RDKit|支持RDKit的PostgreSQL环境搭建与基本操作

一、环境配置

PostgreSQL是一个开源、可扩展的关系型数据库，rdkit官网文档里也是以postgresql作为案例进行演示。本文介绍带rdkit插件的postgresql在windows系统上的环境配置，以及在python环境下的基本操作。

1.windows下的安装与初始化

• 直接在cmd下使用conda安装继承了rdkit插件的postgresql

C:\Users\Administrator> conda install -c rdkit rdkit-postgresql

• 安装完成后需要初始化一下，在"-D"后加上数据库的数据存储目录

C:\Users\Administrator> initdb –D d:\postgresql\data

2.用户设置与服务启动

• 安装完成后，直接在cmd中执行“postgres -D d:\postgresql\data”启动服务会出现如下提示，即不能用带管理员权限的用户来启动服务

Execution of PostgreSQL by a user with administrative permissions is not permitted.

• 接下来在cmd命令行中进行用户设置，这部分内容会被360报错，需要暂时关闭杀毒软件或手动操作
• 新建一个用户postgres

C:\Users\Administrator> net user postgres /add

• 激活该用户

C:\Users\Administrator> net user postgres /active:yes

• 在中设置密码

C:\Users\Administrator> net user postgres 

• 切换到postgres用户，并根据提示输入上一步中设置的密码

C:\Users\Administrator> runas /user:postgres cmd

• 在弹出的新窗口中启动postgresql服务

C:\Users\Administrator> postgres -D d:\postgresql\data

• 服务启动成功，可以在cmd或python中操作数据库了
  

二、操作使用

1.cmd操作

• 再打开一个cmd终端，创建一个新数据库命名为mols（需要添加conda的环境变量）

C:\Users\Administrator> createdb mols

• 为数据库加载rdkit扩展模块

C:\Users\Administrator> psql –c “create extension rdkit” mols

• 进入mols数据库的交互界面，可以进行增删改查操作了

C:\Users\Administrator> psql mols

• 查询总数据量

mols=# select count(*) from info;

• 操作失误还可以删除数据库.

C:\Users\Administrator> dropdb mols

2.python操作

• 这里选择psycopg2库用于连接postgresql，同样使用conda安装psycopg2

C:\Users\Administrator> conda install -c conda-forge psycopg2

• 接下来导入psycopg2，并创建一个connection连接：connect()
  database：设置连接数据库的名称
  user：用户
  password：密码
  port：端口号，默认5432
  host：宿主ip

>>> import psycopg2
>>> connection = psycopg2.connect(database='mols',
>>>                               user='Administrator',
>>>                               password='postgresql',
>>>                               port='5432',
>>>                               host='127.0.0.1')
>>> type(connection)
psycopg2.extensions.connection

• 创建一个游标cursor，在内存中开辟一块区域，用于存储数据操作的结果：connection.cursor()

>>> cur = connection.cursor()
>>> type(cur)
psycopg2.extensions.cursor

• 执行一条SQL语句测试一下，查看操作用户

>>> cur.execute("select * from current_user;")
>>> reply = cur.fetchall()
>>> reply
[('Administrator',)]

• 写一条postgresql语句，记为query，创建一个数据表，命名为info，并表添加列名，设置数据格式
• 使用游标来执行语句：execute(query)

>>> query = '''create table info(id serial primary key,
>>>                              database text,
>>>                              project text,
>>>                              SMILES text,
>>>                              HA integer,
>>>                              HD integer,
>>>                              RB integer,
>>>                              MW float,
>>>                              LOGP float);'''
>>> cur.execute(query)

• 读取1000条左右的数据

>>> import pandas as pd
>>> df = pd.read_excel('ippin.xlsx')

获取mol对象列表

>>> from rdkit import Chem
>>> mol_list = [x for x in [Chem.MolFromSmiles(i) for i in df.SMILES] if x]
>>> len(mol_list)
1351

创建一个描述符计算对象，将类药五规则设置到计算器中，这部分不明白的可以参考这篇文章

from rdkit.ML.Descriptors import MoleculeDescriptors
des_list = ['MolWt', 'NumHAcceptors', 'NumHDonors', 'MolLogP', 'NumRotatableBonds']
calculator = MoleculeDescriptors.MolecularDescriptorCalculator(des_list)

• 使用计算器，对每个分子计算所需描述符

>>> feat_list = ['%s'%str(calculator.CalcDescriptors(mol)) for mol in mol_list]

• 在query中写入一条向数据表info插入数据的语句，并执行该语句

>>> query = "insert into info (MW, HA, HD, LOGP, RB) values %s" % (','.join(feat_list))
>>> cur.execute(query)

• 通过聚合函数count(*)看一下有多少条结果
• 通过游标获取查询结果：fetchall()

>>> query = 'select count(*) from info'
>>> cur.execute(query)
>>> reply = cur.fetchall()
>>> reply
[(1351,)]

• 最后操作完后，记得提交对数据库的修改：commit()

>>> connection.commit()

本文参考自rdkit、postgresql安装文档。
python代码及源文件在这里。