RDKit | 基于Murcko骨架聚类化合物库

最新推荐文章于 2022-09-21 11:21:09 发布
最新推荐文章于 2022-09-21 11:21:09 发布
阅读量3.2k 收藏 8
点赞数 2
分类专栏： RDKit | 化学信息学与AI 文章标签：  RDKit 化学信息学 Python
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/103879932
版权

化合物多样性评估

        一种方法是使用合适的指纹技术将化合物矢量化并评估他们之间的距离。这种方法经常被使用，但是对于人类很难直观地理解化合物之间的距离。

        基于Murcko骨架，分子大致聚集在化合物骨架中，并且每个簇中的顶部化合物都作为候选化合物。此方法非常符合人类的直觉，因此可以预期人将通过查看候选化合物列表来自动缩小化合物的范围。

 

Murcko骨架

Murcko骨架通过从化合物中去除多余的侧链并仅表达连接它们的“环结构”和“连接子”，可以执行更简单的化合物表达。

Murcko骨架生成
Murcko骨架生成

 

基于Murcko骨架聚类化合物库

导入库

import numpy as np
from rdkit import Chem
from rdk
了解本专栏 订阅专栏 解锁全文 超级会员免费看
DrugAI
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
rdkit MurckoScaffold 化合物骨架提取；基于骨架的相似化合物聚类检索
weixin_42357472的博客
11-11 1440
参考：http://www.rdkit.org/docs/source/rdkit.Chem.Scaffolds.MurckoScaffold.html。
RDKit：化合物骨架分析（基于Python3）
DrugAI
08-26 5164
基于RDKit的骨架分析 代码实例： # In[1]: #!/usr/bin/env python3 from rdkit import Chem from rdkit.Chem import Draw from rdkit.Chem.Scaffolds import MurckoScaffold # In[2]: drugbank_input = Chem.SDMolSupplier...
RDKit|骨架分解与侧链分离
最会设计的科研狗
05-21 1927
文章目录一、骨架分解1.Murcko Scaffold2.Generic Framework二、侧链分离1.rdRGroupDecomposition2.ReplaceCore 一、骨架分解 1.Murcko Scaffold Murcko骨架由Murcko等人设计并用药物的形状、结构分析。他们将药物分子拆解成四种单元：环系结构（ring system）、接头（linker）、骨架（scaffold）、侧链（side chain），其中scaffold又由ring system和linker组成；scaff
使用RDKit对分子进行聚类
LRJ的博客
09-21 1685
RDkit的聚类算法可以支持10万级别的化合物库，然而在内存为125 GB的服务器上测试20万分子的聚类时，可以看到随着聚类的时间增长，占用的内存也不停增加，最终在半个小时后，聚类20万分子由于内存溢出而崩溃。计算指纹并聚类，cutoff是指Tanimoto 相似度的阈值 ，差异度大于cutoff的化合物会被分到不同的类别中。cluster[100] 中有三个分子，分别是553，297，547号。上面定义好了函数，接下来读取化合物。
kmeans聚类——化学分子聚类实战
m0_57210162的博客
07-26 949
案列中数据链接：https://pan.baidu.com/s/1kpNdwBNmyObbZP96KLidgA 提取码：1234 keggle原数据链接：https://pan.baidu.com/s/1MI_4HhHxaGlUIigEb1F6mA 提取码：12344 # coding=utf-8 #导入相关库文件并读取数据，（sklearn库文件较多，可在后续使用过程中导入） import pandas as pd from pandas import DataFrame impor..
RDKit Documentation Release 2019.09.1.pdf
12-26
Bemis和Murcko骨架；逆合成组合分析及分子碎裂（RECAP）; 多分子最大共同亚结构；功能图；基于形状的相似性；基于RMSD的分子比对；基于形状的对齐；使用Open3-DALIGN算法的无监督分子-分子比对；与PyMOL进行3D可视...
调整BSD上Apache的性能
03-04
Chuck Murcko提出了几个检查和调整的工具和参数： 1. 使用 `vmstat` 查看内存使用情况，监控交换页（page/swap）的活动，这有助于评估是否需要增加物理内存。 2. 使用 `netstat -m` 监控mbuf（内存缓冲区）的使用...
RDKit | 基于RDKit 的化合物预处理
DrugAI
09-16 2837
基于Python和RDKit对化合物数据进行预处理。 环境 MolVS是专门用于化合物预处理的库。 rdkit 2020.03 molvs 0.1.1 化合物（Compound）预处理 RDKit：SanitizeMol Kekure的形成，化合价的确认，芳香性的设定，结合等。 参考：http://rdkit.org/docs/source/rdkit.Chem.rdmolops.html MolVS : Normarize 参考：https://molvs.readth...
计算化学的深度学习
热门推荐
诺米小粉的博客
03-05 2万+
Deep Learning for Computational Chemistry 【综述】计算化学的深度学习 全文基于谷歌翻译，语句多有不通顺 摘要 人工神经网络的兴衰在计算机科学和计算化学的科学文献中都有详细记载。然而近二十年后，我们现在看到了对深度学习兴趣的复兴，这是一种基于多层神经网络的机器学习算法。在过去的几年里，我们看到了深度学习在许多领域的变革性影响，尤其是在语音...
