摘要：RDKit 是化学信息学领域最主流的开源工具库之一，其内置的分子描述符计算模块可一次性输出 200+ 个数值特征，覆盖拓扑、物化、片段等多个维度。这些特征广泛用于 AIDD（AI-driven Drug Discovery，人工智能药物研发）的分子属性预测、ADMET 建模、虚拟筛选等核心任务。本文整理了完整的 208 个属性，并给出分类解析与可直接运行的代码示例。

---

一、快速上手：一键计算 208 个描述符

环境安装

pip install rdkit pandas

核心代码：批量计算描述符

from rdkit import Chem
from rdkit.Chem import Descriptors
from rdkit.ML.Descriptors import MoleculeDescriptors
import pandas as pd

# 定义描述符计算器（208个）
descriptor_names = [name for name, _ in Descriptors.descList]
calculator = MoleculeDescriptors.MolecularDescriptorCalculator(descriptor_names)

def smiles_to_descriptors(smiles_list: list[str]) -> pd.DataFrame:
    """将 SMILES 列表转换为 208 维描述符 DataFrame"""
    records = []
    for smi in smiles_list:
        mol = Chem.MolFromSmiles(smi)
        if mol is None:
            records.append([None] * len(descriptor_names))
        else:
            records.append(list(calculator.CalcDescriptors(mol)))
    return pd.DataFrame(records, columns=descriptor_names)


# 示例：计算阿司匹林、咖啡因、布洛芬的描述符
smiles = [
    "CC(=O)Oc1ccccc1C(=O)O",   # 阿司匹林
    "Cn1cnc2c1c(=O)n(c(=O)n2C)C",  # 咖啡因
    "CC(C)Cc1ccc(cc1)C(C)C(=O)O",  # 布洛芬
]

df = smiles_to_descriptors(smiles)
print(df.shape)       # (3, 208)
print(df[["MolWt", "MolLogP", "TPSA", "NumHDonors", "NumHAcceptors"]].round(2))

输出示例：

     MolWt  MolLogP   TPSA  NumHDonors  NumHAcceptors
0   180.16     1.31  63.60           1              3   # 阿司匹林
1   194.19    -0.07  61.36           0              6   # 咖啡因
2   206.28     3.72  37.30           1              2   # 布洛芬

---

Lipinski 五规则快速筛选（Ro5）

def lipinski_filter(df: pd.DataFrame) -> pd.Series:
    """返回符合 Ro5 规则的布尔掩码"""
    return (
        (df["MolWt"] <= 500) &
        (df["MolLogP"] <= 5) &
        (df["NumHDonors"] <= 5) &
        (df["NumHAcceptors"] <= 10)
    )

mask = lipinski_filter(df)
print(df[mask][["MolWt", "MolLogP", "NumHDonors", "NumHAcceptors"]])

---

与机器学习结合：预测分子溶解度

from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score
import numpy as np

# 假设 df 是描述符特征，y 是实验 LogS（水溶性）
# df, y = load_your_dataset()

# 数据预处理：填充 NaN、去除方差为零的列
X = df.fillna(0)
X = X.loc[:, X.std() > 0]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = RandomForestRegressor(n_estimators=200, random_state=42)
model.fit(X_train, y_train)

y_pred = model.predict(X_test)
print(f"R² = {r2_score(y_test, y_pred):.3f}")

# 查看最重要的描述符
importances = pd.Series(model.feature_importances_, index=X.columns)
print(importances.nlargest(10))

---

二、与 AIDD 的关联：描述符在药物研发中的应用

人工智能药物研发的核心挑战之一，是将化学结构转化为机器可读的数值表示。RDKit 描述符提供了一种无需深度学习即可获取结构信息的经典方案，与图神经网络（GNN）、Transformer 等新方法互为补充。

应用场景	使用的核心描述符	典型任务
ADMET 预测	TPSA、MolLogP、NumRotatableBonds、MolWt	口服吸收（A）、BBB 穿透（D）、CYP 代谢（M）
毒性预测	fr_nitro、fr_nitro_arom、fr_aniline、fr_halogen	hERG 抑制、肝毒性、致突变性
类药性评估	Lipinski Ro5 相关指标（MolWt、MolLogP、H 给受体）	先导化合物筛选
虚拟筛选	全部 208 维作为分子指纹替代	活性/非活性二分类
分子生成评估	qed（药物相似性综合评分）	生成模型的奖励函数
QSAR 建模	拓扑指数（Chi、Kappa、BalabanJ）+ 物化属性	定量构效/构毒关系

