RXNMapper 开源项目教程

RXNMapper 开源项目教程

rxnmapperRXNMapper: Unsupervised attention-guided atom-mapping. Code complementing our Science Advances publication on "Extraction of organic chemistry grammar from unsupervised learning of chemical reactions" (https://advances.sciencemag.org/content/7/15/eabe4166). 项目地址:https://gitcode.com/gh_mirrors/rx/rxnmapper

1. 项目介绍

RXNMapper 是一个用于化学反应的自动原子映射工具。它通过无监督学习的方法，从化学反应中提取有机化学的语法规则。该项目的主要目标是帮助化学家和研究人员更高效地进行化学反应的分析和模拟。RXNMapper 的核心功能是使用注意力机制来指导原子映射，从而提高映射的准确性和效率。

2. 项目快速启动

安装

你可以通过以下两种方式安装 RXNMapper：

通过 pip 安装

conda create -n rxnmapper python=3.6 -y
conda activate rxnmapper
pip install rxnmapper

通过 GitHub 安装

git clone https://github.com/rxn4chemistry/rxnmapper.git
cd rxnmapper
conda create -n rxnmapper python=3.6 -y
conda activate rxnmapper
pip install -e .

使用示例

以下是一个简单的使用示例，展示了如何使用 RXNMapper 进行化学反应的原子映射：

from rxnmapper import RXNMapper

rxn_mapper = RXNMapper()
rxns = ['CC(C)S.CN(C)C=O.Fc1cccnc1F.O=C([O-])[O-].[K+].[K+]>>CC(C)Sc1ncccc1F']
results = rxn_mapper.get_attention_guided_atom_maps(rxns)

for result in results:
    print(result['mapped_rxn'])
    print(result['confidence'])

3. 应用案例和最佳实践

应用案例

RXNMapper 可以广泛应用于化学反应的自动化分析和模拟。例如，在药物研发过程中，化学家可以使用 RXNMapper 来快速分析和优化化学反应路径，从而加速新药的开发。

最佳实践

1. 数据准备：在使用 RXNMapper 之前，确保输入的化学反应数据格式正确，并且包含所有必要的反应物和产物信息。
2. 模型调优：根据具体的应用场景，可以对 RXNMapper 的模型进行微调，以提高映射的准确性。
3. 结果验证：在实际应用中，建议对 RXNMapper 的输出结果进行验证，以确保映射的正确性。

4. 典型生态项目

RXNMapper 是 RXN4Chemistry 生态系统的一部分，该生态系统还包括以下相关项目：

1. rxn-chemutils：提供化学相关的 Python 工具，用于处理化学数据和反应。
2. sac-action-extraction：使用 Transformer 模型提取单原子催化剂合成动作。
3. rxn-ir-to-structure：从红外光谱预测分子结构。
4. rxn-onmt-models：基于 OpenNMT 的 RXN 模型训练工具。

这些项目共同构成了一个完整的化学反应分析和模拟工具链，为化学研究和应用提供了强大的支持。

rxnmapperRXNMapper: Unsupervised attention-guided atom-mapping. Code complementing our Science Advances publication on "Extraction of organic chemistry grammar from unsupervised learning of chemical reactions" (https://advances.sciencemag.org/content/7/15/eabe4166). 项目地址:https://gitcode.com/gh_mirrors/rx/rxnmapper