基于动态规划和电负性特征的SMILES分子全局比对算法开发与应用

《BMC Bioinformatics》：SMILES alignment: a dynamic programming approach for the alignment of metabolites and other small organic molecules

本研究针对代谢物等小分子有机化合物缺乏全局比对工具的问题，开发了一种基于Needleman-Wunsch动态规划算法的SMILES序列比对方法。通过引入Gasteiger电荷差异评分矩阵，该算法能够准确量化代谢途径中的分子转化过程，在Krebs循环和糖酵解途径验证中表现出色，为研究线性与环状代谢途径的演化机制提供了新工具。

　　

在化学信息学和生物信息学领域，分子相似性比较一直是核心挑战。传统方法如Tanimoto系数和分子指纹虽广泛应用于药物发现和数据库管理，却存在明显局限：它们无法提供原子级别的全局比对，且忽略了关键理化性质如原子电负性。特别是在代谢途径研究中，缺乏能够追踪特定原子在生化转化过程中命运的工具，严重限制了对途径演化机制的理解。

为突破这一技术瓶颈，Tang和Liberles在《BMC Bioinformatics》上发表了创新性研究，开发了基于简化分子线性输入系统（SMILES）的全局分子比对算法。该研究巧妙借鉴了蛋白质序列比对的经典Needleman-Wunsch算法，但将其应用于小分子比对，并引入了基于Gasteiger原子电荷的创新评分系统。

研究团队首先从Reactome代谢数据库获取了1101个分子的SMILES表示，通过Indigo工具包进行标准化处理确保数据一致性。针对SMILES字符串的特殊性，他们开发了预处理流程，去除非原子字符后专注于原子部分电荷模式的比对。

核心技术方法包括：1）基于代谢数据库构建两种评分矩阵——全原子比对矩阵和特定原子对（如C-C、C-O）矩阵；2）利用RDKit计算Gasteiger-Marsili原子电荷；3）应用改进的Needleman-Wunsch算法进行动态规划全局比对；4）使用Krebs循环和糖酵解途径作为验证数据集评估算法性能。

Canonization稳定性验证

研究首先检验了SMILES标准化过程的可靠性。通过系统地将代谢物中的氧原子替换为硫原子，评估标准化后字符串的稳定性。结果显示，Levenshtein距离和Tanimoto距离的变化均在可控范围内，证实了标准化处理对后续比对分析的有效性。

All vs all评分与比对

研究人员构建了全原子比对评分矩阵，该矩阵基于电荷差异的概率分布。如图4所示，随着原子间电荷差异增大，比对评分逐渐降低，且在0-1.2区间下降最为显著，反映小电荷差异在代谢数据库中更为常见。

配对评分与比对

针对特定原子对开发的评分矩阵显示出不同的特征。C-C、C-O和O-O原子对的评分曲线呈现反二次型初始形状，随后过渡为线性下降，与全原子矩阵的响应模式存在明显差异，表明特定原子对的电荷差异分布具有独特性。

通路验证与应用

在Krebs循环验证中，算法成功识别了已知的生化转化关系，最佳参数组合下Levenshtein相似度超过0.94。将该算法应用于Pentose Phosphate途径（PPP）和糖酵解途径，揭示了线性与环状途径的本质差异。

如图6-9所示，环状途径（PPP和Krebs循环）的分子相似性呈现先降后升的趋势，在途径中点达到最大差异后逐渐恢复相似性，符合环状途径的预期特征。相比之下，糖酵解作为线性途径（图10-11），分子相似性随途径推进持续下降，无回升现象。

与传统Tanimoto系数相比（图12），新算法更能捕捉代谢途径的动态变化特征，为研究代谢途径演化提供了更精细的工具。

该研究的创新性在于将序列比对概念成功拓展至小分子领域，首次实现了基于电负性特征的全局分子比对。算法不仅能够量化分子相似性，更能追踪特定原子在代谢转化过程中的命运，为理解代谢途径演化机制提供了全新视角。特别是对线性与环状途径转化模式的揭示，为探索代谢网络演化提供了量化依据。

研究的实际意义体现在多个方面：为化学信息学提供了新的分子比对工具；为进化生物化学研究提供了途径演化的分析框架；为药物设计中的分子相似性评估提供了更精确的方法。开源代码的发布确保了方法的可及性和可重复性，为后续研究奠定了坚实基础。

尽管算法在现有验证中表现出色，作者也指出了若干改进方向：对SMILES格式标准化的高度依赖、辅因子处理的简化、以及更复杂化学描述符的整合可能进一步提升算法性能。这些方向为未来研究提供了有价值的发展路径。