如何使用RDKit修改分子结构，在支链末端添加COOH基团？

需求说明 #

现有如图所示的支链分子，需要将所有支链末端的NH2基团替换为COOH基团：

原始简化版4支链分子SMILES如下：

[N:1]([CH2:2][CH2:3][N:4]([CH2:47][CH2:48][CH:49]([NH:50][CH2:51][CH2:52][NH2:53])[O-:55])[CH2:66][CH2:67][CH:68]([NH:69][CH2:70][CH2:71][NH2:72])[O-:74])([CH2:9][CH2:10][CH:11]([NH:12][CH2:13][CH2:14][NH2:15])[O-:17])[CH2:28][CH2:29][CH:30]([NH:31][CH2:32][CH2:33][NH2:34])[O-:36]

原有代码问题分析 #

你编写的替换代码无效果的核心原因有两点：

1. 匹配子结构[NH2:34]指定了唯一的原子映射编号34，仅能匹配到分子中1个对应编号的末端氨基，无法覆盖所有4个支链的末端氨基
2. 替换目标为[CH2:99]不符合需求，不需要先替换为亚甲基，可以直接一步完成COOH的替换

正确实现代码 #

from rdkit import Chem

# 读取原始分子
raw_smiles = "[N:1]([CH2:2][CH2:3][N:4]([CH2:47][CH2:48][CH:49]([NH:50][CH2:51][CH2:52][NH2:53])[O-:55])[CH2:66][CH2:67][CH:68]([NH:69][CH2:70][CH2:71][NH2:72])[O-:74])([CH2:9][CH2:10][CH:11]([NH:12][CH2:13][CH2:14][NH2:15])[O-:17])[CH2:28][CH2:29][CH:30]([NH:31][CH2:32][CH2:33][NH2:34])[O-:36]"
mol = Chem.MolFromSmiles(raw_smiles)

# 定义匹配规则：匹配所有末端伯氨基
match_pattern = Chem.MolFromSmarts("[NH2]")
# 定义替换规则：替换为COOH基团
# 如果需要在COOH和原有碳链之间额外插入CH2，可将替换规则改为Chem.MolFromSmarts("[CH2]C(=O)[O]")
replace_pattern = Chem.MolFromSmarts("[C](=O)[O]")

# 执行全量替换
modified_mol = Chem.ReplaceSubstructs(mol, match_pattern, replace_pattern, replaceAll=True)[0]
# 校验分子合法性
Chem.SanitizeMol(modified_mol)

# 输出修改后的分子SMILES
print(Chem.MolToSmiles(modified_mol))

扩展说明 #

该方案可以直接迁移到更大的同类型支链分子中，只要分子的支链末端均为伯氨基结构，不需要修改匹配规则即可完成批量替换。

内容的提问来源于stack exchange，提问作者Aykut Elmas