MolScribe 开源项目使用教程

MolScribe 开源项目使用教程

MolScribe Robust Molecular Structure Recognition with Image-to-Graph Generation 项目地址: https://gitcode.com/gh_mirrors/mo/MolScribe

1. 项目介绍

MolScribe 是一个用于从图像生成化学结构图的图像到图形的模型。该项目的主要功能是将分子图像转换为其化学结构。MolScribe 由 Yujie Qian 等人开发，并在 2023 年发表于《Journal of Chemical Information and Modeling》期刊。

主要特点

• 图像到图形生成：能够将分子图像转换为化学结构图。
• 鲁棒性：模型在处理复杂的分子结构时表现出色。
• 开源：项目代码完全开源，便于开发者进行二次开发和定制。

2. 项目快速启动

安装 MolScribe

选项 1：使用 pip 安装

pip install MolScribe

选项 2：从 GitHub 克隆并安装

git clone git@github.com:thomas0809/MolScribe.git
cd MolScribe
python setup.py install

使用 MolScribe 进行预测

以下是一个简单的示例，展示如何使用 MolScribe 从图像文件中预测分子结构。

import torch
from molscribe import MolScribe
from huggingface_hub import hf_hub_download

# 下载 MolScribe 的预训练模型
ckpt_path = hf_hub_download('yujieq/MolScribe', 'swin_base_char_aux_1m.pth')

# 初始化模型
model = MolScribe(ckpt_path, device=torch.device('cpu'))

# 预测分子结构
output = model.predict_image_file('assets/example.png', return_atoms_bonds=True, return_confidence=True)

# 输出结果
print(output)

3. 应用案例和最佳实践

应用案例

MolScribe 可以广泛应用于化学研究和教育领域，例如：

• 化学文献分析：自动解析化学文献中的分子结构图。
• 教育工具：帮助学生和教师快速生成和验证分子结构。
• 药物研发：辅助药物分子设计和分析。

最佳实践

• 数据预处理：确保输入图像的质量，以提高模型的准确性。
• 模型微调：根据特定需求对模型进行微调，以适应不同的应用场景。
• 多模态集成：结合其他化学信息提取工具，如 RxnScribe 和 OpenChemIE，构建更强大的化学信息处理系统。

4. 典型生态项目

RxnScribe

RxnScribe 是一个用于解析化学反应图的项目，可以与 MolScribe 结合使用，构建从反应图到分子结构的完整解析流程。

OpenChemIE

OpenChemIE 是一个化学文献信息提取工具包，能够从化学文献中提取结构化信息，与 MolScribe 结合使用，可以实现从文献到分子结构的自动化处理。

通过这些生态项目的结合，MolScribe 可以构建一个强大的化学信息处理系统，广泛应用于化学研究和教育领域。

MolScribe Robust Molecular Structure Recognition with Image-to-Graph Generation 项目地址: https://gitcode.com/gh_mirrors/mo/MolScribe