7

与其爬取 PubChem 的网站，我更愿意从 PubChem ftp 站点本地生成图像：

ftp://ftp.ncbi.nih.gov/pubchem/specifications/

唯一的问题是我仅限于 OSX 和 Linux，而且我似乎无法找到一种以编程方式生成他们网站上的 2d 图像的方法。看这个例子：

https://pubchem.ncbi.nlm.nih.gov/compound/6#section=Top

在“2D 结构”标题下，我们有这张图片：

https://pubchem.ncbi.nlm.nih.gov/image/imgsrv.fcgi?cid=6&t=l

这就是我想要生成的。

4

3 回答 3

5

如果您想要开箱即用的东西，我建议您使用ChemAxon 的 Marvin ( https://www.chemaxon.com/products/marvin/ ) 的molconvert，它对学术界是免费的。它可以从命令行轻松使用，并且支持大量输入和输出格式。因此，对于您的示例，它将是：

molconvert "png" -s "C1=CC(=C(C=C1[N+](=O)[O-])[N+](=O)[O-])Cl" -o cdnb.png

结果如下图：

1-氯-2,4-二硝基苯

它还允许您设置宽度、高度、质量、背景颜色等参数。

但是，如果您是程序员，我肯定会推荐RDKit。遵循一个代码，该代码为一对以微笑给出的化合物生成图像。

from rdkit import Chem
from rdkit.Chem import Draw

ms_smis = [["C1=CC(=C(C=C1[N+](=O)[O-])[N+](=O)[O-])Cl", "cdnb"],
           ["C1=CC(=CC(=C1)N)C(=O)N", "3aminobenzamide"]]
ms = [[Chem.MolFromSmiles(x[0]), x[1]] for x in ms_smis]

for m in ms: Draw.MolToFile(m[0], m[1] + ".svg", size=(800, 800))

这将为您提供以下图像：

cdnb在此处输入图像描述

于 2016-08-04T20:13:57.383 回答
2

所以我还给 PubChem 的人发了电子邮件，他们很快就回复了我：

我们对图像的唯一批量访问是通过下载服务： https
://pubchem.ncbi.nlm.nih.gov/pc_fetch/pc_fetch.cgi 您一次最多可以请求 50,000 个图像。

这比我预期的要好，但仍然不令人惊讶，因为它需要下载我理论上可以在本地生成的东西。所以我要让这个问题保持开放，直到某个善良的灵魂写了一个开源库来做同样的事情。

编辑：

我想如果他们和我做同样的事情，我还不如为他们节省一些时间。我创建了一个基于 Mechanize 的 Ruby Gem 来自动下载图像。请善待他们的服务器，只下载你需要的。

https://github.com/zachaysan/pubchem

gem install pubchem

于 2015-09-17T15:10:59.517 回答
0

Indigo Toolkit是一个开源选项，它还具有适用于 Linux、Windows 和 MacOS 的预编译包以及适用于 Python、Java、.NET 和 C 库的语言绑定。我选择了 1.4.0 测试版。

我对将 SMILES 转换为 2D 结构有类似的兴趣，并调整了我的 Python 来解决您的问题并捕获时间信息。它使用 CID-SMILES.gz 的 PubChem FTP (Compound/Extras) 下载。以下脚本是本地 SMILES 到 2D 结构转换器的实现，该转换器从 PubChem CID-SMILES 文件的异构 SMILES（包含超过 1.02 亿条化合物记录）中读取一系列行，并将 SMILES 转换为二维结构。在具有 1000 个 SMILES 到结构转换的三个测试中，在我的 Windows 10 笔记本电脑（Intel i7-7500U CPU，2.70GHz ) 使用固态驱动器并运行 Python 3.7.4。这 3000 个文件的总大小为 100 MB。

from indigo import *
from indigo.renderer import *
import subprocess
import datetime

def timerstart():
    # start timer and print time, return start time
    start = datetime.datetime.now()
    print("Start time =", start)

    return start

def timerstop(start):
    # end timer and print time and elapsed time, return elapsed time
    endtime = datetime.datetime.now()
    elapsed = endtime - start
    print("End time =", endtime)
    print("Elapsed time =", elapsed)

    return elapsed

numrecs = 1000
recoffset = 0 # 10000000    # record offset
starttime = timerstart()

indigo = Indigo()
renderer = IndigoRenderer(indigo)

# set render options
indigo.setOption("render-atom-color-property", "color")
indigo.setOption("render-coloring", True)
indigo.setOption("render-comment-position", "bottom")
indigo.setOption("render-comment-offset", "20")
indigo.setOption("render-background-color", 1.0, 1.0, 1.0)
indigo.setOption("render-output-format", "png")

# set data path (including data file) and output file path
datapath = r'../Download/CID-SMILES'
pngpath = r'./2D/'

# read subset of rows from data file
mycmd = "head -" + str(recoffset+numrecs) + " " + datapath + " | tail -" + str(numrecs) 
print(mycmd)
(out, err) = subprocess.Popen(mycmd, stdout=subprocess.PIPE, shell=True).communicate()

lines = str(out.decode("utf-8")).split("\n")
count = 0
for line in lines: 
    try:
        cols = line.split("\t")   # split on tab
        key = cols[0]             # cid in cols[0]
        smiles = cols[1]          # smiles in cols[1]
        mol = indigo.loadMolecule(smiles)
        s = "CID=" + key
        indigo.setOption("render-comment", s)
        #indigo.setOption("render-image-size", 200, 250)
        #indigo.setOption("render-image-size", 400, 500)
        renderer.renderToFile(mol, pngpath + key + ".png")
        count += 1
    except:
        print("Error processing line after", str(count), ":", line)
        pass

elapsedtime = timerstop(starttime)
print("Converted", str(count), "SMILES to PNG")
于 2020-05-03T02:05:43.313 回答