RDkit四：数据处理过程中smiles编码的清洗统一化

已于 2023-03-01 14:28:32 修改
阅读量4.8k 收藏 46
点赞数 7
分类专栏： RDkit 文章标签： 数据挖掘 人工智能 Powered by 金山文档
于 2023-02-28 13:33:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gongfuxiongmao_/article/details/129235781
版权
文章介绍了SMILES编码的唯一性与多样性，并通过RDKit展示虽然不同SMILES表示可能图形相同（如阿司匹林）。在数据清洗过程中，为避免同一分子多个编码问题，使用MolStandardize模块进行分子标准化。提供的Python脚本展示了如何统一SMILES编码，强调了isomericSmiles和canonical参数的作用。
摘要由CSDN通过智能技术生成

之前写过一篇博客介绍smiles编码，smart编码及摩根指纹(ECFP)：

(1条消息) RDkit：介绍smiles编码，smart编码及摩根指纹(ECFP)_随便叫点什么……的博客-CSDN博客

smiles编码具有唯一性：每个SMILES编码对应唯一一个化学结构，刚刚接触smiles编码的时候一定会有这样的疑问，为什么同一个化学分子smiles编码有多种表示形式：

c1cccc(c1OC(=O)C)C(O)=O
C(=O)(c1ccccc1OC(C)=O)O
c1c(c(OC(=O)C)ccc1)C(=O)O
c1(OC(C)=O)c(cccc1)C(O)=O
c1cc(c(C(O)=O)cc1)OC(C)=O
c1c(C(=O)O)c(OC(C)=O)ccc1
c1(c(cccc1)C(O)=O)OC(C)=O
c1cccc(C(=O)O)c1OC(=O)C
c1cccc(c1C(=O)O)OC(C)=O
c1cc(c(cc1)C(=O)O)OC(C)=O