提示：在实际 AIDD 项目中，RDKit 描述符常与 Morgan 指纹（ECFP）拼接使用，以同时捕获全局物化信息与局部子结构信息。

---

三、208 个描述符分类详解

按功能和计算原理，208 个属性可归为以下 8 大类：

---

类别 1：BCUT2D 描述符（8 个）

前缀：BCUT2D_

基于 Burden 矩阵的 2D 特征值描述符，分别编码电荷、LogP、摩尔折射率（MR）和分子量的高/低特征值，反映原子属性的整体分布。

属性名	含义
BCUT2D_CHGHI / CHGLO	电荷相关特征值（高/低）
BCUT2D_LOGPHI / LOGPLOW	LogP 相关特征值（高/低）
BCUT2D_MRHI / MRLOW	摩尔折射率特征值（高/低）
BCUT2D_MWHI / MWLOW	分子量特征值（高/低）

---

类别 2：拓扑与图论描述符（17 个）

包含：BalabanJ、BertzCT、Chi0/1/2/3/4（n/v）、Ipc、Kappa1/2/3、HallKierAlpha

这些指数从分子图结构（原子连接方式）出发，量化分子的形状、分支度和复杂性，在 QSAR 建模中是历史最悠久的一类描述符。

属性名	含义
BalabanJ	Balaban 连接性指数，反映分子分支程度
BertzCT	分子拓扑复杂度指数
Chi0~Chi4（n/v）	路径/价键 Chi 连接性指数（0~4 阶）
Kappa1~Kappa3	Hall-Kier Kappa 形状指数
HallKierAlpha	修正 alpha 值，反映杂原子的影响
Ipc	图的信息内容（information content）

---

类别 3：电子状态（EState）相关描述符（22 个）

前缀：EState_VSA1~11、VSA_EState1~10

基于 Hall-Kier 电子拓扑状态（E-State）指数，结合分子表面积（VSA），将原子的电子效应分布映射到可数值化的区间段。

• EState_VSA1~11：将原子按 EState 值分区间，统计各区间的表面积之和
• VSA_EState1~10：将原子按 VSA 贡献分区间，统计各区间的 EState 均值

常用于描述分子极性表面的电子分布，与膜渗透性预测密切相关。

---

类别 4：物化属性描述符（22 个）

这是药物研发最直接使用的一类描述符，直接反映分子的物理化学性质：

属性名	含义	AIDD 用途
MolWt / ExactMolWt / HeavyAtomMolWt	分子量（含/不含 H）	Lipinski Ro5
MolLogP	计算 LogP（亲脂性）	吸收、膜穿透、BBB
MolMR	摩尔折射率	极化率、体积代理
TPSA	拓扑极性表面积	口服吸收、BBB 穿透
FractionCSP3	sp3 碳比例	类药性、3D 复杂度
NumRotatableBonds	可旋转键数	口服生物利用度
NumHDonors / NumHAcceptors	氢键给体/受体数	Lipinski Ro5
NHOHCount / NOCount	N-OH 基团数 / N、O 原子数	极性评估
HeavyAtomCount	重原子数	分子大小
NumHeteroatoms	杂原子数	极性、代谢位点
NumValenceElectrons / NumRadicalElectrons	价电子/自由基电子数	反应活性
RingCount	环数	分子刚性
qed	药物相似性综合评分（0~1）	生成模型评估
MaxAbsPartialCharge / MinAbsPartialCharge 等	最大/最小（绝对）偏电荷	电荷分布

---

类别 5：表面积（VSA）描述符（32 个）

前缀：PEOE_VSA1~14、SMR_VSA1~10、SlogP_VSA1~12

这三族描述符均是将各原子的 VSA（范德华表面积贡献）按不同物化属性分区间后累加：

系列	分区依据	区间数
PEOE_VSA	PEOE（Gasteiger）偏电荷	14 个区间
SMR_VSA	摩尔折射率贡献	10 个区间
SlogP_VSA	LogP 贡献	12 个区间

这类描述符将全局物化量分解到不同区域，信息密度较高，在 ADMET 预测模型中表现突出。

---

类别 6：环系描述符（9 个）

描述分子中不同类型环的数量，对于片段类药物（FBDD）和骨架分析尤为重要。

属性名	含义
NumAliphaticCarbocycles	脂肪族碳环数
NumAliphaticHeterocycles	脂肪族杂环数
NumAliphaticRings	脂肪族环总数
NumAromaticCarbocycles	芳香碳环数
NumAromaticHeterocycles	芳香杂环数
NumAromaticRings	芳香环总数
NumSaturatedCarbocycles	饱和碳环数
NumSaturatedHeterocycles	饱和杂环数
NumSaturatedRings	饱和环总数

