从分子指纹CSV计算Tanimoto相似度遇参数错误求助

云原生阿岚

2026-7-9

错误原因

你传入BulkTanimotoSimilarity的是pandas的Series和切片对象，而RDKit的该函数仅接受RDKit原生指纹对象（如SparseIntVect/ExplicitBitVect），且第二个参数要求是Python列表而非pandas结构。

修复方案

1. 将CSV数据转换为RDKit指纹对象

你的指纹包含非0/1数值（如示例中的3），属于计数型指纹，需转换为SparseIntVect对象：

import pandas as pd
from rdkit.DataStructs import SparseIntVect

# 读取CSV数据
input_data = pd.read_csv("file.csv", delimiter=',', header=None)

# 批量转换为RDKit计数指纹
fp_list = []
for _, row in input_data.iterrows():
    fp = SparseIntVect(2048)  # 2048对应你的指纹位数
    for bit_idx, count in enumerate(row):
        if count > 0:
            fp[bit_idx] = count
    fp_list.append(fp)

2. 修正Tanimoto距离计算函数

确保传入RDKit指纹对象的Python列表，调整后代码：

from rdkit import DataStructs

def tanimoto_distance_matrix(fp_list):
    dissimilarity_matrix = []
    for i in range(1, len(fp_list)):
        # fp_list[:i]是Python列表，符合BulkTanimotoSimilarity参数要求
        similarities = DataStructs.BulkTanimotoSimilarity(fp_list[i], fp_list[:i])
        dissimilarity_matrix.extend([1 - x for x in similarities])
    return dissimilarity_matrix

# 计算距离矩阵
dist_matrix_raw = tanimoto_distance_matrix(fp_list)

补充：若为二进制指纹（仅0/1）的处理

如果你的指纹实际是二进制（示例中的3为输入错误），可转换为ExplicitBitVect：

from rdkit.DataStructs.cDataStructs import ExplicitBitVect

fp_list = []
for _, row in input_data.iterrows():
    fp = ExplicitBitVect(2048)
    for bit_idx, val in enumerate(row):
        if val == 1:
            fp.SetBit(bit_idx)
    fp_list.append(fp)