AUTOSAR_SRS_Diagnostic
09-18
基于AutoSar架构的网络诊断规范，文档指定诊断管理器的系统要求。它的目的是独立于任何特定的实现，它包含AutoSar经典和自适应平台共同的基础要求，以及AutoSar经典和自适应平台所特有的要求。
clustering:用于分子聚类分析的Python脚本
03-30
聚类 用于分子聚类分析的Python脚本 盾： 这项工作是根据。
RDKit | 基于Ward方法对化合物进行分层聚类
DrugAI
09-22 3614
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.D...
RDKit | 基于RDKit和k-均值对化合物进行非分层聚类
DrugAI
03-11 2136
具有高相似性的分子组合可以改写为在化合物空间（化学空间）中具有短距离。在这种情况下，“相似性”和“距离”可互换使用。通过选择相距较远的化合物，可以构建各种化合物库。 如何建立高度多样化的化合物库 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 这次使用k-means方法（一种非分层聚类方法）从化合物库中选择“多样化”化合物。 基于RDKit和k-均值对化合物进行非分...
RDKit：化合物骨架分析
DrugAI
03-06 2404
新药研发是一项耗时长且耗资巨大的工程，据资料显示由安全性问题与药物代谢动力学性质不良引起新化学实体成药失败的比例高达60%，且这一比例还在逐年升高。代谢稳定性是影响药代动力学性质的主要因...
“RDKit | 化学信息学与AI”专栏介绍及专栏内容分类（持续更新......）
DrugAI
12-25 8922
“RDKit | 化学信息学与AI”专栏介绍 介绍RDKit相关知识点和运用以及RDKit作为处理化学、生物、药学和材料学科中分子数据作为可输入机器学习和深度学习模型的重要工具应用。内容涵盖了基于RDKit的Python3的分子的读写、化合物的分子指纹和分子描述符计算、化合物的2D/2D比对、化合物相似性搜索、化合物骨架分析和亚结构搜索、RMSD计算与构象生成优化、分子相似图与聚...
Python脚本：聚类小分子数据集
DrugAI
07-25 4127
聚类分子（Clustering molecules） 聚类是一种有价值的化学信息学技术，用于将大型化合物数据集合细分为单个小组相似化合物。其中一个优点是处理非常大的小分子数据集时特别有用。通常用于分析高通量筛选结果、虚拟筛选或对接研究的分析。 基于RDKit的Python脚本用于聚类分子 #!/usr/bin/python3 # coding: utf-8 #http://ww...
RDKit | RDKit处理graph-化合物的邻接矩阵、距离矩阵和维纳指数
DrugAI
11-01 3535
化合物的图（graph）表示 图可以表示一个原子与另一个原子的连接方式。 只有原子的连接和拓扑结构是重要的，而不是键距。 邻接矩阵 两个原子之间： 如果有结合，则为1； 如果没有结合，则为0。 那么，所有的原子间键都可以用下面的矩阵来表示。 这样的表示方法称为图的 "邻接矩阵"（adjacency matrix）。 当有两个键时，有时会用到2。 每个原子所连接的键数称为原子的 "度"（degree）。 根据定义，相邻矩阵是对称的。 距离矩阵 描述两个原子之间最短距离的矩阵称为 .
RDKit | 可视化官能团, 分子聚类, 相似图, 化合物高亮和骨架网络
DrugAI
12-08 3482
利用指纹挑选出不同的分子 import pandas as pd ligands = pd.read_csv('sample_ligands.csv', index_col=False)['canonical_SMILES'].values.tolist() from rdkit import Chem from rdkit.Chem import Draw from rdkit.Chem.rdMolDescriptors import GetMorganFingerprint from rdkit
rdikt 计算片段
最新发布
05-30
在 RDKit 中，计算分子片段的方法主要有两种：一种是使用 SMARTS 模式匹配的方法，另一种是使用 Murcko 框架的方法。 使用 SMARTS 模式匹配的方法可以通过定义 SMARTS 模式来筛选出具有特定片段的分子。例如，可以使用以下代码来筛选出具有苯环结构的分子： ```python from rdkit import Chem smarts = Chem.MolFromSmarts("c1ccccc1") mol = Chem.MolFromSmiles("c1ccccc1CCO") if mol.HasSubstructMatch(smarts): print("Molecule contains a benzene ring.") else: print("Molecule does not contain a benzene ring.") ``` 使用 Murcko 框架的方法可以将分子转化为其最大的环和链结构，从而将分子片段化为单元。例如，可以使用以下代码将分子转换为其 Murcko 框架： ```python from rdkit.Chem.Scaffolds import MurckoScaffold mol = Chem.MolFromSmiles("c1ccccc1CCO") scaffold = MurckoScaffold.GetScaffoldForMol(mol) scaffold_smiles = Chem.MolToSmiles(scaffold) ``` 在上述代码中，`scaffold_smiles` 变量将包含转换后的 Murcko 框架分子的 SMILES 表示。
评论 1
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

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