Peptide SMILES Generation

简介

进行多肽（含环肽）的从头生成、性质计算与分析、格式转换等，支持非天然氨基酸。模块基于p2smi工具包实现。

能够自动生成肽序列、将肽序列转换为 SMILES 字符串（支持环化结构和非天然氨基酸），并计算多种分子性质。此外，还提供修饰功能（如N-甲基化、PEG化）、合成可行性评估。

主要功能:

• 生成随机肽序列（支持非天然氨基酸、D 构型与多种环化方式）。
• 将肽类 FASTA 文件转换为有效的 SMILES 字符串。
• 支持五种环化类型：二硫键、头尾环化、侧链-侧链、侧链-N 端、侧链- C 端。
• 计算多种分子性质（如分子量、logP、TPSA、Lipinski 指标等）。
• 评估肽序列的合成可行性。

非标准氨基酸信息表（共411个）：

详细列表见附录。

参数说明

Generation

根据自定义约束条件生成随机多肽序列。

Number

生成的多肽序列数量，默认为10，最大为10000。

Minimum Length

多肽序列最小长度，默认为10。

Maximum Length

多肽序列最大长度，默认为20，最大长度为150。

NCAA Percentage

每条多肽序列中的非天然氨基酸(NCAA, Non-Canonical Amino Acids)占比，默认为0.1（10%），数值范围为0.0 ~ 1.0（0%~100%）。

D-AA Percentage

每条多肽序列中的D型氨基酸占比，默认为0.1（10%），数值范围为0.0 ~ 1.0（0%~100%）。

Cyclization Types

设置环肽的环化类型，可多选。all表示选择所有环肽类型，都不选时，则生成线性肽（默认为都不选）。
支持的环化类型如下：

Output

生成的多肽序列文件，FASTA格式，默认为peptides.fasta。

Format Conversion

将FASTA格式的肽序列转换为SMILES格式，环肽需指定环化类型。

Peptides

多肽序列文件，FASTA格式。
注意：

• 大写单字母（ACDEFGHIKLMNPQRSTVWY）表示标准氨基酸
• 小写单字母（acdefghiklmnpqrstvwy）表示D型氨基酸
• 非标准氨基酸用大括号+非标准氨基酸Code表示 (例如：羟脯氨酸表示为{Hyp}，常用非标准氨基酸Code请见附录列表。
• 环肽需将具体的环化类型（定义见上述参数Cyclization Types）标注在序列名称中（用|与名称分隔）

示例如下：

>seq_1
AVRENmV
>seq_2|SCCT
PyWT{DMEG}{0BN}IKaYI{TFG3}RWtNQ{I2M}
>seq_3|SCNT
KI{D6MW}E{AHP}iiARCKE{MEN}

序列seq_1是线性肽，由标准氨基酸和D型氨基酸m组成；seq_2是环肽，环化类型是SCCT，由标准氨基酸、D型氨基酸、非标准氨基酸组成；seq_3是环肽，环化类型是SCNT，由标准氨基酸、D型氨基酸、非标准氨基酸组成。

Output SMILES

转换后的SMILES字符串，文本格式，每行一个。默认为peptides.smi。

Output CSV

转换前后对应的信息文件，CSV格式，默认为peptides.csv。

Property

计算多肽的分子性质，包括：分子量（MW）、拓扑极性表面积（TPSA）、logP、氢键供体/受体、可旋转键数、环数量、Csp3 比例、重原子数、形式电荷、分子式，以及 Lipinski 规则评估等。

Peptides

进行格式转换的多肽，支持两种格式：多肽序列文件（FASTA格式），或者多肽SMILES（文本格式，每行放置一个SMILES字符串）。

Output

多肽的分子性质计算结果，CSV格式，默认为peptide_props.csv。

Feasibility of Synthesis

评估肽序列的可合成性，例如：N/Q 是否位于 N 端、Gly/Pro 模体、半胱氨酸数量、疏水性、总体电荷等。注意：目前仅支持天然氨基酸

Fasta

多肽序列文件，FASTA格式。仅支持天然氨基酸的多肽。

Output

可合成性评估结果，CSV格式，默认为synthesis_report.csv。

结果说明

Generation模式，输出多肽序列FASTA文件，示例如下：

>seq_1|HT
{FLA}dAVREN{6CL}mV
>seq_2|SCCT
PyWT{DMEG}{0BN}IKaYI{TFG3}RWtNQ{I2M}
>seq_3|SCNT
KI{D6MW}E{AHP}iiARCKE{MEN}
>seq_4|HT
YlCP{YCM}yR{ESC}EiD{DDAB}HYSY{LMQ}GT
>seq_5|HT
{ORN}{AA4}TQAqP{CSA}YKI{DTTQ}aVvH

• 大写单字母（ACDEFGHIKLMNPQRSTVWY）表示标准氨基酸
• 小写单字母（acdefghiklmnpqrstvwy）表示D型氨基酸
• 非标准氨基酸用大括号+非标准氨基酸Code表示 (例如：羟脯氨酸表示为{Hyp})，常用非标准氨基酸Code请见附录列表。
• 环肽需将具体的环化类型（定义见上述参数Cyclization Types）标注在序列名称中（用|与名称分隔）

Format模式下，输出CSV文件和SMILES文件，CSV文件包含信息如下：

Property模式，输出CSV文件，包含信息如下：

Feasibility of Synthesis模式，输出CSV文件，包含信息如下：

参考文献

• p2smi: A Python Toolkit for Peptide FASTA-to-SMILES Conversion and Molecular Property Analysis.Feller, A. L. and Wilke, C. O. (2025).DOI:10.48550/arXiv.2505.00719

附录

非标准氨基酸信息表