macrolactone-toolkit/notebooks/README_analyze_ring16.md

16元环大环内酯分子分析说明

文件说明

• notebook文件: analyze_ring16_molecules.ipynb
• 输入数据: ../output/ring16_match_smarts.csv (307个分子)
• 输出目录: ../output/

使用方法

1. 激活环境

cd /home/zly/project/macro_split
pixi shell

2. 运行notebook

jupyter notebook notebooks/analyze_ring16_molecules.ipynb

或使用 JupyterLab：

jupyter lab notebooks/analyze_ring16_molecules.ipynb

3. 按顺序运行所有单元格

notebook会自动：

1. 计算所有分子的药物性质（分子量、LogP、QED、TPSA等）
2. 进行侧链断裂分析
3. 统计每个位置（3-16）的碎片分布
4. 生成分布图并保存到 output/ 目录

生成的输出文件

图片文件

• ring16_molecular_properties_distribution.png - 分子性质分布图（4个子图）

  • 分子量分布
  • LogP分布
  • QED分布
  • TPSA分布

• atom_count_distribution_ring16.png - 每个位置的原子数分布（14个子图，位置3-16）

• molecular_weight_distribution_ring16.png - 每个位置的分子量分布（14个子图，位置3-16）

数据文件

• ring16_fragments_analysis.csv - 所有碎片的详细信息

  • 列：fragment_id, parent_id, parent_smiles, cleavage_position, fragment_smiles, atom_count, molecular_weight

• ring16_molecular_properties.csv - 所有分子的性质数据

  • 列：unique_id, mol_weight, logP, num_h_donors, num_h_acceptors, num_rotatable_bonds, tpsa, qed, num_atoms, num_heavy_atoms

分析内容

已完成

1. 分子基本性质计算 ✅

   • 分子量、LogP、QED、TPSA
   • 氢键供受体数、可旋转键数
   • 原子数、重原子数

2. 侧链断裂分析 ✅

   • 使用封装好的 MacrolactoneFragmenter 类
   • 批量处理所有307个分子
   • 统计每个位置的碎片类型和数量

3. 分布图绘制 ✅

   • 参考 test_align_two_molecules.ipynb 的绘图逻辑
   • 4x4子图布局，展示位置3-16的分布
   • 使用 seaborn 和 matplotlib 绘图

延伸分析建议

notebook的最后一个单元格（Section 9）提供了详细的延伸分析建议，包括：

优先级1（强烈推荐）⭐⭐⭐

• LogP分析：找出对亲脂性贡献最大的侧链位置
• QED分析：比较高/低QED分子的侧链差异
• TPSA分析：分析极性侧链的分布模式

优先级2（重要）⭐⭐⭐

• SAR分析：如果有活性数据（max_pChEMBL），分析结构-活性关系
• 特权侧链：找出高频出现在活性分子中的侧链

优先级3（有价值）⭐⭐

• 碎片多样性分析：统计每个位置的独特碎片类型
• 聚类分析：基于碎片指纹进行分子聚类
• 极性/疏水性分析：分析侧链的极性特征

可选分析 ⭐

• 3D性质：PMI、NPR等3D描述符
• Lipinski规则：检查类药性规则
• 立体化学：手性中心分析

代码示例

notebook中包含了完整的代码示例，可以直接运行或修改。主要功能：

# 1. 计算分子性质
props = calculate_properties(smiles)

# 2. 批量断裂
fragmenter = MacrolactoneFragmenter(ring_size=16)
batch_results = fragmenter.process_csv(csv_file)

# 3. 统计分析
df_fragments = fragmenter.batch_to_dataframe(batch_results)
position_stats = df_fragments.groupby('cleavage_position').agg(...)

# 4. 绘图
sns.histplot(values, kde=True, ax=ax, bins=30)

关键洞察

LogP的价值

• 反映分子的亲脂性，对膜通透性和药物分布至关重要
• 大环内酯通常LogP较高
• 了解侧链对LogP的贡献有助于优化药物设计

QED的意义

• QED综合评估"类药性"
• 大环内酯往往违反Lipinski规则（分子量>500），但仍可能是好药
• 比较高/低QED分子可以找出影响类药性的关键侧链

TPSA的重要性

• TPSA与口服生物利用度密切相关（一般<140Ų为佳）
• 极性侧链对TPSA贡献显著
• 可以指导侧链修饰策略

注意事项

1. 环境要求：

   • 需要安装 seaborn 和 matplotlib
   • 如果没有安装，notebook会提示：pixi add seaborn matplotlib

2. 处理时间：

   • 处理307个分子可能需要几分钟
   • 绘制分布图也需要一些时间

3. 内存使用：

   • 批量处理和绘图会占用一定内存
   • 如果遇到内存问题，可以减少 max_rows 参数

4. 图片分辨率：

   • 默认使用 300 DPI 保存图片
   • 可以根据需要调整 dpi 参数

后续工作

根据分析结果，建议进行：

1. LogP与侧链的定量关系

   • 计算去除各个侧链后的LogP变化
   • 找出对LogP贡献最大的位置

2. 活性数据关联（如果有）

   • 分析高活性分子的侧链特征
   • 找出"特权侧链"

3. 碎片库构建

   • 整理每个位置的常见碎片
   • 用于指导新分子设计

4. 机器学习预测

   • 使用碎片特征预测分子性质
   • 建立QSAR模型

参考

• filter_molecules.ipynb - 分子过滤和断裂逻辑
• test_align_two_molecules.ipynb - 绘图逻辑参考
• src/macrolactone_fragmenter.py - 封装的断裂器类
• src/ring_visualization.py - 可视化工具

问题反馈

如果遇到问题：

1. 检查是否在 pixi shell 环境中
2. 确认所有依赖包已安装
3. 查看输出目录是否有写入权限
4. 检查CSV文件路径是否正确