分子相似性聚类：如何整理大规模化合物库

面对几万到上百万的化合物库，相似性聚类能把相近分子归类，帮助整理大库、挑代表、选多样化子集。

常用聚类方法

• Butina（球排除）聚类：基于 Tanimoto 距离，设阈值把相近分子聚成簇，是化学信息学常用方法。
• 层次聚类 / k-means：在指纹或降维特征上做，适合不同规模与目的。
• 选代表：从每个簇取中心分子，得到覆盖广的代表子集。

典型用途

• 去冗余：相似分子太多时，每簇留少量。
• 多样化采样：从不同簇取样，构建多样化筛选集。
• 分析结构：观察库由哪些化学系列构成。

延伸资源

• 实操：RDKit Butina.ClusterData。
• 配套：039《Tanimoto 相似性》、053《分子多样性评估》。