TADF 分子生成器使用说明文档

项目概述

本程序是一个基于 STONED-SELFIES 算法的 TADF（热激活延迟荧光）分子生成器和可视化工具。它能够从一个已知的 TADF 分子出发，通过随机突变生成结构相似但不完全相同的新分子变体，并提供全面的化学过滤、相似度计算和可视化功能。

核心功能

• 分子变体生成：基于 SELFIES 表示进行随机突变
• 化学过滤器：过滤不符合要求的分子结构
• 相似度计算：使用 Tanimoto 相似度评估变体与原分子的相似程度
• 可视化：生成高分辨率分子结构图和相似度分布图
• 批量导出：保存结果为 CSV 文件供后续分析

---

技术原理

STONED-SELFIES 算法

1. SMILES → SELFIES 转换：将分子的 SMILES 表示转换为 SELFIES（Self-Referencing Embedded Strings）格式
2. 随机化：生成多个随机 SMILES 排序以增加多样性
3. 突变操作：对 SELFIES 字符串进行插入、替换、删除操作
4. SELFIES → SMILES 回转：将突变后的 SELFIES 转换回 SMILES 格式
5. 标准化和去重：确保生成的分子结构有效且唯一

化学过滤器

程序内置了 5 个化学过滤器，确保生成的分子具有合理的化学性质：

1. 元素过滤：只允许特定元素（默认：C, H, N, O, F, B）
2. 小环过滤：禁止 3 元环、4 元环等小环结构（默认最小环尺寸：5）
3. 碎片过滤：过滤掉分子碎片（断裂的分子）
4. 自由基过滤：禁止包含未成对电子的分子
5. 电荷过滤：禁止包含带电荷原子（如 B+, N+, O- 等）

---

安装依赖

必需的 Python 库

pip install numpy pandas rdkit-pypi matplotlib selfies

版本要求

• Python >= 3.7
• RDKit >= 2020.03
• selfies >= 2.0.0
• numpy >= 1.19
• pandas >= 1.1
• matplotlib >= 3.3

---

使用方法

基本使用

from TADF_generator import generate_tadf_variants, visualize_molecules, plot_similarity_distribution

# 1. 定义起始 TADF 分子（SMILES 格式）
starting_molecule = 'CC(C)(C)c6ccc5OC7=CC(N3c1ccccc1C(C)(C)c2ccccc23)=CC8Oc4ccc(C(C)(C)C)cc4B(c5c6)C78'

# 2. 生成变体
df_variants = generate_tadf_variants(
    starting_smi=starting_molecule,
    num_variants=100,              # 生成 100 个变体
    num_random_samples=200,        # 使用 200 个随机 SMILES
    num_mutations=1,               # 突变 1 次
    apply_filters=True,            # 启用化学过滤器
    allowed_elements={'C', 'H', 'N', 'O', 'F', 'B'},
    min_ring_size=5
)

# 3. 保存结果
df_variants.to_csv('tadf_variants.csv', index=False)

# 4. 可视化分子结构
top_molecules = df_variants.head(20)  # 取前 20 个
visualize_molecules(
    smiles_list=top_molecules['SMILES'].tolist(),
    save_path='molecules.png',
    reference_mol=starting_molecule,  # 对齐到原分子
    align=True,
    dpi=300
)

# 5. 绘制相似度分布图
plot_similarity_distribution(df_variants, save_path='similarity_dist.png')

---

核心函数说明

1. generate_tadf_variants()

主要功能：生成 TADF 分子变体

参数说明：

参数	类型	默认值	说明
starting_smi	str	-	起始分子的 SMILES 字符串（必需）
num_variants	int	100	要生成的变体数量
num_random_samples	int	50	随机 SMILES 排序的数量（影响多样性）
num_mutations	int	3	突变次数（越多变化越大）
fp_type	str	'ECFP4'	分子指纹类型
apply_filters	bool	True	是否启用化学过滤器
allowed_elements	set	{'C','H','N','O','F','B'}	允许的化学元素
min_ring_size	int	5	允许的最小环尺寸

返回值：

• pd.DataFrame：包含以下列：
  • SMILES：生成的分子 SMILES 字符串
  • Similarity：与起始分子的 Tanimoto 相似度（0-1）