---

类别 7：Morgan 指纹密度（3 个）

前缀：FpDensityMorgan1/2/3

基于 Morgan 算法（半径 1/2/3）计算的指纹密度，即每个重原子平均贡献的 bit 数，反映分子的局部化学多样性。

---

类别 8：功能团计数描述符（85 个）

前缀：fr_

这是数量最多的一类，共 85 个，每个属性统计分子中某类官能团或结构片段的出现次数，覆盖代谢、毒性和类药性相关的关键子结构。按化学类型细分如下：

含氮基团（21 个）：fr_NH0/1/2、fr_Ar_N、fr_Ar_NH、fr_ArN、fr_Imine、fr_amide、fr_amidine、fr_aniline、fr_azide、fr_azo、fr_guanido、fr_hdrzine、fr_imidazole、fr_imide、fr_nitrile、fr_nitro、fr_nitro_arom、fr_nitro_arom_nonortho、fr_nitroso、fr_quatN

含氧基团（13 个）：fr_Al_OH、fr_Al_OH_noTert、fr_Ar_OH、fr_Ar_COO、fr_Al_COO、fr_COO、fr_COO2、fr_C_O、fr_C_O_noCOO、fr_ester、fr_ether、fr_lactone、fr_oxime

含硫/卤基团（8 个）：fr_C_S、fr_SH、fr_sulfide、fr_sulfonamd、fr_sulfone、fr_thiazole、fr_thiocyan、fr_thiophene

杂环类（12 个）：fr_benzene、fr_furan、fr_imidazole、fr_morpholine、fr_oxazole、fr_piperdine、fr_piperzine、fr_pyridine、fr_tetrazole、fr_thiazole、fr_thiophene、fr_dihydropyridine

脂肪链/环类（8 个）：fr_alkyl_carbamate、fr_alkyl_halide、fr_allylic_oxid、fr_aryl_methyl、fr_bicyclic、fr_methoxy、fr_term_acetylene、fr_unbrch_alkane

毒性/代谢相关（7 个）：fr_Ndealkylation1/2、fr_HOCCN、fr_barbitur、fr_benzodiazepine、fr_diazo、fr_epoxide

其他杂项（16 个）：fr_aldehyde、fr_halogen、fr_hdrzone、fr_isocyan、fr_isothiocyan、fr_ketone、fr_ketone_Topliss、fr_lactam、fr_Nhpyrrole、fr_N_O、fr_para_hydroxylation、fr_phenol、fr_phenol_noOrthoHbond、fr_phos_acid、fr_phos_ester、fr_priamide、fr_prisulfonamd、fr_urea

这类描述符在毒性预测（如 fr_nitro_arom 与致突变性相关）和代谢稳定性预测（如 fr_ester、fr_amide 与水解代谢相关）中尤为重要。

---

四、各类描述符数量汇总

类别	数量	典型代表
BCUT2D 描述符	8	BCUT2D_CHGHI
拓扑/图论描述符	17	BalabanJ, Kappa1~3, Chi系列
EState 相关描述符	22	EState_VSA, VSA_EState
物化属性描述符	22	MolWt, MolLogP, TPSA, qed
VSA 系列描述符	32	PEOE_VSA, SMR_VSA, SlogP_VSA
环系描述符	9	NumAromaticRings
Morgan 指纹密度	3	FpDensityMorgan1~3
功能团计数（fr_）	85	fr_nitro, fr_ester, fr_halogen
合计	208

---

五、实用建议

1. 特征选择很重要：208 个描述符中存在大量共线性，建议用方差过滤 + 相关性筛选，实际入模特征通常在 50~100 个之间。

2. 结合指纹使用：RDKit 描述符擅长捕捉全局物化属性，Morgan 指纹（ECFP4）擅长编码局部子结构，两者拼接往往比单独使用效果更好。

3. 注意 qed 的特殊性：qed（Quantitative Estimate of Drug-likeness）是一个综合评分（0~1），在分子生成和强化学习任务中常作为奖励信号，与其他描述符性质不同，通常单独处理。

4. 关注 fr_ 系列的稀疏性：功能团计数描述符在多数分子上为 0，构成稀疏矩阵，树模型（RandomForest、XGBoost）对此天然适配，神经网络则需要注意标准化处理。

---

参考资料

• RDKit 官方文档：https://www.rdkit.org/docs/
• RDKit 描述符列表：https://www.rdkit.org/docs/GettingStartedInPython.html#list-of-available-descriptors

---

*做科研经常查阅文献或使用PubMed的朋友可以试试科研AI Agent 【文献泡泡】
*如有问题或补充，欢迎在评论区交流。数据集（208个属性名称+说明）可在文章附件处下载。