aurio9923

Claude Code で作る化合物ワークスペース ChemOmni(5)カノニカル互変異性体、化合物の番号、SDF の取り込みと書き出し

同じ化合物でも、互変異性体の描き方が違うと、ソフトウェアには別の化合物に見えます。計算した cLogP や TPSA も描いた形によって変わります。また、画面に複数の化合物を並べて AI に質問するときは、どの化合物の話かを AI に伝える手段が要ります。PubChem などから取ってきた SDF を開くと、構造が重なって読めないこともあります。

今回は ChemOmni に入れた3つの機能(カノニカル互変異性体、化合物の番号付け、SDF の取り込みと書き出し)を紹介します。どれも、AI は構造を書かず、RDKit が計算した結果を使います。OpenAI の gpt-6.1-terra に4つの依頼を6回ずつ送り、結果を RDKit で別に確かめました。

ソースコード:https://github.com/aurio9923/chemomni(MIT ライセンス)

カノニカル互変異性体(canonical tautomer)を出す

同じ化合物を別の互変異性体で描くと、SMILES もフィンガープリントも計算値も変わります。比べる前に描き方をそろえる方法の1つが、canonical tautomer です。RDKit の TautomerEnumerator が互変異性体を列挙し、決まった採点の規則で1つを選びます。描き方が違っても、同じ化合物なら同じカノニカル互変異性体になります。

ChemOmni のツール tautomers はこのカノニカル互変異性体を RDKit で求めます。AI は対象の分子と見せ方を選ぶだけで、互変異性体の SMILES は書きません。「正規の互変異性体を出して」などと頼むと、描いた形と違うときだけ新しいタブに開き、描いた形から変わった原子を赤く示します。描いた形がすでにカノニカル互変異性体なら、タブは開かずにそう答えます。

例1:ピロキシカム

ピロキシカムは名前(4-ヒドロキシ-…)のとおりエノール形で描かれることが多い化合物です。エノール形で描いて頼みました。

この化合物の正規の互変異性体を出して

AI はカノニカル互変異性体だけを開く設定(show: "canonical")で tautomers を呼び、4位がケトンの形が新しいタブに開きました(図1)。6回すべてで同じ結果です。

チャット欄の拡大。質問「この化合物の正規の互変異性体を出して」、tautomers の呼び出し(1 tautomer(s) of 7)、親(エノール形)と #1 canonical tautomer(変わった3つの原子の赤い強調、sim 0.56)のタイル、物性の表(cLogP 0.91、TPSA 96.4)、正規の互変異性体を新しいタブに表示し、これは構造比較用の統一表記で優勢な互変異性体の予測ではないという AI の答えが上から並んでいる
図1. 例1のチャットの出力(gpt-6.1-terra)。

同じ化合物の2つの描き方でも、計算値は変わります(表1)。cLogP は描いたエノール形の 1.58 に対し、カノニカル互変異性体では 0.91 です。Morgan フィンガープリントの Tanimoto 類似度は 0.56 で、図1のタイルの「sim 0.56」もこの値です。化合物の一覧で cLogP を比べたり類似度で検索したりするときは、描き方をそろえてから計算しないと、構造の違いではなく描き方の違いを見ることになります。

形cLogPTPSA(Ų)
描いたエノール形1.5899.6
カノニカル互変異性体(4位がケトンの形)0.9196.4

表1. ピロキシカムの2つの描き方と計算値(RDKit の Crippen cLogP と TPSA で計算し直した値)。

ここで注意したいのは、canonical tautomer が水中やタンパク質の中で優勢な形の予測ではないことです。RDKit が決まった規則で選ぶ代表の形で、構造を比べたり、重複をまとめたりするのに使います。ツールの説明にもそう書いてあり、AI は6回すべての答えでこの点に触れていました(5回は「優勢な形の予測ではない」、1回は「最も安定な形を予測するものではない」という言い方です)。

例2:イマチニブ

この化合物の正規の互変異性体を出して

イマチニブは、ふつうの描き方がそのままカノニカル互変異性体です。AI は同じ設定でツールを呼び、タブを開かずに「すでに正規の互変異性体です」と答えました(図2)。6回すべてで同じです。

チャット欄の拡大。質問「この化合物の正規の互変異性体を出して」のあと、tautomers の呼び出し(already canonical)と、現在の構造がすでに RDKit の正規互変異性体で、これは比較のための統一表記であり優勢な互変異性体の予測ではないという AI の答えが出ている
図2. 例2のチャットの出力(gpt-6.1-terra)。タブは開いていません。