使用示例：

# 生成高度相似的变体（小突变）
df_similar = generate_tadf_variants(
    starting_smi=my_molecule,
    num_variants=50,
    num_mutations=1,           # 只突变 1 次
    num_random_samples=100
)

# 生成多样化的变体（大突变）
df_diverse = generate_tadf_variants(
    starting_smi=my_molecule,
    num_variants=50,
    num_mutations=5,           # 突变 5 次
    num_random_samples=200
)

---

2. visualize_molecules()

主要功能：可视化分子结构

参数说明：

参数	类型	默认值	说明
smiles_list	list	-	SMILES 字符串列表
titles	list	None	每个分子的标题（可选）
mols_per_row	int	5	每行显示的分子数
img_size	tuple	(300, 300)	每个分子的图片尺寸
save_path	str	None	保存路径（可选）
reference_mol	str/mol	None	参考分子（用于骨架对齐）
align	bool	True	是否对齐到参考分子
dpi	int	300	图片分辨率

使用示例：

# 可视化前 10 个变体，并对齐到原分子
visualize_molecules(
    smiles_list=df_variants.head(10)['SMILES'].tolist(),
    titles=[f"Variant {i+1}" for i in range(10)],
    mols_per_row=5,
    save_path='top_variants.png',
    reference_mol=starting_molecule,
    align=True,
    dpi=300
)

---

3. plot_similarity_distribution()

主要功能：绘制相似度分布直方图

参数说明：

参数	类型	说明
df	pd.DataFrame	包含 'Similarity' 列的数据框
save_path	str	保存路径（可选）

输出：

• 显示相似度直方图
• 标注平均值和中位数
• 保存为高分辨率图片（如果提供 save_path）

---

4. calculate_similarity()

主要功能：计算两个分子的 Tanimoto 相似度

参数：

• smi1 (str)：第一个分子的 SMILES
• smi2 (str)：第二个分子的 SMILES
• fp_type (str)：指纹类型（默认：'ECFP4'）

返回：

• float：相似度值（0-1，1 表示完全相同）

---

5. apply_chemical_filters()

主要功能：应用所有化学过滤器

参数：

• mol：RDKit 分子对象
• allowed_elements (set)：允许的元素集合
• min_ring_size (int)：最小环尺寸

返回：

• (bool, str)：(是否通过, 失败原因)

---

输出结果说明

1. CSV 文件（tadf_variants.csv）

包含两列：

列名	说明
SMILES	生成的分子 SMILES 字符串
Similarity	与起始分子的相似度（0-1）

示例：

SMILES,Similarity
CC(C)(C)c1ccc2...,0.923
CC(C)(C)c1ccc2...,0.887
...

2. 分子结构图（tadf_variants_with_Original.png）

• 高分辨率（300 DPI）PNG 图片
• 网格布局显示原分子和生成的变体
• 每个分子下方显示序号和相似度
• 使用骨架对齐功能，便于结构比较

3. 相似度分布图（similarity_dist.png）

• 直方图显示相似度分布
• 红色虚线：平均相似度
• 绿色虚线：中位数相似度
• 统计信息一目了然

---

参数调优建议

调整生成变体的多样性

目标	参数配置
高相似度变体	num_mutations=1，num_random_samples=100-200
中等多样性	num_mutations=2-3，num_random_samples=200-500
高多样性	num_mutations=4-5，num_random_samples=500-1000

调整过滤器严格程度

# 宽松过滤（允许更多元素）
df = generate_tadf_variants(
    starting_smi=my_molecule,
    allowed_elements={'C', 'H', 'N', 'O', 'F', 'B', 'S', 'P'},  # 添加 S, P
    min_ring_size=4  # 允许 4 元环
)

# 严格过滤（只允许少数元素）
df = generate_tadf_variants(
    starting_smi=my_molecule,
    allowed_elements={'C', 'H', 'N', 'O'},  # 只允许 C, H, N, O
    min_ring_size=6  # 只允许 6 元环及以上
)

# 完全禁用过滤器
df = generate_tadf_variants(
    starting_smi=my_molecule,
    apply_filters=False
)

---

常见问题 (FAQ)

