调用RDKit的BulkTanimotoSimilarity时出现参数类型不匹配错误

问题根源 #

错误信息明确说明，DataStructs.BulkTanimotoSimilarity的参数需要是指纹对象（如ExplicitBitVect或SparseBitVect），但你传入的是Mol对象和Mol列表，完全不符合函数的参数类型要求。

修正步骤 #

1. 将Mol对象转换为指纹 #

在生成molecules列表后，需要把每个有效的Mol对象转换成指纹（RDKit支持多种指纹类型，这里以常用的Morgan指纹为例）：

# 初始化Morgan指纹生成器
fp_gen = rdFingerprintGenerator.GetMorganGenerator(radius=2, fpSize=2048)
# 生成指纹列表，同时过滤转换失败的Mol对象（无效SMILES会生成None）
fgrps = []
for mol in molecules:
    if mol is not None:
        fp = fp_gen.GetFingerprint(mol)
        fgrps.append(fp)
# 定义指纹数量
nfgrps = len(fgrps)

也可以用列表推导式简化：

fgrps = [fp_gen.GetFingerprint(mol) for mol in molecules if mol is not None]
nfgrps = len(fgrps)

2. 确保相似度计算函数使用指纹列表 #

你的pairwise_similarity函数逻辑本身没问题，但要确保传入的fingerprints_list是指纹列表而非Mol列表。修正后的完整调用流程：

# 定义计算成对相似度的函数
def pairwise_similarity(fingerprints_list):
    n = len(fingerprints_list)
    similarities = np.zeros((n, n))
    for i in range(1, n):
        # 此时传入的是指纹对象和指纹子列表，符合函数要求
        similarity = DataStructs.BulkTanimotoSimilarity(fingerprints_list[i], fingerprints_list[:i])
        similarities[i, :i] = similarity
        similarities[:i, i] = similarity
    return similarities

# 计算相似度
similarities = pairwise_similarity(fgrps)
tri_lower_diag = np.tril(similarities, k=0)

额外注意事项 #

• 必须过滤无效的Mol对象：部分SMILES可能无法转换为Mol（比如格式错误），会生成None，直接用于指纹生成会报错，因此必须添加过滤逻辑。
• 指纹类型选择：除了Morgan指纹，你也可以使用RDKit指纹（Chem.RDKFingerprint(mol)）或其他类型，只要最终生成的是符合要求的指纹对象即可。

内容的提问来源于stack exchange，提问作者Antony Joseph