RDKit | 化合物描述符向量化及部分结构检索

numpy的vectorization

arrays很重要因为它提供了可以批处理数据而不需要写任何for循环,叫做vectorization;

 

化合物描述符向量化及相似性检索

导入库

import pandas as pd
from numpy import vectorize as vec
from rdkit import Chem
from rdkit.Chem.Draw import IPythonConsole
from rdkit.Chem import Descriptors,PandasTools
from rdkit.Chem.AllChem import Compute2DCoords

载入数据并查看

mols = PandasTools.LoadSDF("cdk2.sdf",smilesName='SMILES',molColName='Molecule',includeFingerprints=True)
mols.head()
科研智能体AI实战:基于LLM+RAG+Python的自主科研助手构建指南 Agentic AI(智能体AI)是人工智能领域的重要范式,其核心在于让AI系统具备自主感知、规划、行动与反思的闭环能力。这一架构通常以大型语言模型(LLM)作为决策中枢,通过检索增强生成(RAG)技术接入领域知识库作为长期记忆,并调用Python等工具链执行具体任务,从而在复杂场景中实现目标导向的自动化。其技术价值在于将生成式AI从被动问答升级为主动的问题解决者,显著提升信息处理与任务执行的效率与深度。在科研领域,这一技术尤其适用于文献调研、数据分析、实验模拟等重复性高、流程复杂的场景,能够帮助研究人员从 阅读详情

相关推荐

rdkit 分子性质描述符(Descriptors)

文章目录一、引入所需库二、性质描述符计算三、原子对性质的贡献可视化 分子性质也被称为描述符。 RDKit中内置了大量的分子描述符的计算方法, 这些方法主要位于rdkit.Chem.Descriptors <https://www.rdkit.org/docs/source/rdkit.Chem.Descriptors.html#module-rdkit.Chem.Descriptors>_ 也有些常用的性质在AllChem模块下面。 一、引入所需库 #! /usr/bin/python # co

qq_36801966的博客 8095

【bioinformation 9】RDKit

化合物(compounds)药物是一种主要的药物类型,通常进行相关研究时通常需要对其结构进行操作,展示,及分子量,化学描述符等计算。这里介绍一个操作简便友好的开源工具,RDKit。RDKit是一个用于化学信息学的开源工具包,基于对化合物2D和3D分子操作,利用机器学习方法进行化合物描述符生成,fingerprint生成,化合物结构相似性计算,2D和3D分子展示等。基于PYTHON语言进行调取使用。

zzqingyun的博客 4658

RDKit | 计算化合物描述符

描述符 Descriptor:通过量化部分结构特征和物理化学性质来表达化合物的化学特征。 导入库 import rdkit import pandas as pd from rdkit import Chem from rdkit.Chem import Descriptors from rdkit.ML.Descriptors import MoleculeDescriptors 载入...

DrugOne 6167

RDKit | 基于RDKit和scikit-learn的KNN模型预测Ames的致突变性

化学信息学中的模型构建 将分子转换为特征向量(编码) 描述特征向量与目标分子特性(映射)之间的关系 K最近邻(kNN,k-NearestNeighbor) 将数据集放置在特征空间中(学习) 根据k个相邻数据点的值确定新点的值(预测) 当k = 1时:它被归类为“红色”以及最接近的红点。 当k = 3时,最接近的三个点是红色2蓝色1,并以多数票被归类为“红色”。 当k = 5时:最接...

DrugOne 1873

RDKit | 基于RDKit去除片段(盐或络合物等)

简介 如果mol文件或smiles包含多个化合物(片段),则会干扰后续的描述符计算等。 环境 Python3.6 RDKit 2019.09.1.0 去除盐 导入库 from rdkit import Chem from rdkit.Chem.SaltRemover import SaltRemover 载入数据 smis = ("CN(C)C.Cl", "CN(Br)Cl.C...

DrugOne 4038

SMILES-enumeration:使用LSTM递归神经网络进行QSAR建模的SMILES枚举

SMILES枚举,向量化和批处理生成 SMILES枚举是写出所有可能的SMILES形式的分子的过程。 这是在基于序列的分子建模之前进行数据增强的有用技术。 您可以在此或了解有关背景的更多信息 笔记 提供了更多更新的软件包。 导入SmilesEnumerator并实例化对象 from SmilesEnumerator import SmilesEnumerator sme = SmilesEnumerator () print help ( SmilesEnumerator ) Help on class SmilesEnumerator in module SmilesEnumerator: class SmilesEnumerator(__builtin__.object) | SMILES Enumerator, vectorizer and devectorizer |

HERG-QSAR:使用RDKIT和SciKit-Learn分析来自Chembl的Herg数据

hERG-QSAR hERG(人类以太相关基因)是钾离子通道的α亚基。 hERG以其对协调心脏跳动的心脏电活动的贡献而闻名。 抑制hERG会导致心脏不规则跳动,甚至可能导致死亡。 这是我的快速尝试,以探索一些可用于抑制HERG离子通道的CHEMBL数据 分子描述符是使用RDKit从分子结构生成的。 然后将其用于各种回归计算中 ####依赖关系:

RDKit|搜索子结构时对侧链进行条件限制

文章目录一、简单子结构搜索1. 初始化2. 获取所有匹配的结构3. 查看匹配的结构二、带条件的子结构搜索1. 定义条件2. 对侧链设置条件3. 使用条件进行筛选4. 其他条件举例 一、简单子结构搜索 1. 初始化 m表示待搜索的原始分子 p表示带侧链的四元环结构 >>> from rdkit import Chem >>> from rdkit.Chem import Draw >>> m = Chem.MolFromSmiles('C2NCC2CC1C(CCCC)C(OCCCC)C1c2ccccc2') >>> p = Chem.MolFromSmarts('C1CCC1*') 2. 获取