Q1: 生成的分子数量少于预期怎么办？

原因：化学过滤器太严格，大量分子被过滤掉

解决方案：

1. 增加 num_random_samples（如 500-1000）
2. 放宽过滤条件（增加 allowed_elements，减小 min_ring_size）
3. 设置 apply_filters=False 查看未过滤的结果

Q2: 生成的分子与原分子差异太大怎么办？

原因：突变次数太多

解决方案：

• 减少 num_mutations 参数（如设为 1）
• 减少 num_random_samples 参数

Q3: 生成的分子与原分子太相似怎么办？

原因：突变次数太少

解决方案：

• 增加 num_mutations 参数（如 3-5）
• 增加 num_random_samples 参数

Q4: 如何加速生成过程？

建议：

1. 减少 num_random_samples（如 50-100）
2. 减少 num_mutations（如 1-2）
3. 使用多核并行计算（需修改代码）

Q5: 生成的分子结构图无法对齐怎么办？

原因：原分子与变体差异太大，无法找到公共子结构

解决方案：

• 设置 align=False 禁用对齐功能
• 减少突变次数，生成更相似的变体

---

代码结构

TADF_generator.py
├── 分子处理函数
│   ├── sanitize_smiles()          # SMILES 标准化
│   ├── randomize_smiles()         # SMILES 随机化
│   └── get_selfie_chars()         # SELFIES 字符解析
│
├── 突变函数
│   ├── mutate_selfie()            # 单次 SELFIES 突变
│   └── get_mutated_SELFIES()      # 批量突变
│
├── 化学过滤器
│   ├── check_allowed_elements()   # 元素过滤
│   ├── check_small_rings()        # 小环过滤
│   ├── check_fragments()          # 碎片过滤
│   ├── check_radicals()           # 自由基过滤
│   ├── check_charges()            # 电荷过滤
│   └── apply_chemical_filters()   # 应用所有过滤器
│
├── 相似度计算
│   └── calculate_similarity()     # Tanimoto 相似度
│
├── 主要功能函数
│   └── generate_tadf_variants()   # 生成 TADF 变体
│
└── 可视化函数
    ├── visualize_molecules()      # 分子结构可视化
    ├── plot_similarity_distribution()  # 相似度分布图
    └── print_statistics()         # 打印统计信息

---

应用场景

1. 药物设计：从已知活性分子生成新的候选化合物
2. 材料科学：设计新的 TADF 发光材料
3. 化学空间探索：系统性探索相似分子的化学空间
4. 分子优化：在保持核心结构的同时优化分子性质
5. 虚拟筛选：生成大量候选分子用于计算筛选

---

注意事项

1. 起始分子要求：必须是有效的 SMILES 字符串
2. 内存消耗：当 num_random_samples 很大（>1000）时可能消耗大量内存
3. 运行时间：生成大量变体（>1000）需要较长时间
4. 化学有效性：即使通过所有过滤器，生成的分子也需要进一步的化学验证
5. 中文显示：使用 SimHei 字体显示中文，确保系统已安装该字体

---

引用

如果本程序对您的研究有帮助，请引用 STONED-SELFIES 算法的原始论文：

@article{nigam2021beyond,
  title={Beyond generative models: superfast traversal, optimization, novelty, exploration and discovery (STONED) algorithm for molecules using SELFIES},
  author={Nigam, AkshatKumar and Pollice, Robert and Krenn, Mario and dos Passos Gomes, Gabriel and Aspuru-Guzik, Al{\'a}n},
  journal={Chemical science},
  volume={12},
  number={20},
  pages={7079--7090},
  year={2021},
  publisher={Royal Society of Chemistry}
}

以及 TADF 分子数据来源：

Nature Photonics (2019) 13, 678-682
DOI: 10.1038/s41566-019-0415-5

---

更新日志

• v1.0：初始版本，包含基本的分子生成和可视化功能
• 添加了完整的化学过滤器系统
• 添加了骨架对齐功能
• 添加了高分辨率图像导出
• 添加了中文注释和输出支持

---

联系方式

如有问题或建议，请通过以下方式联系：

• GitHub Issues
• Email: [您的邮箱]

---

许可证

本程序基于 MIT 许可证开源。

---

祝您使用愉快！