使用RDKit提取PDB配体键类型时全部显示为SINGLE的问题排查

为啥会出现这个问题？ #

PDB文件本身不存储键级信息，RDKit读取PDB时是靠原子间距离推断键类型的。但当配体和蛋白共存于同一个分子对象中时，RDKit的默认推断逻辑会优先适配蛋白的单键模式，导致配体里的双键、芳香键全被误判为单键。

怎么解决？ #

核心思路是把配体从蛋白中单独提取出来，再让RDKit重新为配体推断键级。修改后的代码如下：

from rdkit import Chem
from rdkit.Chem import rdmolops

# Windows路径用双反斜杠，Linux/Mac用单斜杠
pdb_file = "path\\2ghl.pdb"

# 读取PDB时暂不做sanitize，避免配体键被错误初始化
mol = Chem.MolFromPDBFile(pdb_file, sanitize=False, removeHs=False)

# 收集配体(LIB)的原子索引
ligand_atom_indices = []
for atom in mol.GetAtoms():
    res_info = atom.GetPDBResidueInfo()
    # 残基名可能带空格，先去除首尾空格再判断
    if res_info and res_info.GetResidueName().strip() == "LIB":
        ligand_atom_indices.append(atom.GetIdx())

# 从原分子中提取配体，形成独立的配体分子
ligand_mol = Chem.MolFragmentToMol(mol, ligand_atom_indices)

# 对配体做标准化处理：补氢、推断键级、识别芳香环
Chem.SanitizeMol(ligand_mol, Chem.SanitizeFlags.SANITIZE_ALL)
# 基于配体三维结构修正键级，确保键类型准确
rdmolops.AssignBondOrdersFromTemplate(ligand_mol, ligand_mol)

# 打印配体的键信息
for bond in ligand_mol.GetBonds():
    atom1 = ligand_mol.GetAtomWithIdx(bond.GetBeginAtomIdx())
    atom2 = ligand_mol.GetAtomWithIdx(bond.GetEndAtomIdx())
    print(f"{atom1.GetSymbol()} {bond.GetBeginAtomIdx()} {atom2.GetSymbol()} {bond.GetEndAtomIdx()} : {bond.GetBondType()}")

关键步骤说明 #

• sanitize=False读取PDB：避免RDKit一开始就对整个蛋白+配体的分子做处理，提前干扰配体键的判断。
• 单独提取配体：将配体原子从原分子中分离，形成独立的配体分子，让RDKit可以专注处理配体的键类型推断。
• Sanitize与键级修正：Chem.SanitizeMol会自动补氢、根据分子结构推断键类型；AssignBondOrdersFromTemplate进一步基于配体三维结构优化键级，确保双键、芳香键被正确识别。

备选方案（若有其他格式文件） #

如果能获取配体的SDF或PDBQT文件（这类格式原生存储键级信息），可以直接读取配体文件，省去键类型推断步骤：

ligand_mol = Chem.MolFromMolFile("lib_ligand.sdf")

内容的提问来源于stack exchange，提问作者vdlmrc