还在手动改RDKit配置？datamol让你效率起飞🚀

这个库在做什么

做药物发现的同学都知道，RDKit功能强大但接口繁琐，写几行分子处理代码动不动就要查文档。datamol就是专门解决这个痛点的——它把RDKit最常用的操作封装成Pythonic接口，默认参数都调好了，你只需要关心业务逻辑。底层返回的还是原生rdkit.Chem.Mol对象，和现有RDKit代码完全兼容，没有任何迁移成本。

核心功能

datamol覆盖了药物发现全链路的分子操作需求，主要包括以下几个方向：

• 分子格式转换：SMILES、SELFIES、InChI之间互转，一行代码搞定，dm.to_mol()、dm.to_smiles()、dm.to_inchi()直接调用。
• 结构标准化：dm.standardize_mol()支持断开金属键、归一化、重新离子化，外部数据集进来先跑一遍是标准操作。
• 分子描述符与指纹：dm.descriptors.batch_compute_many_descriptors()批量计算MW、LogP、HBD、HBA、TPSA等，支持n_jobs=-1全核并行。
• 相似度与聚类：dm.pdist()、dm.cdist()计算Tanimoto距离矩阵，dm.cluster_mols()做Butina聚类，dm.pick_diverse()直接挑多样性子集。
• 3D构象生成：dm.conformers.generate()用ETKDGv3方法生成并用UFF力场优化，还能算SASA。
• 骨架与片段分析：Bemis-Murcko骨架提取、BRICS/RECAP片段化，SAR分析和ML数据集划分都用得上。
• 文件I/O：读写SDF、CSV、Excel、Parquet，还支持S3、GCS等云存储，通过fsspec透明访问。
• 可视化：dm.viz.to_image()生成分子网格图，支持MCS对齐、子结构高亮，输出PNG或SVG。

适用平台

datamol Skill作为AI编程助手的上下文增强工具，完美适配当前主流的AI编程环境。无论你用的是Cursor、GitHub Copilot、Claude Code还是OpenAI Codex，加载这个Skill之后，AI能直接理解datamol的API约定、参数含义和最佳用法，生成的代码质量会有明显提升。

对于国内用户，文心快码、腾讯云CodeBuddy、华为云CodeArts同样支持，这个Skill相当于给AI装了一本datamol专属手册，让它在化学信息学场景下不再乱猜API。Gemini Code Assist用户也可以直接使用，效果一样稳定。

实操代码示例

下面是一个完整的药物筛选流水线，从加载SDF文件到输出多样性化合物图，核心步骤都在这里：

import datamol as dmnn# 加载并标准化ndf = dm.read_sdf('compounds.sdf')ndf['mol'] = df['mol'].apply(lambda m: dm.standardize_mol(m) if m else None)ndf = df[df['mol'].notna()]nn# 批量计算描述符（全核并行）ndesc_df = dm.descriptors.batch_compute_many_descriptors(n    df['mol'].tolist(), n_jobs=-1, progress=Truen)nn# Lipinski五规则过滤ndruglike = (n    (desc_df['mw'] <= 500) &n    (desc_df['logp'] <= 5) &n    (desc_df['hbd'] <= 5) &n    (desc_df['hba'] <= 10)n)nfiltered_mols = df[druglike]['mol'].tolist()nn