RDKit | 基于不同描述符和指纹的机器学习模型预测logP

log P(油水分配系数)是确定化合物是否适合用作药物的最重要属性之一。当前，用于计算机预测log P的大多数可用回归模型都在实验测得的log P值（PHYSPROP数据库）。但是，该数据库中的大多数化合物并不高度代表药物样化学空间。不幸的是，当前缺乏可用于训练更好的预测工具的公开可用的实验log P数据集。

此测试使用论文中发布的实验log P数据：“Large, chemically diverse dataset of log P measurements for benchmarking studies” [1]。

到目前为止，用于log P预测的许多可用工具都基于物理描述符，例如原子类型计数或极性表面积或拓扑描述符。这里将计算分子的不同物理描述符以及结构指纹，并使用三种不同的回归模型（神经网络，随机森林和支持向量机）对它们的性能进行基准测试。

导入库和utility模块

import numpy as np
import matplotlib.pyplot as plt
import pandas as pdfrom rdkit import Chem
from rdkit.Chem import AllChem
from rdkit.Chem import Descriptorsfrom utility import FeatureGeneratorfrom sklearn.metrics import r2_score, mean_squared_error, mean_absolute_error
from sk

RDKit | 基于不同描述符和指纹的机器学习模型预测logP相关推荐

RDKit | 基于随机森林（RF）的机器学习模型预测hERG阻断剂活性
从分子相似性评估到使用机器学习技术的定量构效关系分析各种建模方法已应用于不同大小和组成的数据集(阻断剂和非阻滞剂的数量).本研究中使用从公共生物活性数据开发用于预测hERG阻断剂的稳健分类器.随机森林 ...
RDKit | 通过Lipinski规则了解如何在RDKit中处理描述符
以Lipinski的为主题,学习RDKit如何处理表征分子特性的" 描述符 ". 描述符描述符是确定分子性质的指标.当然,水的性质是水的溶解度和大小的性质,生物活 ...
嵌入式Linux系统编程学习之九基于文件描述符的文件操作
文章目录前言一.文件描述符二.打开.创建和关闭文件三.读写文件四.改变文件大小五.文件定位六.原子操作七.进一步理解文件描述符八.文件描述符的复制九.文件的锁定十.获取文件信息 ...
ML之FE：基于波士顿房价数据集利用LightGBM算法进行模型预测然后通过3σ原则法(计算残差标准差)寻找测试集中的异常值/异常样本
ML之FE:基于波士顿房价数据集利用LightGBM算法进行模型预测然后通过3σ原则法(计算残差标准差)寻找测试集中的异常值/异常样本目录基于波士顿房价数据集利用LiR和LightGBM算法进行模 ...
RDKit | 计算化合物描述符
描述符 Descriptor:通过量化部分结构特征和物理化学性质来表达化合物的化学特征. 导入库 import rdkit import pandas as pd from rdkit import ...
rdkit 分子性质描述符（Descriptors）
文章目录一.引入所需库二.性质描述符计算三.原子对性质的贡献可视化分子性质也被称为描述符. RDKit中内置了大量的分子描述符的计算方法, 这些方法主要位于 rdkit.Chem.Descri ...
Linux系统编程——基于文件描述符的文件操作(1)
概要: 打开.创建和关闭文件读写文件文件定位获取文件信息打开.创建和关闭文件函数原型: #include <sys/types.h> //头文件 #include <sys ...
RDKit | 基于随机森林的化合物活性二分类模型
基于随机森林算法的化合物二分类机器学习模型代码示例 #导入依赖包 import pandas as pd import numpy as np from rdkit import Chem, Dat ...
DGL RDKit|基于GCN与基于3D描述符的分子溶解度预测模型对比
GCN GCN : 图卷积神经网络(Graph Convolutional Networks) 图卷积的原理处理图形或网络的数据形式存在许多重要的实际问题,如社交网络.知识图形.蛋白质相互作用网络和 ...

RDKit | 基于不同描述符和指纹的机器学习模型预测logP

RDKit | 基于不同描述符和指纹的机器学习模型预测logP相关推荐

最新文章

热门文章