RDKit

原理与定位

RDKit 是以 C++ 为核心、提供 Python 绑定的开源化学信息学库（BSD 许可），负责 SMILES 解析、子结构搜索、分子指纹、描述符计算和 ETKDG 等 3D 构象生成。它不是仿真引擎，而是小分子数据在各类模型与数据库之间流转的"通用语言"[1]。

代表用法

• 数据管线：ChEMBL、PubChem、BindingDB 等库的清洗、去重与标准化通常经 RDKit 完成；MoleculeNet、Therapeutics Data Commons 的特征化默认依赖它。
• 物理合理性检查：PoseBusters 用 RDKit 检验对接/共折叠输出的键长、立体化学与空间冲突，结论是不少深度学习构象物理上不合理 [2]。
• 合成数据：虚拟库枚举、片段拆分、构象采样，为 OpenMM 等仿真和生成模型提供输入。

局限

RDKit 的力场（MMFF/UFF）精度有限，不能替代 DFT 或 FEP 级别计算；构象生成对大环、金属配合物表现较弱。指纹与描述符是否保留足够信息，取决于下游任务，不同版本的默认参数差异可能影响基准复现。作为底座工具，其影响主要体现在"事实标准"而非独立数据产出。

来源

1. https://www.rdkit.org (2026-10-15)
2. PoseBusters, arXiv 2308.05777 (2026-10-15)