSmiles(mol))
# [H]C([H])=C(N([H])[H])C([H])([H])C([H])([H])[H]

なお、執筆時点 (2022/10/30) では筆者の環境でRDKitをPyPI経由でインストールするとrdDetermineBondsのインポートに失敗したため、このコードはAnacondaでインストールしたRDKitで検証しました。

各関数の解説

DetermineBonds.h のコメントの翻訳です。

DetermineBonds() は現在の結合を破棄し、原子座標を元に原子間結合を割り当てる関数です。embedChiral を True に設定しないでこの関数を呼び出した場合には分子をサニタイズすることが推奨されます。以下の引数があります。以下の引数があります。

• mol (RWMol): 対象となる分子。3次元構造を持つ必要がある
• useHueckel (bool, optional): True にすると結合予測にファン・デル・ワールス法ではなく拡張ヒュッケル法が用いられる。デフォルトは False
• charge (int, optional): 分子の電荷。電荷が非ゼロのときに指定する必要がある。デフォルトは 0
• covFactor (double, optional): ファン・デル・ワールス法を用いる場合に各共有結合半径に掛けられる係数。デフォルトは 1.3
• allowChargedFragments (bool, optional): True にすると原子価に応じた形式電荷が原子に置かれます。Falseにすると原子にラジカル電荷が置かれます。デフォルトは True
• embedChiral (bool, optional): True にすると分子にキラリティの情報が埋め込まれます。この引数がTrueの場合、この関数は sanitizeMol() を呼び出します。デフォルトは True
• useAtomMap (bool, optional): True にすると分子の原子マップが生成されます。デフォルトは False

DetermineConnectivity() は現在の結合を破棄し、原子座標を元に原子間結合を割り当てる関数です。結合次数の予測を行わない点が DetermineBonds() と異なります。以下の引数があります。

• mol (RWMol): 対象となる分子。3次元構造を持つ必要がある
• useHueckel (bool, optional): True にすると結合予測にファン・デル・ワールス法ではなく拡張ヒュッケル法が用いられる。デフォルトは False
• charge (int, optional): 分子の電荷。ヒュッケル法を使用する場合で電荷が非ゼロのときに指定する必要がある。デフォルトは 0
• covFactor (double, optional): ファン・デル・ワールス法を用いる場合に各共有結合半径に掛けられる係数。デフォルトは 1.3

DetermineBondOrders() は原子間結合が定義された分子に結合次数を割り当てる関数です。embedChiral を True に設定しないでこの関数を呼び出した場合には分子をサニタイズすることが推奨されます。以下の引数があります。

• mol (RWMol): 対象となる分子。原子間結合に対応する単結合を持つ必要がある
• charge (int, optional): 分子の電荷。電荷が非ゼロのときに指定する必要がある。デフォルトは 0
• allowChargedFragments (bool, optional): True にすると原子価に応じた形式電荷が原子に置かれます。Falseにすると原子にラジカル電荷が置かれます。デフォルトは True
• embedChiral (bool, optional): True にすると分子にキラリティの情報が埋め込まれます。この引数がTrueの場合、この関数は sanitizeMol() を呼び出します。デフォルトは True
• useAtomMap (bool, optional): True にすると分子の原子マップが生成されます。デフォルトは False

RegistrationHash

RegistrationHash は Schrödinger 社が分子の重複を防ぐために使っている関数をオープンソース化したものです。UGM 2022でのLightning talk で概要が説明されています。

ドキュメントによると、SMILESに比べて以下の点が優れているそうです。

• 化学的に意味のないSMILESの特徴を無視している（例: 原子マップ番号）
• より強化された立体化学のカノニカル化（例えば C[C@H](O)CC |&1:1| と C[C@@H](O)CC |&1:1| が同じハッシュ値になる）
• S group のカノニカル化（例: ポリマーデータ）

基本的な使い方は以下の通りです。

from rdkit import Chem
from rdkit.Chem import RegistrationHash

mol = Chem.MolFromSmiles('CNCC(=O)OC')
scheme = RegistrationHash.HashScheme.ALL_LAYERS
hash = RegistrationHash.GetMolHash(RegistrationHash.GetMolLayers(mol), scheme)
print(hash)  # 48b5d33cd3a5b7f859dad34ab19cdab3b8dd6cf3

scheme には以下の三種類を指定することができます。

• ALL_LAYERS: 全レイヤーを用いた最も厳格なハッシュスキーム
• STEREO_INSENSITIVE_LAYERS: 立体化学に関するレイヤーを除く
• TAUTOMER_INSENSITIVE_LAYERS: 互変異性体に関するレイヤーを除く

以上です。ドキュメントの誤りや改善点を見つけた場合はユーザー会のSlackかGitHubまでご連絡ください。