【ChemSpider、NCI Chemical Identifier Resolver解决有机分子名称因不规范而无法获得cid的问题】

ChemSpider、NCl Chemical Identifier Resolver

1.Pubchempy获取分子cid局限

import pubchempy as pcp

a = pcp.get_compounds('identifier','namespace')[0]

identifier填标识符，namespace填标识符类型

在 PubChem 检索分子时，名称多来自文献或采购网站等渠道，质量参差不齐。为避免模糊匹配，直接使用
pcp.get_compounds(name, 'name')[0] 通常更稳妥，但不规范命名常导致无法命中正确的 CID。为此，本笔记提供两种可行方案：一是通过 ChemSpider（基于 API Key 的检索），二是使用 NCI Chemical Identifier Resolver（通过 URL 解析）。先借助这两者将非标准名称规范化（如得到 InChIKey/SMILES），再回查 PubChem，可显著提升匹配准确率。

pubchempy可以完美避开模糊匹配情况，但是对于一些没有记载在数据库中的分子名，这种方法往往不能保持较高的效率。因此通过上述两种方法利用更广阔的名称检索分子smiles，保障准确性的同时提升pubchempy的成功匹配率。

2.ChemSpider🕷

ChemSpider的API文档
注册API教程
chemspider github网页

!pip install chemspipy

from chemspipy import ChemSpider

cs =ChemSpider('your_api_key')
search_name = cs.filter_name('compound_name')
results = cs.filter_results(search_name)
info = cs.get_details(results[0])
info['smiles']

这样就可以找到smiles了，对于无法在Pubchem中搜索到的分子同样有效（部分）：
举例：cellulose acetate（醋酸纤维素）

当使用pubchempy使用名字匹配分子时，由于改分子名称没有在Pubchempy的分子名称记录中，因此返回空列表，那么空列表的零号元素会直接报错，因此pubchem并没有叫这个名字的分子。

但是如果使用ChemSpider的filter_name功能，则能直接匹配到分子，这是因为不同数据库对分子名称的收集程度不同，显然就这个分子而言，ChemSpider涵盖了Pubchem没有的分子名称，所以他会返回一个smiles，当你想获得Pubchempy返回的全面分子属性时，可以再用这个smiles去pubchem匹配cid最终返回分子属性，如第三个单元格所示，pubchem成功使用smiles返回cid

为了验证ChemSpider提供的信息以及pubchem使用smiles匹配的cid是否正确，可以去ChemicalBook等卖分子的网站去寻找醋酸纤维素的分子结构，并且与pubchem搜寻到的进行对比：

再比如：2-phenylethylammonium iodide

同样利用cid去pubchem搜索结构：

通过这两个例子可以看到ChemSpider的能力，它可以凭借有时更丰富的分子名来弥补Pubchempy的name搜索功能，可以帮助我们利用pubchempy尽可能多的获得信息，一般可以在pubchempy批量作业之后，在利用ChemSpider扫扫残余。

3.NCI Chemical Identifier Resolver

这是NCI的网址
NCI是一个功能强大的网站，它能将来自不同资料的分子描述符号转化你想要的格式，比如name转smiles，name转stdinchikey，转GIF Image，转ChemSpider ID,转 Chemical Formula等等。同时提供url格式访问，具体见上面的网址，下面是官网提供的url:

https://cactus.nci.nih.gov/chemical/structure/“structure identifier”/“representation”

在structure identifier处可以换成在规定范围内的任意描述符，转化成representation形式，（在规定范围内的任意描述符）

举例：pubchem无法识别的name标签转为smiles

import requests

url = https://cactus.nci.nih.gov/chemical/structure/dodecyl-benzene-sulfonic-acid/smiles
response = requests.get(url)
print(response.text)

使用rdkit.Chem.MolStandardize.rdMolStandardize.StandardizeSmiles标准化smiles字符串

之后利用pubchem读取该smiles：


例子2：聚丙聚腈