互変異性体を一覧で見たいときは「互変異性体を出して」のような形で頼みます。RDKit の列挙には化学者が描かない形も入るので、ChemOmni は、芳香環が芳香族でなくなる形(フェノールをシクロヘキサジエノンにした形など)、アミドやラクタムを C(OH)=N にした形、アミド・酸・エステルのエノール形、芳香環のアミノ基を環の外の C=N にした形(アミノピリジンやアミノピリミジンのイミン形)を一覧から外し、外した数と理由を AI に返します。

化合物に番号を振る

1つのタブに複数の化合物を描いたとき、AI にどれの話かを伝えるために、番号を使います。タブの上の[#]ボタン(Number compounds)を押すと、各構造の下に 1、2、3 … の番号が書き込まれます(図3)。番号は上の行から、左から右の順です。番号はエディタのテキストとして図面に残るので、手で書き換えることもできます。

チャットを送ると、ChemOmni は番号と構造の対応を作り、[1] SMILES の形で AI に渡します。AI はツールに番号(ref)を渡し、構造の SMILES は書きません。どの番号がどの構造かは、テキストと構造の位置から ChemOmni が決めます。

例として、同じ分子式(C5H4N4O)の3つの構造を1つのタブに描きました。1 はアロプリノールを4-ヒドロキシ形で、2 はアロプリノールをオキソ形で描いたもの、3 はヒポキサンチンです。

化合物1〜3のうち、互変異性体の描き方が違うだけで同じ化合物なのはどれ?

番号を振る前のタブ。3つの構造(4-ヒドロキシ形のアロプリノール、オキソ形のアロプリノール、ヒポキサンチン)が描かれている [#]ボタンを押したあとのタブ。上の構造の下に 1、下の段の左に 2、右に 3 の番号が書き込まれている
チャット欄の拡大。質問「化合物1〜3のうち、互変異性体の描き方が違うだけで同じ化合物なのはどれ?」のあと、tautomers の呼び出しが3回(no reasonable tautomer (3 hidden)、already canonical、no reasonable tautomer (2 hidden))出て、化合物1と2は互変異性体で、化合物3は原子の結合関係が異なる別化合物だという AI の答えが出ている
図3. 番号を振る前(左上)と後(右上)、例3のチャットの出力(下、gpt-6.1-terra)。

AI は tautomers を番号ごとに3回呼び、タブを開かずにカノニカル互変異性体だけを受け取って比べました。答えは6回すべてで「1 と 2 が同じ化合物で、3 は別の化合物」で、正解です。1 と 2 はカノニカル互変異性体が一致します。3 は分子式が同じでも、五員環の窒素の位置が違う(ピラゾールではなくイミダゾール)ので、互変異性体ではありません。AI は 3 が別の化合物である理由を、3回は「原子の結合関係が異なる」、3回は「窒素の位置が異なる」と説明しました。

SDF を取り込み、書き出す

PubChem から、BCR-ABL 阻害薬5つ(イマチニブ、ニロチニブ、ダサチニブ、ボスチニブ、ポナチニブ)の 2D の SDF を取り、1つのファイルにまとめました。PubChem の 2D の SDF はレコードごとに独自の座標を持ち、水素もすべて原子として持っています。エディタの Ketcher にそのまま読ませると、各レコードがそれぞれの座標に置かれ、5つの構造と水素が重なって描かれます(図4の上)。

ChemOmni のタブの上の[Import file]ボタンで同じファイルを開くと、新しいタブに5つの構造がファイルの順で並び、1〜5の番号が振られます(図4の下)。省略できる水素は外して描きます。くさびで示した立体は、水素に付いたくさびのものも含めて、水素を外す前に読み取ります。

Ketcher に SDF をそのまま読ませた画面。5つの構造と、すべての水素原子が同じ場所に重なって描かれ、構造が読み取れない ChemOmni の取り込みで開いた画面。5つの構造が上の段に3つ、下の段に2つ並び、水素は省略され、各構造の下に 1〜5 の番号が付いている
図4. 同じ SDF(BCR-ABL 阻害薬5つ)を、Ketcher にそのまま読ませた場合(上)と、ChemOmni の[Import file]で開いた場合(下)。下の番号は 1 イマチニブ、2 ニロチニブ、3 ダサチニブ、4 ボスチニブ、5 ポナチニブです。

