Improved SMILES Substructure Searching-提高子结构搜索速度

Improved SMILES Substructure Searching-提高子结构搜索速度

daylight上面有一篇文章，讲解如何提高子结构搜索速度： http://www.daylight.com/meetings/emug00/Sayle/substruct.html
其大概意思就是先通过Fingerprint进行筛选，这样可以快速的筛选掉一部分数据，对于复杂结构更有效；另外就是根据原子个数或者特殊原子个数进行比较，如果查询结构包含三个“N”原子，那么所要查询出的结构所含有“N”的个数必须大于等于3，这样对于包含一些特殊元素的效果是特别的好；还有就是根据分子的一些性质进行筛选过滤，比如芳香性等；最后再进行匹配，这样一来对于复杂结构以及含特殊元素的查询速度会提高很多。
      最后文章中还给出测试数据，从中可以看出，速度一般提高了三倍左右：
      

Name	SMILES	Correct	FP	Triage	Before	After	Latest
Propane	CCC	65337	66352	42411	42.59	17.99	14.34
Selenium	[Se]	246	995	225	0.80	0.83	0.52
Benzene	c1ccccc1	79426	79486	50893	72.69	27.56	20.29
Methane	C	118519	118524	118511	61.29	5.47	4.25
Amido	NC=O	25695	26975	14702	18.89	9.84	8.16
Methylbenzene	Cc1ccccc1	54529	56869	20490	54.76	35.58	25.90
Carboxy	OC=O	33009	34369	17809	23.86	12.48	10.24
Chlorine	Cl	19424	23318	19424	11.23	1.38	1.12
Cyclopropane	C1CC1	863	4358	484	8.24	7.78	5.02
Biphenyl	c1ccccc1c2ccccc2	2967	5142	146	21.94	21.65	11.44
Dopamine	NCCc1ccc(O)c(O)c1	829	913	23	1.85	2.09	1.47
Sulfisoxazole		7	8	3	0.50	0.88	0.51
BetaCarotene		2	16	1	0.48	0.68	0.58
Nitrofurantoin		0	0	0	0.42	0.58	0.52