The Cambridge Structural Database (CSD)​ まとめ

The Cambridge Structural Database (CSD)​

有機化合物や金属有機化合物などの世界一のデータベース。日本でアカデミックに利用する場合、大阪大学蛋白研究室が運用しているサーバーを利用することになる。実際にこのデータベースに触る機会があったが、日本語のドキュメントがあまり充実していないためまとめてみた。今後このデータベースを触るひとの助けになればと思う。

CSD-Systemの構成

データベースと付属の周辺ソフト、apiのまとまりをCSD-Systemとよぶ。CSD-Systemには以下のものが同封されている。流れとしてはConQuestでデータベースを検索して、Mercuryで検索結果の化合物を分析するといった感じ。プログラミングを用いた検索、解析としてAPIも提供されている。

• ConQuest: CSD-System を検索・表示するためのソフト
• Mercury: 結晶構造表示およびジオメトリーを始めとする検索結果を統計処理するソフト
• IsoStar: Knowledge base の分子間相互作用のデータベース
• Mogul: Knowledge base の分子内ジオメトリーのデータベース
• WebCSD: Web インターフェースで CSD のデータを簡易的に検索 (1D/2D検索のみ)
• PreQuest: In-house database を CSD フォーマットに変換するためのソフトウエア (配布終了のため，個別にご相談ください)
• CSD Python API: script を書くことで自在な検索やワークフローを構築

CSDにはどのようなデータが保存されているか

csdのファイルフォーマットがなにかよくわからないが、データの中身はほぼcifファイルと同じものだと思う。構造データは多いが、化学的データはほぼない。参考にConQuestの検索結果の表示として

• Author
• Reference
• Publication DOI
• Deposition
• Publication Notes
• Formula
• Compound
• Synonym
• CCDC Class
• Spacegroup
  [Name, Number]
• Cell
  [a,b,c, alpha, beta, gamma, Volume]
• Reduced Cell
  [a,b,c alpha, beta, gamma, Volume]
• Molecular Volume
• Chemical Units
• Z, Z'
• R-Factor(%)
• Disorder
• Temperature(K)
• Density
  [CCDC, Author]
• Intensity Meas
• Average Sigma(C-C)
• Experimental Notes
• CCDC Notes
• Natural Source
• Melting Point
• Colour
• Chemical Notes
• Habit
• Recryst.Solvent
• Plymorph
• Crystal Notes

がある。ConQuest User Guide and Tutorials に
それぞれの意味について詳しく載っている。僕もわかる範囲で解説をするとまず前半は論文情報なので良いが、

• Formula
  組成式

• Compound
  IUPACの命名法の化合物名

• Spacegroup
  [Name, Number]
  空間群

• Cell
  [a,b,c, alpha, beta, gamma, Volume]
  結晶の単位胞あたりの3辺の長さや角度体積

• Reduced Cell
  [a,b,c alpha, beta, gamma, Volume]
  緩和したセルあたりの3辺の長さや角度体積

• Molecular Volume
  上記の体積を分子の数で割ったもの

• Chemical Units
  結晶を構成する分子やイオンの数。

• Z, Z'
  Zは単位胞あたりの分子の数。Z'はよくわからない。

• R-Factor(%)
  R因子。モデルと実験値の正確性の指標。

• Disorder
  欠陥があるかどうか。

• Temperature(K)
  温度。

• Density　[CCDC, Author]
  密度

• Intensity Meas
  おそらくMeasurementの略で測定方法だと思う。

• Average Sigma(C-C)
  炭素間の平均の長さの標準偏差？

以下は付加情報でデータがあるものとないものが出てくる。必ずしもあるわけではないことに注意。

• Experimental Notes
• CCDC Notes
• Natural Source
• Melting Point
• Colour
• Chemical Notes
• Habit
• Recryst.Solvent
• Plymorph
• Crystal Notes

CSDでのファイル形式

ConQuestで検索した結果は以下のファイル形式でexportできる。

• cif
• cifmif
• sdf
• smile
• shelx
• tab
• txt
• coord
• tsv
• fdat
• mol2
• pdb
• refcode
• xml

sdfやcifにはよく変換できるが物によってはsmileには変換できないものもあった。sdfとしてexportしてRDKitでいろいろいじるとかできそうである。

Python APIリファレンス

このapiはデータベースに同封されています。アカデミーの場合、阪大蛋白研究室のサーバーをリモートで接続して使うことが想定されますが、この場合はそちらのサーバーでapiを実行することになります。