手持式激光测距仪全套方案

激光测距全套方案,包括原理图、源代码、PCB、BOM、光学部分资料,结构、特殊元件数据手册及供应商联系方式,提供调试技术文档。全套方案已成功打板验证,实现0.05~50m测量范围,精度在+/—1.5mm,激光波长635~650nm,功率《1mW。方案预留了TTL串口、RS485接口,可通过串口助手看到测量数据,可自行DIY或者商业开发。无论是电路小白,还是技术大拿,都能通过方案资料成功做出一套激光测距仪。

Laser01的博客 2043

嵌入式定点PID控制器:mrm-pid极简实现与实时控制实践

PID控制器是自动控制领域的基础算法,其核心在于比例、积分、微分三环节的协同调节。在资源受限的嵌入式系统中,传统浮点PID易受时序抖动、内存分配不确定性及FPU依赖影响,难以满足毫秒级确定性响应需求。定点PID通过整数运算替代浮点计算,显著提升执行周期稳定性与跨平台兼容性,成为电机控制、传感器补偿等实时场景的关键技术路径。mrm-pid库以位置式结构、int32_t增益参数、int64_t积分累加器和无动态内存设计,实现了超低开销(12–28 CPU周期)与完全可审计的闭环内核,天然适配Cortex-M系列

weixin_31659095的博客 569

目标检测数据集 第069期-基于yolo标注格式的玻璃清洁状态检测数据集(含免费分享)

但这类技术的落地,离不开大量标注规范、场景丰富的数据集作为算法训练的支撑,玻璃清洁状态检测数据集的出现,正是为了满足这一市场与技术需求。在高校与科研机构的计算机视觉研究中,该数据集可作为基础研究素材,用于探索物体状态识别的算法优化方向,比如针对玻璃这类透明物体的检测算法改进,或是小样本场景下的状态识别研究。通过摄像头采集车窗、挡风玻璃的图像,算法自动检测玻璃清洁度,若识别到脏污影响视线,及时提醒运维人员清洁,避免因玻璃脏污引发的安全事故,提升交通出行的安全性。

深度学习算法工程师,专注于前沿算法研究与实战应用。在这里,我将分享深度学习领域的实战经验、优质数据集资源以及最新论文解读与精度分析,旨在与广大技术爱好者共同探索人工智能的奥秘,助力技术成长与创新。 121

mysql 学习笔记(1):mysql 基本概念和 mysql workbench 的基本使用方法

…

qq_52740163的博客 1351

Deepseek 10分钟化身理性荐股神器:触碰程序员不敢想的天花板

在这个消息疯狂、波动频繁的市场,“理性”两字显得弥足珍贵。通过Deepseek+AkShare+Aktools+Dify四位一体的方案,能帮我们降低信息搜集成本,并在短期投资领域搭建出一套“可解释、低门槛、易定制”的量化荐股流程。不要再盲目听小道消息或依赖情绪驱动,不妨给自己一个机会,让数据说话。而要注意的是,“理性荐股”并非万能,它只是工具,最终的收益还得依赖投资者自身对风险和机遇的权衡。祝大家都能在这股市里收获理性的底气,寻得更精准的入场时机。

qqxdh的博客 3745

【FPGA教程案例37】通信案例7——基于FPGA的FFT,IFFT傅里叶变换和逆变换

关于FFT和IFFT的相关描述,在上一课程我们已经有所了解,本课程不再重复。在上一课程,我们初步掌握了如何通过FFT对输入信号进行频谱分析,在本课程,我们将学习如何通过FPGA实现FFT和IFFT得到初始信号的过程。关于FFT的IP核配置,和上一课程相同。下面直接介绍其verilog调用过程。我们可以看到,IFFT的配置非常简单,在FFT的基础上,只需要将该参数的最后一位改为0,就可以实现IFFT变化。下面我们通过testbench文件,同时调用FFT和IFFT实现信号的傅里叶变换和逆变换。......

FPGA/MATLAB学习教程/源码/项目合作开发 4510

海康威视嵌入式最全面试题及参考答案(3万字长文)

主营业务:提供包括前端摄像头、后端存储设备、显示控制设备等在内的全方位视频监控解决方案。市场地位:在全球范围内享有较高的市场份额,在安防领域具有较强的竞争力。技术创新:持续投入研发,拥有多项核心技术和专利,特别是在视频处理算法、人工智能等方面取得了显著成果。社会责任:积极参与公共安全项目,为智慧城市、交通管理等领域提供技术支持和服务。国际业务:除了国内市场外,海康威视的产品和服务也销往全球多个国家和地区。面向对象编程。

大模型大数据攻城狮的专栏 1752

基于ZYNQ PL的AD7606数据采集与FFT实时频谱分析:从硬件到创新实现

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kKnmpgJm-1750295287594)(https://example.com/fft_plot.png)]本文涉及代码已在Xilinx ZCU102开发板与AD7606评估板上验证通过,采样率支持200KSPS@8通道,FFT计算延迟<1ms。传统MCU+DSP方案难以兼顾速度与功耗,而ZYNQ的PL+PS架构为这一问题提供了完美解决方案。本文实现的ZYNQ PL方案突破了传统处理器的性能瓶颈,通过。

QQ_778132974的博客 331

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

上一篇: Nat. Methods | 学习微生物与代谢产物之间相互作用的神经网络
下一篇: RDKit | 基于Murcko骨架聚类化合物库
DrugOne
DrugOne 新星创作者: 人工智能技术领域 新星创作者: 人工智能技术领域 领域专家: 数据科学与机器学习技术领域 领域专家: 数据科学与机器学习技术领域
博客等级 码龄13年 3990粉丝 742原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

DrugOne

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值