分子相似性搜索是一种计算技术，用于识别与查询分子共享结构或化学特征的分子。 这个过程是药物发现、材料科学和化学信息学的基础，在这些领域中，寻找具有相似性质的化合物可以加速研究。 核心思想是，具有相似结构的分子通常表现出相似的生物活性或物理行为。 例如，如果研究人员有一种已知可以治疗疾病的分子，那么相似性搜索可以发现结构相关的化合物，这些化合物可能效果更好或副作用更少。
为了执行分子相似性搜索，首先将分子表示为可计算的格式。 常见的表示形式包括分子指纹，它将原子对、环或官能团等结构特征编码为二进制向量。 另一种方法使用基于图的表示，其中原子是节点，键是边。 然后，算法使用诸如 Tanimoto 系数（对于指纹）或图匹配技术之类的度量来比较这些表示。 例如，Python 中的 RDKit 库生成 Morgan 指纹，该指纹捕获每个原子周围的圆形子结构，并计算相似性分数以对结果进行排序。 开发人员经常优化这些搜索以提高速度，尤其是在查询包含数百万种化合物的大型数据库时。
一个实际的用例是药物再利用，其中通过寻找结构相似的分子来测试已知药物的新应用。 假设开发人员想要找到阿司匹林（乙酰水杨酸）的类似物。 他们可以将阿司匹林编码为指纹，然后扫描像 PubChem 这样的数据库，寻找具有高相似性分数的化合物。 诸如 Open Babel 或化学信息学库（例如，RDKit、ChemPy）之类的工具简化了此过程。 挑战包括平衡准确性和计算效率——精确的图比较速度很慢，因此基于指纹的方法等近似方法是大规模搜索的首选。 此外，“相似性”的定义取决于上下文：分子可能在骨架结构上相似，但在官能团上不同，从而导致截然不同的性质。 开发人员必须选择与其特定目标一致的表示形式和指标，例如优先考虑用于药物发现的药效团特征或用于材料设计的溶解度。