直接传入Chem.MolFromSmiles与先存变量再传入的结果差异原因

问题重现 #

你遇到的问题是：同一个Mol对象先后调用Descriptors.TPSA函数，传入不同参数却得到相同结果；而每次创建新Mol对象调用则能得到正确结果。代码示例如下：

from rdkit.Chem import Descriptors
from rdkit import Chem

# 直接创建Mol传入的方式（结果正确）
print(Descriptors.TPSA(Chem.MolFromSmiles('OC(=O)P(=O)(O)O')))
# 输出: 94.83
print(Descriptors.TPSA(Chem.MolFromSmiles('OC(=O)P(=O)(O)O'), includeSandP=True))
# 输出: 104.64000000000001

# 先存入变量再传入的方式（第二次结果错误）
mol = Chem.MolFromSmiles('OC(=O)P(=O)(O)O')
print(Descriptors.TPSA(mol))
# 输出: 94.83
print(Descriptors.TPSA(mol, includeSandP=True))
# 输出: 94.83

原因解析 #

RDKit的TPSA函数会将计算结果缓存到传入的Mol对象内部（通过添加_tpsa属性实现）。当你第一次调用TPSA(mol)时，函数使用默认参数（includeSandP=False）计算得到结果并缓存；第二次调用时，即使传入了includeSandP=True，函数会优先读取已存在的缓存值，而不会重新计算，导致结果错误。

而直接传入Chem.MolFromSmiles(...)的方式每次都会创建全新的Mol对象，没有缓存值，因此每次都会根据传入的参数重新计算，得到正确结果。

官方文档说明（翻译） #

TPSA（拓扑极性表面积）描述符的实现细节：
计算TPSA时，RDKit会将结果缓存到分子对象的属性中，后续调用若未明确触发重新计算，会直接使用缓存值。默认计算逻辑不包含硫、磷原子的极性表面积贡献；当设置includeSandP=True时，会额外计入这两类原子的贡献。

解决方案 #

你可以通过以下几种方式避免这个问题：

• 每次调用TPSA时创建新的Mol对象：

  print(Descriptors.TPSA(Chem.MolFromSmiles('OC(=O)P(=O)(O)O'), includeSandP=True))
  

• 清除Mol对象的缓存属性后再重新计算：

  mol = Chem.MolFromSmiles('OC(=O)P(=O)(O)O')
  print(Descriptors.TPSA(mol))
  # 删除缓存的TPSA属性
  if '_tpsa' in mol.__dict__:
      del mol.__dict__['_tpsa']
  print(Descriptors.TPSA(mol, includeSandP=True))
  # 输出: 104.64000000000001
  

• 创建Mol对象的副本传入计算：

  mol = Chem.MolFromSmiles('OC(=O)P(=O)(O)O')
  print(Descriptors.TPSA(mol))
  print(Descriptors.TPSA(Chem.Mol(mol), includeSandP=True))
  # 输出: 104.64000000000001
  

内容的提问来源于stack exchange，提问作者Tarquinius