取り込んだタブで、番号を使って質問しました。

化合物1〜5の分子量を比べて、500を超えるものを教えて

AI は compute_properties に番号 1〜5 を渡し、RDKit が計算した物性の表を受け取りました(図5)。答えは6回すべてで「化合物2、4、5」で、ファイルから計算し直した分子量(ニロチニブ 529.53、ボスチニブ 530.46、ポナチニブ 532.57)と合っていました。

チャット欄の拡大。質問「化合物1〜5の分子量を比べて、500を超えるものを教えて」のあと、compute_properties(5 molecule(s))の呼び出し、5つの構造の物性の表(分子式、MW、cLogP、TPSA など)、分子量が500を超えるのは化合物2、4、5(529.53、530.46、532.57 g/mol)だという AI の答えが出ている
図5. 例4のチャットの出力(gpt-6.1-terra)。

書き出すときは、タブの上の[Export]メニューから SDF・CSV・SMILES を選びます。SDF には1つの構造が1つのレコードとして入り、番号(Number)、SMILES、RDKit で計算した物性(分子式、分子量、cLogP、TPSA、HBD、HBA、回転可能結合、QED、SA スコア、Lipinski の違反数、InChIKey)が欄として付きます。構造アラート(PAINS、Brenk)の欄は、当たった構造にだけ付きます(5件のうちボスチニブとポナチニブに Brenk の1件ずつ)。CSV は同じ内容を1行1構造で書き、アラートの列は当たらない構造では空になります。書き出した5件は順番も構造も取り込んだファイルと一致し、分子量・cLogP・TPSA は計算し直した値と丸めの範囲で一致しました。

一方で、元の SDF にあった欄(PubChem の CID や IUPAC 名など)とレコード名は、書き出しには残りません。元のデータと照らし合わせるときは、書き出しにある InChIKey を手がかりにします。

作るときに決めたこと

  • AI は互変異性体の構造を書かない。列挙とカノニカル互変異性体の選択は RDKit が行い、AI は対象と見せ方を選ぶだけです。
  • カノニカル互変異性体は描いた形と違うときだけタブに開く。同じなら、そう答えるだけにします。
  • 一般的に不自然な互変異性体は一覧から外し、外した数と理由を返す。すべての形を見たいと頼めば、外した形も表示します。

まとめ

今回の3つの機能は AI に化合物の話をするときの前提をそろえるためのものです。カノニカル互変異性体で描き方の違いをそろえ、番号で画面の化合物を指し、SDF の取り込みと書き出しでファイルの化合物をやりとりします。どの場面でも構造を決めるのは RDKit で、AI は対象と見せ方を選ぶだけです。4つの依頼を6回ずつ送った24回では、答えはすべて RDKit で計算し直した結果と合っていました。

注記

  • モデル:OpenAI の gpt-6.1-terra(Responses API、推論の深さ low はアプリの既定)。図1〜3と図5もこのモデルの結果です。
  • 繰り返し:4つの依頼を6回ずつ、新しいチャットで日本語で送りました(計24回)。例2は毎回イマチニブを描いた形に戻してから、例1・例3・例4はそれぞれ同じタブで送りました。
  • 構造:piroxicam(エノール形)CN1C(C(=O)Nc2ccccn2)=C(O)c2ccccc2S1(=O)=O、imatinib Cc1ccc(NC(=O)c2ccc(CN3CCN(C)CC3)cc2)cc1Nc1nccc(-c2cccnc2)n1、allopurinol O=c1[nH]cnc2[nH]ncc12 と Oc1ncnc2[nH]ncc12、hypoxanthine O=c1[nH]cnc2nc[nH]c12。
  • SDF:PubChem PUG REST の 2D の SDF(CID 5291、644241、3062316、5328940、24826799)を、この順に1つのファイルにまとめました。
  • 照合:RDKit 2026.09.2。カノニカル互変異性体は TautomerEnumerator(sp3 と二重結合の立体を残す設定)で求め直し、既定の設定の結果とも立体を除いて比べました。分子量・cLogP・TPSA は Descriptors.MolWt、Crippen、CalcTPSA で計算し直しました。類似度は Morgan フィンガープリント(半径2、2048ビット)の Tanimoto 係数です。