Mid-chain neutral Arginine is missing from the substructure library

[Yoshanuikabundi]

Neutral arginine (missing HH12 or HH22 to make the guanidino group neutral) is present in the substructure dictionary, but only as a terminal residue. It should be present mid-chain as well.

>>> import json
>>> from openff.toolkit.utils.utils import get_data_file_path
>>> substructure_file_path = get_data_file_path(
...     "proteins/aa_residues_substructures_explicit_bond_orders_with_caps_explicit_connectivity.json"
... )
>>> with open(substructure_file_path) as subfile:
...     substructure_dictionary = json.load(
...         subfile
...     )
>>> # The only mid-chain Arginine has a charged sidechain
>>> [
...     names
...     for names in substructure_dictionary["ARG"].values()
...     if (
...         "OXT" not in names and "H2" not in names
...     )
... ]
[['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'H',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH12',
  'HH21',
  'HH22',
  '*',
  '*']]
>>> # Neutral arginine sidechains exist as termini
>>> [
...     names
...     for names in substructure_dictionary["ARG"].values()
...     if (
...         "HH12" not in names or "HH22" not in names
...     )
... ]
[['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'OXT',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH21',
  'HH22',
  'HXT',
  'H1',
  'H2'],
 ['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'OXT',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH21',
  'HH22',
  'H1',
  'H2'],
 ['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH21',
  'HH22',
  'H1',
  'H2',
  '*'],
 ['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'OXT',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH12',
  'HH21',
  'HXT',
  'H1',
  'H2'],
 ['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'OXT',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH12',
  'HH21',
  'H1',
  'H2'],
 ['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH12',
  'HH21',
  'H1',
  'H2',
  '*'],
 ['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'OXT',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH21',
  'HH22',
  'H1',
  'H2',
  'H3'],
 ['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH21',
  'HH22',
  'H1',
  'H2',
  'H3',
  '*'],
 ['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'OXT',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH12',
  'HH21',
  'H1',
  'H2',
  'H3'],
 ['N',
  'CA',
  'C',
  'O',
  'CB',
  'CG',
  'CD',
  'NE',
  'CZ',
  'NH1',
  'NH2',
  'HA',
  'HB2',
  'HB3',
  'HG2',
  'HG3',
  'HD2',
  'HD3',
  'HE',
  'HH11',
  'HH12',
  'HH21',
  'H1',
  'H2',
  'H3',
  '*']]