小ネタ：塩を除去する関数

化合物データを機械学習に用いるとき、前処理で塩を除去する操作を行います。
例えば、酢酸ナトリウム塩のナトリウムを除いて、酢酸にする、といった具合です。
RDKit には Chem.SaltRemover という関数があるのですが、個人的にこれは使いにくいと思っています。
理由としては、
・前もって除きたい塩の種類を指定しておく必要があり、漏れが生じる可能性が高い。
・有機分子塩（マレイン酸塩など）が上手く除けない。
・入力の記法が独特でエラーを起こしやすい。
といった理由が挙げられます。

ここで、塩の SMILES 表記は . で区切られる（酢酸ナトリウムだったら CC(=O)[O-].[Na+]）ことに着目し、自作の塩除去関数を作成してみました。

import numpy as np
import pandas as pd
from rdkit import Chem
from rdkit.Chem.Draw import IPythonConsole

def salt_remover(smiles):
    split_smiles = smiles.split(".")
    sel_idx = np.argmax([len(string) for string in split_smiles])
    return split_smiles[sel_idx]

smiles = "CC(=O)[O-].[Na+]"
salt_remover(smiles)

この関数は SMILES の文字列（str 型）を split で分割して文字列リストにし、一番長い SMILES を取得するして戻り値としています。
SDF で読み込んだ化合物の場合は SMILES に変換する必要があるため、立体配座などの情報は失われることに注意する必要がありますが、塩の指定をしなくて良いため、漏れは少なくなると思います。