CSVをサクっとSDFに変換する

はじめに

SDFをサクっとCSVに変換するの逆バージョン。

なぜこんなことをしたいかというと、SMILESが含まれたCSVの化合物データに対し、SDF形式でしか表現できない情報（3次元座標や原子プロパティ等）を付加したいため。

仕様

• CSVの中のSMILESプロパティと、プロパティ項目を指定し、SDFとして出力
• 化学構造はSMILESを元に生成
• プロパティ項目は1つだけ指定可能(とりあえず機械学習の目的変数を１つ入れたいだけなので)

ソース

csv2sdf.py

import pandas as pd
from rdkit import Chem
import argparse


def main():

    parser = argparse.ArgumentParser()
    parser.add_argument("-input", type=str, required=True)
    parser.add_argument("-output", type=str, required=True)
    parser.add_argument("-smiles_col", type=str, default="SMILES")
    parser.add_argument("-target_col", type=str, required=True)
    args = parser.parse_args()

    # CSVの読み込み
    print(args.input)
    df = pd.read_csv(args.input)

    # SMILES列を取り出し
    smiles_list = df[args.smiles_col].values

    # target列の取得
    targets = df[args.target_col].values

    mols = []
    for i, (smiles, target) in enumerate(zip(smiles_list, targets)):
        # SMILESからmolを生成
        mol = Chem.MolFromSmiles(smiles)

        # Targetの値を設定
        mol.SetProp(args.target_col, str(target))

        mols.append(mol)

    # SDFへの出力
    sdf_wtr = Chem.SDWriter(args.output)

    for mol in mols:
        sdf_wtr.write(mol)

    sdf_wtr.close()

解説

特になし。
3次元化したいとか、原子プロパティを埋め込みたい等したい場合は、ソース中のRDKitのmolオブジェクトに色々操作を加えてみてください。