m0_47163076的博客

原创 pd.DataFrame() 运行很慢，好久运行不出来

pandas和numpy是一对。

原创 不能导入当前目录下的py模块，不能导入自己写的包

遇到一个很奇怪的问题，在jupyter里面，明明这个包就在当前目录下就是不能倒入，后来 发现os.getcwd() 返回的也不是当前文件所在目录，真是奇哉怪也！然后我在终端cd进去我要运行代码的目录，然后在 jupoyter notebook 发现os.getcwd()返回当前目录正确，然后也能正常导入模块了！...

原创 python基本操作

1，列表返回排序列表的索引>>> lis = [1,2,3,0,1,9,8]>>> sorted(range(len(lis)), key=lambda k: lis[k])[3, 0, 4, 1, 2, 6, 5]>>>这个更简单idx_sort = np.argsort(lis)列表按照指定索引排序idx_sort = np.argsort(lis)np.array(mol_dic["conformers"])[idx_so

原创 numpy的高级数学运算

numpy官方文档a=np.array([2,3])b=np.array([3,2])#计算a的范数（长度）a_norm=np.linalg.norm(a)#计算b的范数（长度）b_norm=np.linalg.norm(b)#使用余弦定理计算cos_there的弧度值cos_theta=np.arccos(a_dot_b/(a_norm*b_norm))#将弧度转化为角度print(np.rad2deg(cos_theta))叉乘：np.cross(a,b)点乘：a.dot(b)

原创 dataframe基本操作

行列数返回列数：df.shape[1]返回行数：df.shape[0]或者：len(df)索引切片高级操作apply 和 applymapdf.apply(func)取df中的每一列作为func的输入即运行：func(df[0])，func(df[1])，func(df[2])。。。。返回这些值形成的一个seriesdef calculate_dihedrals_from_df(series,pos): idx4 = series.values p

原创 tensor数据类型转化总结

一，转化tensor转listtensor1.cpu().numpy().tolist()dataframe转化为数组df.values # series 也是这样的列表转化为数组np.array(list1)数组转化为listarray1.tolist()转化为字典norm,stru 是两个list,前面的作为key，后面的作为值dict(zip(norm,stru))二，reversenumpy reverse# 创建向量impot numpy as npa =

原创 unable to load shared object ‘C:\Program Files\R\R-3.0.3\library\stats\libs\x86\stats.dll

R目录下的:C:\Program Files\R\R-3.0.3\library\stats\libs\x86这个目录下，拷贝一份：这个目录下的文件：C:\Program Files\R\R-3.0.3\bin\x86

原创 rdkit获得原子的标准排序序号

发现rdkit同一个分子不同操作得来的mol都原子排序是不同的解决：以inchi为标准参考rdkit.Chem.inchi.MolToInchiAndAuxInfo(mol, options=’’, logLevel=None, treatWarningAsError=False) — rdkit文档auxInfo详细解释在inchi文档for i,atom in enumerate(mol_H_Rc.GetAtoms()): atom.SetAtomMapNum(i)mol_

原创 ArgumentError: Python argument types in ****** did not match C++ signature:

这种错误一般是由于数据类型错误（我是这样的）ArgumentError Traceback (most recent call last)/tmp/ipykernel_2665/3113553009.py in 2627 filename = conf[“geom_id”]—> 28 Chem.MolToMolFile(mol=mol, filename= filename)ArgumentError: Python

原创 GeoGebra

数学绘图，计算，几何软件，还挺好用的https://www.geogebra.org/

原创 pymol的安装（anaconda）和入门

使用anaconda进行安装，windows版本的，linux版本的也安装成功了，但是没有搞好可视化（需要xshell）步骤创建环境，激活环境（python3.7）安装两种方式都可以，1，下载whl包（二进制文件），我从这里下载的 pymol-2.5.0a0-cp37-cp37m-win_amd64.whl 用pip install进行安装安装成功2，按照anaconda官网的步骤安装 https://anaconda.org/conda-forge/pymol-open

原创 sdf文件格式学习

https://blog.csdn.net/u012325865/article/details/82383983https://blog.csdn.net/weixin_44853528/article/details/118150794

原创 unicon学习

软件开发者：汉堡大学链接：https://software.zbh.uni-hamburg.de/users/zimeizhng功能：转化分子将包含多个组件的文件转换为多个条目从蛋白质数据库（PDB）文件中提取小分子产生互变异构体和/或质子化状态生成标准化互变异构形式生成二维/三维坐标生成一组一致性...

