• 科学计算
• 科研
• 机器学习

本篇技术指南围绕 RDKit VLib（Virtual Library，虚拟库）框架中的SDSupplyNode展开，讲解如何将 SDF 格式的化合物文件接入虚拟库处理管线、以迭代器方式逐分子读取并支持可重复遍历。读完本文，你将掌握SDSupplyNode的构造、迭代、重置等完整用法，理解其与底层Chem.SDMolSupplier的协作关系，并能将其与过滤、去重、输出等节点自由组合，搭建可复用的高通量分子处理流水线。

一、VLib 框架与 Supply 节点定位

rdkit.VLib是 RDKit 中以"节点（Node）"为基本单元构建分子处理管线的模块，其包结构在 Docs/Book/source/rdkit.VLib.rst 中定义：核心子模块包括Node、Supply、Filter、Output、Transform，以及NodeLib子包中一系列开箱即用的具体节点。

• VLibNode（rdkit/VLib/Node.py）是全部节点的基类，定义了迭代接口（__iter__/next/reset）与库图操作（AddParent、AddChild、GetParents、GetChildren、Destroy）。
• SupplyNode（rdkit/VLib/Supply.py）是"供应者"节点的基类，其核心假设是没有父节点——它是一整条处理链的最上游，负责对外部数据源（内存列表、文件、数据库）产出分子对象。
• SDSupplyNode正是SupplyNode的 SDF 文件特化实现，位于 rdkit/VLib/NodeLib/SDSupply.py。

从源码结构看，整个NodeLib包（rdkit/VLib/NodeLib/init.py）对外暴露了SmartsMolFilter、SDSupply、SmartsRemover、SmilesDupeFilter、SmilesOutput等模块，SDSupplyNode在其中扮演"数据入口"的角色。

二、SDSupplyNode 类的核心实现

2.1 构造参数

SDSupplyNode的构造函数定义如下：

def __init__(self, fileName, **kwargs): SupplyNode.__init__(self, **kwargs) self._fileName = fileName self._supplier = Chem.SDMolSupplier(self._fileName)

它只接收一个必填参数：

2.2 迭代协议：next 与 reset

SDSupplyNode完整实现了 Python 迭代器协议：

def reset(self): SupplyNode.reset(self) self._supplier.reset() def next(self): return next(self._supplier) SDSupplyNode.__next__ = SDSupplyNode.next

• next()：每次调用从底层Chem.SDMolSupplier取下一个Mol对象；数据耗尽时抛出StopIteration，从而天然兼容for循环与列表推导。
• reset()：先调用父类SupplyNode.reset()将位置指针归零，再调用底层 supplier 的reset()，使文件流回到开头，实现可重复遍历。
• 文件末尾的SDSupplyNode.__next__ = SDSupplyNode.next将旧的next()方法绑定到新式迭代协议上，保证next(suppl)与suppl.__next__()两种调用方式均可用。

三、底层机制：Chem.SDMolSupplier

SDSupplyNode本身不做 SDF 解析，而是委托给 RDKit 化学模块的Chem.SDMolSupplier（源码位置见 rdkit/Chem/init.py 的导入及 rdkit/Chem/UnitTestSuppliers.py 的测试验证）。这一设计的好处是：

• 惰性读取：supplier 按需从磁盘解析分子，而非一次性把整个文件载入内存，适合大文件批量处理；
• 属性继承：SDF 中的结构数据字段（如<NSC>、<CAS_RN>）会自动写入分子的属性字典，通过GetProp()读取；
• 健壮的重复遍历：reset()后可以再次从头迭代，已被 rdkit/Chem/UnitTestSuppliers.py 的单元测试覆盖（断言reset()后首分子名称仍为'48'，读完 10 个分子后再next会抛StopIteration）。

仓库还保留了已被弃用的FastSDMolSupplier（rdkit/Chem/FastSDMolSupplier.py），它只是Chem.SDMolSupplier的子类占位，官方建议直接使用后者。

四、实战用法：读取 SDF 并验证属性

SDSupplyNode自带可运行的 doctest 示例，其测试数据文件为 rdkit/VLib/NodeLib/test_data/NCI_aids.10.sdf（内含 10 个 NCI AIDS 筛选集分子，每个分子带有NSC、CAS_RN、NCI_AIDS_Antiviral_Screen_IC50等属性字段）。

import os from rdkit import RDConfig from rdkit.VLib.NodeLib.SDSupply import SDSupplyNode fileN = os.path.join(RDConfig.RDCodeDir, 'VLib', 'NodeLib', 'test_data', 'NCI_aids.10.sdf') suppl = SDSupplyNode(fileN) # 遍历全部分子 ms = [x for x in suppl] len(ms) # 10 ms[0].GetProp("_Name") # '48' ms[1].GetProp("_Name") # '78' # 重置后重新从头遍历 suppl.reset() suppl.next().GetProp("_Name") # '48' suppl.next().GetProp("_Name") # '78'

