HMDBからSDFファイルをダウンロードして自作ライブラリを作成

はじめに

メタボローム解析をして得られた、HMDB IDを基に、SDF形式のライブラリの作成に迫られたので、Rを使って作成します。

下準備

はじめに、ライブラリに含める化合物のリストを作成します。具体的には、下記のようなHMDB IDを列挙したテキストファイルです。
実際には、メタボローム解析結果のExcelファイルから、HMDB IDの列をコピーし、テキストエディタに張り付けて終了です。1行目には、ヘッダーを残しておくと、後の処理が楽になります。

hmdb_ids.txt

HMDB
HMDB0012497
HMDB0031641
HMDB0013749
HMDB0033529
HMDB0032330
HMDB0032330
HMDB0094691
HMDB0034301
HMDB0034301
HMDB0000039
HMDB0000039

HMDB IDリストの読み込み

早速、上記のファイルを読み込みます。あいにくtinyverse脳なので、脊髄反射でreadrパッケージを使います。

sdf.r

library(readr)
hmdb_ids <- read_csv("hmdb_ids.txt")

ダウンロード用の自作関数

SDFファイルをHMDBからダウンロードするための自作関数を作ります。先ほど作成したHMDB IDのリストから、HMDB上にあるSDFファイルのurlを作成し、ファイルをダウンロードする作戦です。

普通ならHMDB ID毎に、SDFファイルを作成するのでしょうが、今回は1ファイルに複数の化合物情報を含んだライブラリとしてのSDFファイルを作成します。そのため、download.file()のパラメータをmode="a"とし、指定したファイルlibrary.sdfにダウンロードしたデータを追記してていきます。

まれに、HMDB上にSDFファイルが存在しない場合があるのですが、その際にエラーが出て処理が止まってしまわないようtry()を挟んで、処理が継続されるようにしています。

sdf.r

download_sdf <- function(hmdb_id) {
    url <- paste0("http://www.hmdb.ca/structures/metabolites/", hmdb_id, ".sdf")
    try(
        download.file(url, "library.sdf", method="libcurl", mode="a"),
        silent=TRUE
    )
    Sys.sleep(5)
}

最後にダウンロード

purrr::mapを使って、ダウンロードします。sapply()でもいいと思います。

sdf.r

library(purrr)
map(hmdb_ids$HMDB, download_sdf)

ダウンロードが終わると、こんな感じでSDFライブラリが作成されます。一部アノテーション情報は省略しています。

library.sdf

Structure #1
  Mrv0541 02241206562D          

  5  5  0  0  0  0            999 V2000
    0.5678    1.1143    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
    1.2352    0.6294    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
   -0.0997    0.6294    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
    0.9803   -0.1553    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
    0.1553   -0.1553    0.0000 N   0  0  0  0  0  0  0  0  0  0  0  0
  1  2  1  0  0  0  0
  1  3  1  0  0  0  0
  2  4  1  0  0  0  0
  3  5  2  0  0  0  0
  4  5  1  0  0  0  0
M  END
...

$$$$

  Mrv0541 02241218152D          

  5  5  0  0  0  0            999 V2000
    1.5202    0.2371    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
    0.6952    0.2371    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
    0.4403    1.0217    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
    1.1077    1.5066    0.0000 N   0  0  0  0  0  0  0  0  0  0  0  0
    1.7752    1.0217    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
  1  2  1  0  0  0  0
  2  3  1  0  0  0  0
  3  4  1  0  0  0  0
  4  5  1  0  0  0  0
  1  5  1  0  0  0  0
M  END

...

$$$$

  Mrv0541 02241217062D          

  6  6  0  0  0  0            999 V2000
   -0.2471    0.6600    0.0000 O   0  0  0  0  0  0  0  0  0  0  0  0
   -1.0721    0.4125    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
   -1.0721   -0.4125    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
   -0.2471   -0.6600    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
    0.2471    0.0000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
    1.0721    0.0000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
  1  2  1  0  0  0  0
  1  5  1  0  0  0  0
  2  3  2  0  0  0  0
  3  4  1  0  0  0  0
  4  5  2  0  0  0  0
  5  6  1  0  0  0  0
M  END

...