原创 半监督学习GNN 的一种改造

SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

原创 p-GNN GNN的改造，位置编码

更强表达力的图神经网络GNN：位置感知，几何感知与身份感知图神经网络https://mp.weixin.qq.com/s?src=11&timestamp=1645794944&ver=3642&signature=blRZvB9qgxkYyeyI7HgyBo8mgdOhibxrDNGtMXZ78roS3iQuXJDa8nh-jNGypaekUev93Sqg2lkhz45j5CjvTR2gYMzRBi5FllqxXVkSA1biirSJg8izYJylqIgnze&new

原创 三篇文章从不同的角度出发来增强GNN的表达能力

P-GNNs GEOM-GCN ID-GNN更强表达力的图神经网络GNN：位置感知，几何感知与身份感知图神经网络https://mp.weixin.qq.com/s?src=11&timestamp=1645794944&ver=3642&signature=blRZvB9qgxkYyeyI7HgyBo8mgdOhibxrDNGtMXZ78roS3iQuXJDa8nh-jNGypaekUev93Sqg2lkhz45j5CjvTR2gYMzRBi5FllqxXVkSA1biir

原创 小分子构象搜索：随机方法和系统方法

随机方法和系统方法，还有关注一下 Comformator微信公众号文章：小分子构象搜索Conformator使用—小分子构象生成工具RDKit分子构象搜索工具使用方法

原创 深度势能 deep potential

公众号文章学习DP系列方法核心是用于表示原子/分子体系势能面的Deep Potential模型 [1-3]和用于生成最优数据集、产生可靠DP模型的DP Generator (DP-GEN) 策略 [4]读不懂了，再说吧

原创 论文：学习用于分子构象生成的梯度场

confGF：Learning Gradient Fields for Molecular Conformation Generation利用基于深度学习的力场实现小分子的构象生成好像并不是我想的那样，有一点新意Experimentally, such struc-tures are determined by expensive and time-consuming crystallography. Computational approachesbased on Markov chain Mon

原创 论文：预测原子距离进行构象预测（VAE）

A Generative Model for Molecular Distance Geometry一个生成模型为了分子距离几何参考：公众号文章

原创 分子生成 - 口袋based

NeurIPS | 一个3D分子生成模型用于基于结构的药物设计A 3D Generative Model for Structure-Based Drug Design蒋师兄发给我的那篇

原创 SchNet 连续滤波卷积

原创 初识蛋白质设计

蛋白质工程的研究前景从头设计包含有想要的结构的蛋白质不能直接用AF2生成大量蛋白质结构，进行筛选吗？论文：A backbone-centred energy function of neural networks for protein design“SCUBA+ABACUS”构成了能够从头设计具有全新结构和序列的人工蛋白完整工具链用其进行蛋白质从头设计的基本流程包括：1，首先根据需求提出设计目标（例如要求蛋白质结构的整体或局部满足特定条件），根据设计目标搭建近似的初始主链结构（可基于简单的几何

原创 分子从头生成的模型总结

微信公众号文章：【深度学习+分子设计】图生成模型在从头分子设计中的应用

原创 论文：A Deep Generative Model for Molecule Optimization via One FragmentModification

A Deep Generative Model for Molecule Optimization via One FragmentModification利用变分自编码器的生成模型训练：输入两个对比的分子，生成断点，需要删除增加的片段生成：从隐向量空间中采样 z , 和Mx一起计算出断点，和需要删除或添加的片段。We first quantified the difference between Mx and My using the optimal graph edit distance bet

原创 生信作业记录

参考R 无法保存png，pdf的解决办法 (2016-08-15 10:48:17)转载▼标签： rstudio png pdf 导出 分类： SAS_STATA_GAMS_MATLAB_Hadooppng(filename=“C:\Users\\ANA\Indem_2.6_2020.png”,bg=“transparent”)plot(yield_2.6_2020_dens,main = “Expected Indemnity for 2020 (RCP 2.6)”)dev.off()一直报错

原创 终端运行ipynb文件

To run the demo, start the juypter-notebook in the demo directory withjupyter-notebook G2S_example.ipynb

原创 linux服务器相关知识

xdmcp（X Display Manager Control Protocol）X展示管理控制协议 也是一种协议吧导读：　　几个人同时有x windows时。　　X server ：主要是负责显示。　　x client：主要是负表运算。　　设定XDMCP　　XDM是X Display Manager的简称。功能就是管理操控xserver的显示。　　主要有两种方式：　　X Server/client在同一部机器上时，那么启动xdm之后，就会产生一个X server了，　　如果不在一部机器上

