RDKit项目中Postgres Cartridge分子比较忽略坐标的优化方案

背景介绍

在化学信息学领域，RDKit是一个广泛使用的开源工具包，它提供了多种功能来处理和分析化学分子数据。其中，Postgres Cartridge是RDKit的一个重要组件，它允许在PostgreSQL数据库中存储和查询化学分子结构。

问题发现

在Postgres Cartridge的分子比较功能中，存在一个潜在的问题：当使用CXSmiles格式进行分子比较时，系统会将包含原子坐标信息的完整CXSmiles字符串进行比较。这意味着即使两个分子在化学结构上完全相同，只要它们的原子坐标不同，系统就会认为它们是不同的分子。

技术分析

分子比较操作通常应该关注的是分子的连接性、立体化学等核心化学特征，而不应该受到原子坐标这种非本质属性的影响。当前的实现方式可能会导致以下问题：

1. 对于具有相同化学结构但不同构象的分子，系统会错误地判断为不同分子
2. 在增强立体化学和轴手性比较时，坐标信息干扰了正确的判断
3. 与RDKit其他部分的比较逻辑不一致，其他比较方法通常会忽略坐标信息

解决方案

经过技术分析，解决方案是修改CXSmiles的生成方式，使其不包含坐标信息。具体实现如下：

1. 在C++代码中使用SmilesWriteParams和CXSmilesFields来控制输出
2. 设置CX_ALL_BUT_COORDS标志，明确排除坐标信息
3. 保持原有比较逻辑的其他部分不变

修改后的代码示例如下：

SmilesWriteParams sps;
smi1 = MolToCXSmiles(*im, sps, SmilesWrite::CXSmilesFields::CX_ALL_BUT_COORDS);
smi2 = MolToCXSmiles(*am, sps, SmilesWrite::CXSmilesFields::CX_ALL_BUT_COORDS);

影响评估

这一修改将带来以下改进：

1. 分子比较更加符合化学直觉，只关注化学结构本身
2. 保持了对增强立体化学和轴手性的正确比较能力
3. 与RDKit其他部分的比较行为保持一致
4. 不会引入性能开销，因为只是改变了比较前的预处理方式

实施建议

对于使用Postgres Cartridge的用户，建议在升级后验证以下场景：

1. 包含不同构象的相同分子的比较
2. 具有增强立体化学的分子的比较
3. 含有轴手性的分子的比较
4. 大规模分子数据库的查询性能

这一改进将使RDKit的分子比较功能更加准确和可靠，特别是在处理复杂立体化学场景时。