OpenBabel 转格式：PDB、SDF、MOL2、PDBQT 怎么互转

格式转换是计算化学中最容易被低估的错误来源：一次不当的转换可能悄无声息地改变分子的键级、电荷、立体化学或质子化态，而后续所有计算都基于这个错误的分子。

各格式的信息含量

格式	三维坐标	键级	电荷	立体化学	氢
SMILES	无	有	有	有	隐式
SDF / MOL	有	有	有	有	可显可隐
MOL2	有	有	有（含部分电荷）	有	通常显式
PDB	有	无	无	隐含于坐标	常缺失
PDBQT	有	无	有（部分电荷）	隐含	仅极性氢
XYZ	有	无	无	隐含	显式

核心原则：只能从信息多的格式转到信息少的格式，反向转换必然涉及推断。从 PDB 或 XYZ 恢复键级，是靠几何猜测的——这是最主要的错误来源。

OpenBabel 基本用法

# 安装
conda install -c conda-forge openbabel
# 或 apt install openbabel / brew install open-babel

# 基本转换
obabel input.sdf -O output.mol2

# 加氢（按 pH）
obabel input.sdf -O output.sdf -p 7.4

# 删氢
obabel input.sdf -O output.sdf -d

# 生成三维坐标
obabel input.smi -O output.sdf --gen3d

# 能量最小化
obabel input.sdf -O output.sdf --minimize --ff MMFF94 --steps 500

# 批量分割多分子文件
obabel ligands.sdf -O out.sdf -m

# 只输出满足条件的分子（过滤）
obabel input.sdf -O output.sdf --filter "MW<500"

# 查看支持的格式
obabel -L formats

关键的坑

# 坑一：--gen3d 的质量不如 RDKit ETKDG
#   OpenBabel 的三维生成较粗糙
#   → 生成构象建议用 RDKit（见 279）

# 坑二：-p 的质子化预测不可靠
#   OpenBabel 的 pH 模型很简单
#   → 药物分子的质子化建议用 Dimorphite-DL（见 046）

# 坑三：PDB → SDF 的键级推断会出错
#   典型错误：
#     芳香环被识别成交替单双键（凯库勒式）或反之
#     羧酸/酰胺的键级错误
#     磷酸/硫酸基团的键级错误
#   → 从 PDB 恢复配体，正确做法是用模板：

from rdkit import Chem

template = Chem.MolFromSmiles("CC(=O)Nc1ccc(O)cc1")  # 已知的正确结构
pdb_mol = Chem.MolFromPDBFile("ligand.pdb", removeHs=False)
# 用模板赋予正确的键级
fixed = Chem.AllChem.AssignBondOrdersFromTemplate(template, pdb_mol)

# 坑四：立体化学在无键级的格式中容易丢失
#   PDB/XYZ 中手性由坐标隐含，
#   转换时如果键级推断错了，手性判断也会错
#   → 转换后必须检查：
#      Chem.FindMolChiralCenters(mol, useLegacyImplementation=False)

# 坑五：静默失败
#   OpenBabel 遇到问题常给出警告而非报错，
#   继续输出一个错误的分子
#   → 必须检查输出，不能假设成功

什么时候用 OpenBabel，什么时候不用

任务	推荐
SDF ↔ MOL2 ↔ PDB 的坐标转换	OpenBabel 可以
处理罕见格式（CIF、CML 等）	OpenBabel（格式支持最广）
批量分割/合并文件	OpenBabel
SMILES → 三维构象	RDKit ETKDG
质子化态处理	Dimorphite-DL
分子标准化	RDKit / ChEMBL Structure Pipeline（见 046《分子标准化》）
转 PDBQT	Meeko（见 106《Meeko》）
PDBQT → SDF	Meeko mk_export
PDB 中提取配体并恢复键级	RDKit + 模板

OpenBabel 的定位是「格式支持最广的通用转换器」，而非「每个任务的最佳工具」。

转换后的验证

from rdkit import Chem

def verify_conversion(before_path, after_path):
    """转换前后的一致性检查"""
    a = Chem.MolFromMolFile(before_path)
    b = Chem.MolFromMolFile(after_path)
    if a is None or b is None:
        return "解析失败"

    checks = {}
    # 1) 分子式是否一致（最基本的检查）
    from rdkit.Chem.rdMolDescriptors import CalcMolFormula
    checks["formula"] = (CalcMolFormula(a), CalcMolFormula(b))

    # 2) 规范 SMILES 是否一致（最严格的检查）
    checks["smiles"] = (Chem.MolToSmiles(a), Chem.MolToSmiles(b))

    # 3) 净电荷
    checks["charge"] = (Chem.GetFormalCharge(a), Chem.GetFormalCharge(b))

    # 4) 手性中心
    checks["chiral"] = (
        Chem.FindMolChiralCenters(a, useLegacyImplementation=False),
        Chem.FindMolChiralCenters(b, useLegacyImplementation=False),
    )

    diffs = {k: v for k, v in checks.items() if v[0] != v[1]}
    return diffs if diffs else "一致"

# 在批量流程中，这个检查应该自动化并记录
# 任何不一致都应该报警而非静默通过

Python 接口

# OpenBabel 的 Python 绑定
from openbabel import pybel

# 读取
mol = next(pybel.readfile("sdf", "input.sdf"))
print(mol.molwt, mol.formula)
print(mol.write("smi").strip())

# 计算描述符
print(mol.calcdesc(["logP", "TPSA", "MW"]))

# 转换并写出
mol.write("mol2", "output.mol2", overwrite=True)

# 批量处理
out = pybel.Outputfile("sdf", "processed.sdf", overwrite=True)
for mol in pybel.readfile("smi", "input.smi"):
    mol.make3D(forcefield="mmff94", steps=100)
    out.write(mol)
out.close()

# 但在 Python 中，RDKit 通常是更好的选择
# OpenBabel 的价值主要在命令行的格式覆盖面

延伸资源

• Meeko：106《Meeko》；分子标准化：046《分子标准化》；
• RDKit：171《RDKit》；构象生成：279《OpenEye Omega》。