原创 cpi预测论文阅读

DeltaDelta neural networks for lead optimization ofsmall molecule potencyIt is therefore common to focus on relative binding freeenergy (RBFE) simulation methods,4–13where the difference in affinity between two ligands is computed using a thermodynamic cy

原创 什么是体素（Voxel）

复制粘贴的知乎题图中是3D数据的不同表示类型:（a）点云（Point clouds）；(b) 体素网格(Voxel grids)； © 多边形网格(Polygon meshes)； (d) 多视图表示(Multi-view representations)其中：a. 点云是三维空间(xyz坐标)点的集合。b. 体素是3D空间的像素。量化的，大小固定的点云。每个单元都是固定大小和离散坐标。c. mesh是面片的集合。d. 多视图表示是从不同模拟视点渲染的2D图像集合。为了解释体素网格(Voxe

原创 分子对接学习

相关论文Docking Screens for Novel Ligands Conferring New Biology一个有关分子对接的review (2016.2.25)理论基于结构的发现的核心技术是分子对接参考所谓分子对接就是两个或多个分子之间通过几何匹配和能量匹配相互识别找到最佳匹配模式的过程。分子对接计算是在受体活性位点区域通过空间结构互补和能量最小化原则来搜寻配体与受体是否能产生相互作用以及它们之间的最佳结合模式。分子对接的思想起源于Fisher E的”钥匙和锁模型”，主要强调的是

原创 多文档内容搜索工具 FileLocator

FileLocator他挺好用的下载：百度在脚本之家下载的破解版，下载到536电脑G盘 谷歌 目录下：安装：按照脚本之家给的安装教程，安装目录为 C:\Program Files\Mythicsoft\FileLocator Pro\，补丁一下就可以了发现可以搜索很多文件类型，速度也是可以的。代码也可以，py ipynb 都可以...

原创 WL算法（来自graph-bert）

node_list：node_color_dictnode_neighbor_dictself.max_iter ： 最大迭代次数

原创 bug: 内核正在启动,请等待...

报错内核正在启动,请等待…过一会之后：点叉叉以后：

原创 cython学习

github源码官方文档完蛋,看了半天学不会! 哎!好像cython的语法就是c 然后我去学习了一下c 学到指针, 啊!好难,但是还是知道了一点东西的.尴尬的是最后看懂graphormer中的弗洛伊德算法主要还是靠对于弗洛伊德算法核心的理解...

原创 python 不同文件夹中模块的导入

导入方法python中导入其他目录下的模块但是发现即使没有__init__ 文件也能够导入pycache发现产生了一个__pycache__ 文件夹pyhton中__pycache__文件夹的产生与作用name == ‘main’这篇文章还讲清楚了__name__ == ‘main’ 的含义.pyx文件的导入参考这里解决 Python无法导入Cython的.pyx文件graphormer 代码 wrapper 文件夹中的代码是这样写的import pyximportpyximpor

原创 torch_geometric (PyG) 图数据可视化

代码import torchimport numpy as npimport networkx as nximport matplotlib.pyplot as pltdef graph_showing(data): ''' args: data: torch_geometric.data.Data ''' G = nx.Graph() edge_index = data['edge_index'].t()# print(edg

原创 pytorch_lighting学习

graphormer居然是用pl写的，没办法，只能去学习一下了主要学习资源：b站视频

原创 graphormer 代码阅读

看论文论文中找到github代码连接一开始论文刚发表时代码是没有公布的，后来过了一两个月才发布运行他的代码https://hub.xn–gzu630h.xn–kpry57d/microsoft/Graphormergithub链接下载到服务器上运行进行环境准备和所需要的包安装时遇到问题：主要是torch-geometric的安装问题最终解决方案是将下图中的最后两步换掉安装torch按照pytorch官网步骤来，这里我的cuda版本是11.4，所以我安装了最新版本，1.9.1，使用conda

原创 扩展连通性指纹 或 摩根指纹 学习

参考国外的一篇文章 ：了解扩展连接指纹 (ECFP) 的初学者指南ECFP生成过程：1，初始阶段散列函数（哈希函数，Hash Function）2，更新阶段3，去重阶段第三阶段从我们生成的特征列表中删除重复的特征。最好用一个适当的例子来解释这一点，所以我们稍后会详细解释这一点。4，形成位向量一旦计算出指定迭代次数的所有标识符，最后一步是将这些标识符减少为位向量。...