RDKit | 基于Ward方法对化合物进行分层聚类

DrugAI

于 2019-09-22 12:41:49 发布

阅读量3.7k

点赞数 2

分类专栏： RDKit | 化学信息学与AI 文章标签： Python 化学信息学 RDKit 机器学习

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/u012325865/article/details/101108342

版权

RDKit | 化学信息学与AI 专栏收录该内容

154 篇文章 ¥99.00 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何利用Python、RDKit和scikit-learn的Ward方法对化合物进行分层聚类。首先，讨论了不同类型的聚类方法，接着详细展示了如何生成Morgan指纹并计算距离矩阵，然后使用Ward方法将化合物分为6个类。此外，还探讨了通过树状图和PCA进行聚类结果的可视化，以及主成分分析在数据降维中的应用和累积贡献率的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

从许多化合物构建结构多样的化合物库：

聚类方法
基于距离的方法
基于分类的方法
使用优化方法的方法

通过使用Ward方法进行聚类从化合物库中选择“各种”化合物，Ward方法是分层聚类方法之一。

导入库

from rdkit import rdBase, Chem, DataStructs
from rdkit.Chem import AllChem
from rdkit.Chem.Draw import rdMolDraw2D, IPythonConsole
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import AgglomerativeClustering
%matplotlib inline
print(rdBase.rdkitVersion)