RDKit - Python 化学信息学工具包

技能概述

RDKit 是一个开源的化学信息学工具包，提供 Python API 用于分子结构解析、描述符计算、分子指纹生成、子结构搜索、化学反应预测和 2D/3D 分子可视化，适用于药物发现、计算化学和化学信息学研究。

适用场景

1. 药物发现与虚拟筛选

在药物研发过程中，RDKit 可以处理大规模化合物库，进行分子描述符计算（如分子量、LogP、TPSA）、类药性分析（Lipinski 规则五）、分子指纹相似度筛选和子结构过滤，帮助研究人员快速识别潜在药物候选分子。

2. 化学数据挖掘与分析

对于化学信息学研究，RDKit 提供 SMILES/SDF 分子式解析、批量分子数据处理、分子聚类和多样性分析等功能，支持从化学数据库中提取结构信息、分析构效关系（SAR）和构建化学特征预测模型。

3. 高级分子建模与反应预测

当需要精细控制分子处理流程时，RDKit 提供自定义分子标准化、特定子结构匹配、化学反应 SMARTS 定义、3D 分子构象生成和药效团特征识别等高级功能，适用于复杂的化学信息学研究和专业算法开发。

核心功能

1. 分子 I/O 与结构解析

RDKit 支持多种化学格式的读写，包括 SMILES 字符串、SDF（结构数据文件）、MOL 文件和 InChI 等标准格式，提供单分子和批量分子处理能力，能够自动进行分子验证和芳香性感知，并支持 gzip 压缩文件的多线程读取。

2. 分子描述符与指纹

工具包内置 200+ 分子描述符计算功能，涵盖物理化学性质（分子量、LogP、TPSA、氢键供体/受体数）、拓扑描述符和指纹生成（Morgan/ECFP、RDKit 拓扑指纹、MACCS 密钥、原子对指纹等），支持分子相似度计算（Tanimoto、Dice、余弦相似度）和基于指纹的分子聚类。

3. 子结构搜索与化学反应

RDKit 提供 SMARTS 模式匹配功能，支持复杂子结构查询（如官能团识别、环系统检测、大环化合物筛选），并具备化学反应预测能力，可通过反应 SMARTS 定义化学转化规则，应用于代谢预测、反应产物推断和反应库筛选。

4. 2D/3D 分子生成与可视化

支持 2D 分子坐标计算（用于分子结构可视化）、3D 构象生成（ETKDG 算法）、构象优化（UFF/MMFF 力场）和分子对齐，提供多种分子可视化选项（高亮子结构、自定义绘图参数、Jupyter Notebook 集成），适用于分子相似性地图和构效关系可视化。

常见问题

RDKit 和 datamol 应该如何选择？

RDKit 适合需要精细控制和高级算法的场景，如自定义分子标准化流程、特定子结构匹配逻辑或专业化学反应预测。datamol 是基于 RDKit 的简化封装，提供更友好的 API 和标准工作流程，适合常规分子处理任务和快速原型开发。如果任务涉及复杂的化学信息学算法开发或需要底层控制，建议直接使用 RDKit。

如何安装和配置 RDKit？

推荐使用 uv pip install rdkit 安装到现有 Python 环境，或通过 conda-forge 创建独立环境：conda create -c conda-forge -n my-rdkit-env rdkit。示例代码兼容 RDKit 2026.03.x 版本。避免在同一环境中同时安装 conda 和 PyPI 的 rdkit 包，以防止二进制扩展冲突。对于跨平台支持，PyPI 的 rdkit 包提供预编译 wheel；rdkit-pypi 是旧版包名，仅用于维护遗留环境。

RDKit 支持哪些分子文件格式的批量处理？

RDKit 通过 Supplier/Writer 模式支持 SDF、SMILES（.smi）、MOL 和 gzip 压缩文件的批量读写。对于大规模数据集，提供 ForwardSDMolSupplier（流式读取，避免内存溢出）、MultithreadedSDMolSupplier（多线程并行处理）和 SDWriter（批量写入）等高性能工具。所有 MolFrom* 函数在解析失败时返回 None，需在使用前进行验证。