运行要点：

1. RDConfig.RDCodeDir指向 RDKit 安装目录的代码根，用于拼接仓库自带测试数据路径；
2. _Name属性由 SDF 文件第一个字段（分子标题行）自动填充，对应 NCI_aids.10.sdf 中的48、78等标题值；
3. 除_Name外，还可以通过GetProp("NSC")、GetProp("CAS_RN")读取结构数据字段，与 rdkit/Chem/UnitTestSuppliers.py 中的底层 supplier 行为一致。

五、管线组合：将 SDSupplyNode 接入处理链

SDSupplyNode的价值在于作为处理链的起点。仓库自带的 rdkit/VLib/NodeLib/demo.py 展示了一条完整的组合管线（其中用内存SupplyNode替代了 SDF 输入，注释部分保留了真实用法）：

from rdkit.VLib.NodeLib.SDSupply import SDSupplyNode fName = os.path.join(RDConfig.RDCodeDir, 'VLib', 'NodeLib', 'test_data', 'NCI_aids.10.sdf') supplier = SDSupplyNode(fName)

在此基础上可以继续挂接下游节点，例如：

# 1) 用 SMARTS 过滤掉含金属/镧系元素的分子 smaFilter = SmartsMolFilter.SmartsFilter(patterns=[metals], counts=[1]) smaFilter.SetNegate(1) smaFilter.AddParent(supplier) # 2) 用 SMARTS 移除盐离子片段 remover = SmartsRemover.SmartsRemover(patterns=salts) remover.AddParent(smaFilter) # 3) 按原子数过滤 atsFilter = Filter.FilterNode(func=lambda x: x.GetNumAtoms() > 1) atsFilter.AddParent(remover) # 4) 按规范 SMILES 去重 dupeFilter = SmilesDupeFilter.DupeFilter() dupeFilter.AddParent(atsFilter) # 5) 输出 SMILES 文本 output = SmilesOutput.OutputNode(dest=io, delim=', ', idField='Name') output.AddParent(dupeFilter)

各节点的协作机制：

• AddParent建立数据流方向：下游节点调用next()时，会通过GetParents()向上游取数（见 rdkit/VLib/Node.py）；
• DupeFilter（rdkit/VLib/NodeLib/SmilesDupeFilter.py）用Chem.MolToSmiles的规范 SMILES 集合去重，其类文档中的示例正是以SDSupplyNode作为输入源；
• OutputNode（rdkit/VLib/NodeLib/SmilesOutput.py）支持delim、idField参数，可输出ID, SMILES, 附加字段格式的文本。

注意：SupplyNode的AddParent会主动抛出ValueError('SupplyNodes do not have parents')（见 rdkit/VLib/Supply.py），因此SDSupplyNode只能作为链路首节点，任何试图为它添加父节点的操作都会失败——这是框架刻意保证的数据流单向性。

六、同族供应节点对比

NodeLib中还提供了另外两个基于SupplyNode的供应者，可对比选择：

其中SmilesSupplyNode默认delim="\t"、smilesColumn=0、nameColumn=1、titleLine=False，其 doctest 使用 rdkit/VLib/NodeLib/test_data/pgp_20.txt 验证了列号与标题行配置（参见 rdkit/VLib/NodeLib/SmilesSupply.py）。三者的next()/reset()接口完全一致，可以在管线上互换使用。

七、测试与验证方式

SDSupplyNode的可信度由两层测试保证：

1. doctest：类文档中的示例被 rdkit/VLib/NodeLib/UnitTestNodeLib.py 通过doctest.DocTestSuite(SDSupply, ...)收集执行；模块自身也保留了_runDoctests()入口（rdkit/VLib/NodeLib/SDSupply.py），可直接运行python SDSupply.py验证；
2. 单元测试：rdkit/Chem/UnitTestSuppliers.py 覆盖了底层Chem.SDMolSupplier的迭代、重置、属性读取与StopIteration行为，而 rdkit/VLib/UnitTestVLib.py 验证了SupplyNode的迭代器与父节点约束。

八、小结

SDSupplyNode是 RDKit VLib 框架中最直接的 SDF 数据接入方案：它复用Chem.SDMolSupplier完成惰性解析，通过next()/reset()提供标准的可重复迭代语义，并以"无父节点"的供应者身份占据处理链首端。将其与SmartsMolFilter、SmartsRemover、SmilesDupeFilter、SmilesOutput等NodeLib节点通过AddParent串联，即可快速构建从 SDF 文件到结构化结果的完整虚拟库处理管线。

• 科学计算
• 科研
• 机器学习