RXNFP 项目教程

RXNFP 项目教程

rxnfp Reaction fingerprints, atlases and classification. Code complementing our Nature Machine Intelligence publication on "Mapping the space of chemical reactions using attention-based neural networks" (http://rdcu.be/cenmd). 项目地址: https://gitcode.com/gh_mirrors/rx/rxnfp

1. 项目介绍

RXNFP 是一个用于生成化学反应指纹的 Python 库。该库通过反应 SMILES（简化分子线性输入系统）生成化学反应的指纹，这些指纹可以用于化学反应的分类和空间映射。RXNFP 是基于注意力机制的神经网络开发的，其核心功能是生成反应指纹，这些指纹可以用于构建化学反应的图谱（atlas）。

RXNFP 的主要功能包括：

• 从反应 SMILES 生成化学反应指纹。
• 使用生成的指纹映射化学反应的空间。
• 支持批量处理多个反应。

2. 项目快速启动

安装

为了安装 RXNFP，我们推荐使用 conda 来管理环境和依赖项。以下是安装步骤：

# 创建并激活 conda 环境
conda create -n rxnfp python=3.6 -y
conda activate rxnfp

# 安装 rdkit 和 tmap 依赖
conda install -c rdkit rdkit=2020.03.3 -y
conda install -c tmap tmap -y

# 安装 RXNFP
pip install rxnfp

使用示例

以下是一个简单的示例，展示如何使用 RXNFP 生成单个反应的指纹：

from rxnfp.transformer_fingerprints import (
    RXNBERTFingerprintGenerator,
    get_default_model_and_tokenizer,
    generate_fingerprints
)

# 获取默认的模型和分词器
model, tokenizer = get_default_model_and_tokenizer()

# 创建指纹生成器
rxnfp_generator = RXNBERTFingerprintGenerator(model, tokenizer)

# 示例反应 SMILES
example_rxn = "Nc1cccc2cnccc12.O=C(O)c1cc([N+](=O)[O-])c(Sc2c(Cl)cncc2Cl)s1>>O=C(Nc1cccc2cnccc12)c1cc([N+](=O)[O-])c(Sc2c(Cl)cncc2Cl)s1"

# 生成指纹
fp = rxnfp_generator.convert(example_rxn)

# 输出指纹长度和前五个元素
print(len(fp))
print(fp[:5])

3. 应用案例和最佳实践

应用案例

RXNFP 的一个典型应用是生成化学反应的图谱（atlas）。通过生成的指纹，可以映射化学反应的空间，从而帮助研究人员理解和分类不同的化学反应。以下是一个生成反应图谱的示例：

# 生成多个反应的指纹
rxns = [example_rxn, example_rxn]
fps = rxnfp_generator.convert_batch(rxns)

# 输出指纹数量和每个指纹的长度
print(len(fps), len(fps[0]))

最佳实践

• 批量处理：对于大量反应数据，建议使用批量处理功能以提高效率。
• 模型优化：根据具体需求，可以对模型进行微调以提高指纹生成的准确性。
• 数据可视化：使用生成的指纹进行数据可视化，帮助理解化学反应的空间分布。

4. 典型生态项目

RXNFP 作为一个开源项目，与其他化学信息学工具和平台有良好的兼容性。以下是一些典型的生态项目：

• RDKit：一个用于化学信息学的开源工具包，RXNFP 依赖于 RDKit 进行化学反应的处理。
• TMAP：用于生成和可视化化学反应图谱的工具，RXNFP 生成的指纹可以与 TMAP 结合使用。
• RXN for Chemistry：一个基于 AI 的化学反应平台，RXNFP 的分类模型在该平台上得到应用。

通过这些生态项目的结合，RXNFP 可以更好地服务于化学反应的研究和应用。

rxnfp Reaction fingerprints, atlases and classification. Code complementing our Nature Machine Intelligence publication on "Mapping the space of chemical reactions using attention-based neural networks" (http://rdcu.be/cenmd). 项目地址: https://gitcode.com/gh_mirrors/rx/rxnfp