PubChem Fingerprint

PubChemデータベースは、独自のフィンガープリントを構築して
Webサイト内での類似度検索に使っています。

そのフィンガープリントの構成は既に公開されているのですが、
881ビットもあるので、ちまちま実装するのは面倒です。

そこでCDKを見てみると…
PubchemFingerprinterクラスが実装されており、パパっと計算できるようです。

import java.io.*;

import org.openscience.cdk.interfaces.*;

import org.openscience.cdk.io.iterator.IteratingSMILESReader;

import org.openscience.cdk.interfaces.IMolecule;
import java.util.BitSet;

import org.openscience.cdk.fingerprint.PubchemFingerprinter;
class pubchemfp {

    public static void main(String args[]){
        if(args.length!=1){

            System.err.println("pubchemfp <smiles-file>");

            System.exit(1);

        }

        FileInputStream fis = null;

        IteratingSMILESReader isr = null;

        try{

            fis = new FileInputStream(new File(args[0]));

            isr = new IteratingSMILESReader(fis);

        } catch (Exception e) {

            e.printStackTrace();

        }
        while( isr.hasNext() ){

            IMolecule imol = (IMolecule)isr.next();

            String id = (String)imol.getProperty("cdk:Title");
            PubchemFingerprinter pcfp = new PubchemFingerprinter();

            String fp = "";

            try{

                BitSet fing = pcfp.getFingerprint(imol);

                for(int i=0; i<pcfp.getSize(); i++){

                    if( fing.get(i) ){

                        fp = fp + ",1";

                    } else {

                        fp = fp + ",0";

                    }

                }

            } catch (Exception e1) {

                e1.printStackTrace();

            }

            System.out.printf("%s%s\n", id, fp);

        }

    }

}