RDKit | 基于相似图可视化原子贡献

        尝试使用相似度图的方法来可视化每个原子对特定描述符的贡献。 虽然使用了相似图(SimilarityMaps),但它们仅基于每个原子的贡献而可视化,与分子的相似性无关。


导入库

from rdkit import rdBase, Chem
from rdkit.Chem import AllChem, Draw, rdMolDescriptors
from rdkit.Chem.Draw import SimilarityMaps
from rdkit import DataStructs
import pubchempy as pcp
%matplotlib inline

载入数据

taxol = pcp.get_compounds('Paclitaxel', 'name')
taxol = taxol[0]

sm = taxol.canonical_smiles
taxol_mol = Chem.MolFromSmiles(sm)

相似度图和原子贡献率

该方法可以基于每个原子对分子特性的贡献权重进行可视化。 

weights = SimilarityMaps.GetAtomicWeightsForFingerprint(taxol_mol,taxol_mol, SimilarityMa
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
RDKit是一种常用的分子仿真、分析和可工具,它可以对学分子进行多种操作和计算。其中包括基于片段的分子生成,这也是RDKit在药物发现和学合成中的一个重要应用。 基于片段的分子生成是指根据已知的分子结构中所包含的骨架a和骨架b,生成与之相似但不完全相同的合物。这种方法可以用于研究药物分子结构的多样性、发现药物活性的结构相关性,以及优合物的代谢性质、药效学性质等。 具体来说,基于片段的分子生成一般分为两个步骤。首先,需要对已知的骨架a和骨架b进行分段,得到不同的学片段。然后,根据这些片段的性质和结构,结合组成分子的其他原子和键,利用相应的算法和软件程序生成相似合物。这些合物可以通过计算学性质、分析构效关系等方法进行进一步的研究和优RDKit提供了一系列用于基于片段的分子生成的工具和函数,如MolFragmenter,MolStandardize,MolInterchange等。这些工具可以高效地对分子进行分段、生成相似分子、处理学反应等操作,加速药物发现和学研究的过程。同时,RDKit还支持多种学文件格式、API接口、可效果等,方便用户使用和操作。 总之,基于片段的分子生成是RDKit在药物发现和学合成领域中的重要应用之一。它为研究药物结构、优合物性质、设计新的药物分子等方面提供了有效的工具和方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

DrugAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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