当把上面的十个smiles编码作图时，发现得到的是一样的，都是阿司匹林

import rdkit
from rdkit import Chem
from rdkit.Chem import Draw

smiles = ['c1cccc(c1OC(=O)C)C(O)=O','C(=O)(c1ccccc1OC(C)=O)O','c1c(c(OC(=O)C)ccc1)C(=O)O','c1(OC(C)=O)c(cccc1)C(O)=O',
            'c1cc(c(C(O)=O)cc1)OC(C)=O'
最低0.47元/天 解锁文章
rdkit&nlp | smiles数据扩增与smiles标准化
ASKCOS博客
10-05 2140
from rdkit import Chem from rdkit.Chem.Draw import IPythonConsole smi = 'CC(=O)OC1=CC=CC=C1C(=O)O' mol = Chem.MolFromSmiles(smi) 用doRandom产生随机smiles random_equivalent_smiles = Chem.MolToSmiles(Chem.MolFromSmiles(smi),doRandom=True) random_equivalent_smil
smi2sdf3d：使用rdkit进行3D多样化构象生成
01-30
smi2sdf3d 使用rdkit进行3D多样化构象生成 算法和参数来自： @article{DBLP:journals/jcisd/EbejerMD12, author = {Jean{-}Paul Ebejer and Garrett M. Morris and Charlotte M. Deane}, title = {Freely Available Conformer Generation Methods: How Good Are They?}, journal = {Journal of Chemical Information and Modeling}, volume = {52}, number = {5}, pages = {1146--1158}, year = {2012}, url = {https://doi.org/10.1021/ci2004658}, doi = {10.1021/
网络药理学：4、零基础复现一篇生信文章：筛选药物成分+获得成分相关信息（下载mol2/SDF格式文件、SMILES序列号）+TCMSP、HERB、SwissADME、Pubchem使用教程
最新发布
shanshan的博客
09-06 2329
String。
利用rdkit将smiles转化为原子坐标键数据，并用正则表达式将数据提取
02-26
from rdkit import Chem from rdkit.Chem import AllChem # from rdkit.Chem import Draw import re # 读取 SMILES 字符串 smiles = "CC(=O)OC1=CC=CC=C1C(=O)O" # smiles = "C1=CC=CC=C1" mol = Chem.MolFromSmiles(smiles) mol3d = Chem.AddHs(mol)#加氢2/3 statis = Chem.MolToMolBlock(mol3d) print(statis) print(type(statis)) a = re.findall(r'(-?\d.\d+)\s+(-?\d.\d+)\s+(-?\d.\d+)\s(\w)\s+', statis) # b = re.findall(r'([^0\n a-zA-Z]+)\s+([^\n a-zA-Z]+)\s+([^0\n a-zA-Z]+)\s+\d+\s+', statis) b = re.findall(r'([1-9][0-9^.
数据清洗：字符串处理
weixin_43850016的博客
09-24 851
在拿到数据之后，一般会有一个数据清洗的工作，尤其是脏数据，光整理的时间可能就会耗掉整个分析流程的大部分。 很多人以为最费时间的是数据建模，其实不然，前期的数据获取以及数据清洗才是最花时间的过程。 还是举个例子，现有已从天猫上爬下来的若干商品信息文本，包括名称、规格、价格、批准文号、厂家等。 但发现数据根本就用不了，因为·有几个问题十分突出： 其一：名称、规格混合在一起，比如“汤臣倍健蛋白粉乳清...
使用 RDKit 和 NetworkX 将 SMILES 表示法转换为规范化化学信息
weixin_51671390的博客
07-23 1401
使用 RDKit 和 NetworkX 将 SMILES 表示法转换为规范化编码 在化学信息学中，SMILES（Simplified Molecular Input Line Entry System）是一种用于表示分子结构的简洁线性表示法。然而，同一分子可以有多种不同的 SMILES 表示，为了确保一致性和唯一性，通常需要将其转换为规范化编码 (Canonical SMILES)。本文详细介绍了如何使用 Python 库 RDKit 和 NetworkX 实现这一转换过程。
RDkit：介绍smiles编码，smart编码及摩根指纹(ECFP)
热门推荐
gongfuxiongmao_的博客
06-20 1万+
smiles，smart编码及摩根指纹介绍
rdkit&python | 清洗化学反应脚本
ASKCOS博客
11-04 449
from rdkit import Chem def canonicalizatonsmi(smi): newsmi = Chem.MolToSmiles(Chem.MolFromSmiles(smi)) return newsmi def canon_reaction(rxnstring): #print("rxnstring:",rxnstring) r,p =rxnstring.split('>>') rs = r.split('.')
SMILES标准化方法以及其中的一个坑（手性）
MOL
03-02 4630
SMILES标准化方法以及其中的一个坑（手性）
rdkit 将SMILE转3D分子并保存起来 学习笔记一
weixin_41922868的博客
10-30 1047
小白学习笔记
SMILES的基本规则
发呆的比目鱼的博客
06-21 1万+
SMILES基本规则
coulomb-matrix:从SMILES中格式化的分子生成库仑矩阵的工具
05-12
库仑矩阵 从SMILES中格式化的分子生成库仑矩阵的工具。 依存关系 该程序需要numpy，pandas，rdkit和pybel（Open Babel）。
SMILES2020:包含SMILES所有资料的存储库，Skoltech的夏季机器学习学校，将于8月16日至21日举行
03-09
SMILES2020:包含SMILES所有资料的存储库，Skoltech的夏季机器学习学校，将于8月16日至21日举行
RDKit | 基于RDKit的随机SMILES的生成
DrugAI
02-27 3236
环境 系统：Windows 10 （x64） Python： Python3.7 RDKit：2019.09.3 基于RDKit的随机smiles生成 导入库 import sys import os from rdkit import Chem from rdkit.Chem import Draw from rdkit.Chem.Draw import IPythonCon...
rdkit 读写分子操作
qq_36801966的博客
05-28 4502
让计算机识别化学分子是计算化学的必备技能，也是对分子进行各种操作的基础。 文章目录一、简介二、读分子操作2.1 引入所需库2.2、读入smiles三、写分子操作RDKit可以把分子对象保存成Smiles、molBlock、mol文件2.1 写将分子对象存储为mol文件 一、简介 rdkit支持从Smiles、mol、sdf文件中读入分子获取分子对象。Smiles、mol通常用于保存单个分子；而sdf格式是作为分子库形式设计的。 因此读入sdf得到的是分子迭代器，读入Smiles、mol文件得到分子对象。.
Rdkit|分子输出
发呆的比目鱼的博客
07-05 703
rdkit 分子输出
rdkit&networkx | smiles与graph与邻接矩阵相互转换
ASKCOS博客
08-23 1582
from rdkit import rdBase, Chem from rdkit.Chem import AllChem, Draw from rdkit.Chem.Draw import rdMolDraw2D from IPython.display import SVG from matplotlib.colors import ColorConverter import networkx as nx import argparse import multiprocessing from rdkit
过滤SMILES的CSV文件中不能用的SMILES
MOL
11-15 292
过滤SMILES的CSV文件中不能用的SMILES
SMILES, a Chemical Language and Information System.【SMILES, 一种化学语言和信息系统。】
weixin_45928096的博客
04-28 2948
SMILES, a Chemical Language and Information System. SMILES（Simplified Molecular Input Line Entry System 简化分子输入行输入系统）是为现代化学信息处理而设计的化学符号系统。基于分子图论的原理，SMILES允许通过使用非常小且自然的语法进行严格的结构说明。SMILES符号系统也非常适合高速机器处理。由此产生的化学家易用性和机器兼容性允许设计许多高效的化学计算机应用程序，包括生成独特的符号、恒定速度（零阶）数据
rdkit中的smiles如何转成使用的mol文件坐标
01-01
在RDKit中，可以使用Chem模块中的MolFromSmiles函数将SMILES转换为Mol对象。然后，可以使用AllChem模块中的Generate3DCoordinates函数为Mol对象生成3D坐标。示例代码如下： ``` from rdkit import Chem from rdkit.Chem import AllChem # 将SMILES转换为Mol对象 mol = Chem.MolFromSmiles('CCO') # 为Mol对象生成3D坐标 AllChem.Compute2DCoords(mol) AllChem.EmbedMolecule(mol) # 将3D坐标写入mol文件 with open('output.mol', 'w') as f: f.write(Chem.MolToMolBlock(mol)) ``` 在这个示例中，我们使用MolFromSmiles函数将SMILES字符串'CCO'转换为Mol对象，然后使用Compute2DCoords函数为Mol对象生成2D坐标，最后使用EmbedMolecule函数为Mol对象生成3D坐标。最后，使用MolToMolBlock函数将Mol对象的3D坐标写入mol文件中。 通过上述步骤，可以方便地将RDKit中的SMILES转换为包含3D坐标的mol文件。
评论 6
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
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