【Python】利用PubChem PUG REST API批量获取化合物3D结构数据

1. 为什么你需要批量获取化合物的3D结构数据？

如果你正在做药物设计、分子对接或者分子动力学模拟，那你肯定对“3D结构”这个词不陌生。简单来说，一个化合物的3D结构，就是它在三维空间里真实的样子——每个原子在哪儿，键角是多少，整个分子是蜷缩着还是舒展着。这和我们平时看到的化学式（比如H₂O）或者二维结构图（比如苯环）完全是两码事。

我刚开始接触这个领域的时候，也觉得有点懵。二维信息不是挺好吗？为什么非得要3D的？后来在做一个虚拟筛选项目时，我踩了个大坑。我用一批化合物的二维结构式去做分子对接，结果发现预测的活性跟实验数据对不上，偏差很大。请教了前辈才知道，问题就出在“构象”上。一个分子在溶液里不是僵死的，它会“动”，会旋转，会折叠成不同的形状（这些形状就叫构象）。而能和靶点蛋白完美结合的，往往只是其中某一种特定的3D构象。如果你只用了一个扁平的、理想化的2D结构去模拟，那结果肯定不准。

这时候，PubChem的3D结构数据就派上大用场了。它提供的不是单一结构，而是一个“构象模型”，里面包含了这个分子可能存在的多个3D形态。比如 ConformerCount3D 这个属性，直接告诉你数据库里为这个化合物计算了多少个不同的3D构象。再比如 Volume3D，它计算的是分子在空间里占的体积，这对于评估药物分子能否塞进蛋白的活性口袋至关重要。

所以，批量获取这些3D数据，就成了我们做计算化学、药物发现的第一步基础工作。手动去网站上一个一个查？那太不现实了，一个库动辄几万、几十万个化合物。用Python脚本去调用PubChem官方提供的PUG REST API，就成了最高效、最自动化的选择。我实测下来，写好脚本后，获取上千个化合物的3D数据也就是几分钟的事，解放双手，把时间花在更有价值的分析上。

2. 动手之前：认识PubChem PUG REST API

在开始写代码之前，我们得先搞清楚我们要用的“工具”到底是什么。PubChem PUG REST API，这个名字听起来有点唬人，其实拆开看很简单。

• PubChem：这个好理解，全球最大的免费化学信息数据库之一，由美国国立卫生研究院维护，里面有上亿个化合物的信息。
• PUG：全称是PubChem Power User Gateway，你可以把它理解成PubChem专门为程序员和高级用户开的一个“后门”或者“命令行界面”。通过它，你可以用程序化的方式（而不是点网页）来查询和获取数据。
• REST API：这是一种现在非常流行的网络服务交互方式。你可以把它想象成去餐厅点菜。你（客户端）告诉服务员（API）你想要什么菜（发送一个HTTP请求），服务员去后厨（服务器）拿到菜，再端给你（返回HTTP响应，通常是JSON或XML格式的数据）。整个过程标准、清晰。

对于我们这个任务，最关键的就是要知道“点菜的菜单”——也就是API的URL格式。PubChem的API设计得很直观。比如，我们要获取多个化合物的多个属性，URL模板长这样：

https://pubchem.ncbi.nlm.nih.gov/rest/pug/compound/cid/{CID列表}/property/{属性列表}/{返回格式}

我来给你拆解一下：

• cid/{CID列表}：这里放化合物的CID号。CID是PubChem给每个化合物的唯一身份证号。你可以放一个，比如cid/2244（阿司匹林），也可以放一串，用逗号隔开，比如cid/2244,1983,3672。
• property/{属性列表}：这里放你想要获取的属性名，同样用逗号隔开。比如我们关注3D结构，就可以放Volume3D,ConformerCount3D,FeatureCount3D。
• /{返回格式}：你想要数据以什么形式给你。最常用的是JSON，因为Python处理起来特别方便。也可以是XML、CSV等。

举个例子，我想获取CID为2244和1983的两个化合物的分子式、分子量和3D体积，并以JSON格式返回，我就可以构造这样一个URL：

https://pubchem.ncbi.nlm.nih.gov/rest/pug/compound/cid/2244,1983/property/MolecularFormula,MolecularWeight,Volume3D/JSON

你甚至可以直接把这个链接复制到浏览器地址栏里敲回车，就能看到返回的原始JSON数据了。理解了这个核心的URL构造规则，后面的编程工作其实就是“批量生成URL”和“处理返回的JSON数据”了。

3. 搭建你的Python抓取环境

工欲善其事，必先利其器。写脚本之前，确保你的电脑环境已经准备好。这里我不假设你是Python大神，咱们一步步来。

首先，你需要一个Python环境。 我强烈推荐使用 Anaconda 来管理你的Python，特别是做科学计算和数据处理，它能帮你省去很多安装依赖库的麻烦。去A