“RDKit | 化学信息学与AI”专栏介绍及专栏内容分类(持续更新......)

“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、分子相似图与聚类分析、化学反应处理、可视化与化学空间探索及RDkit相关的机器学习、深度学习应用过程详解。

“RDKit | 化学信息学与AI”专栏地址:https://blog.csdn.net/u012325865/category_9278913.html

“RDKit | 化学信息学与AI”专栏介绍及专栏内容分类(持续更新......)_第1张图片

RDKit简介

开源化学信息学工具包

  • RDKit在2000-2006年期间在Rational Discovery开发和使用,用于构建吸收、分布、代谢、代谢、毒性和生物活性的预测模型。
  • 2006年6月Rational Discovery被关闭,但该工具包在BSD许可证下作为开源发布。
  • 目前,RDKit的开源开发由诺华积极贡献,其中包括诺华捐赠的源代码。

“RDKit | 化学信息学与AI”专栏介绍及专栏内容分类(持续更新......)_第2张图片

RDKit特点

  • 商业友好型BSD许可证
  • 核心数据结构和算法由C ++编写
  • 使用Boost.Python生成的Python 3.x包装器
  • 用SWIG生成的Java和C#包装器
  • 2D和3D分子操作
  • 机器学习与深度学习的分子指纹和分子描述符生成
  • PostgreSQL分子数据库集成
  • KNIME的化学信息学Node

“RDKit | 化学信息学与AI”专栏介绍及专栏内容分类(持续更新......)_第3张图片

        RDKit提供各种功能,如不同的化学I/O格式,包括SMILES/SMARTS,结构数据格式(SDF),Thor数据树(TDT),Sybyl线符号(SLN),mol2和蛋白质结构文件(PDB)。子结构搜索; 标准SMILES; 手性支持;化学转化;化学反应;分子序列化;相似性/多样性选择;二维药效团;三维维药效团;分层子图/片段分析; 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可视化集成;功能基团过滤;分子描述符库;相似图;机器学习等等


RDKit安装

Linux(CentOS 7_x64位)系统下安装RDkit

Linux(CentOS 7_x64位)系统下安装RDkit(修正)

创建独立的Python化学信息学环境

RDKit | RDKit(2019.09)新增相似性图函数

 

基于RDKit的分子读写及入门

RDKit toolkit实战一:调用Python API

DKit:基于分子文件输出分子结构

RDKit | 基于RDKit的PandasTools加速数据分析

RDKit | 分子处理入门

RDKit | 可视化分子来自于xyz文件

RDKit | 生物大分子的HELM表示法

RDKit | 统计分子库中某种元素出现的次数

RDKit | 基于RDKit输出分子结构图(Image)的方法

RDKit | 基于RDKit的随机SMILES的生成

RDKit | 化合物SDF文件转换为SMILES存储为CSV

RDKit | 基于RDKit绘制带原子索引的分子

RDKit | 基于RDKit中和带电分子

RDKit | 基于RDKit的指定原子或键高亮

RDKit | 基于RDKit的SMILES转canonical SMILES

RDKit | RDKit中处理分子Mol对象

RDKit | 基于RDKit绘制黑白颜色的分子

RDKit | 基于RDKit绘制带原子和键的索引、注释和立体化学

 

基于RDKit的分子指纹与描述符计算

分子指纹

RDKit:化学指纹(Chemical Fingerprinting)

RDKit | 基于SMILES查找化合物的MACCS密钥

RDKit | 基于分子指纹的相似性图

 

分子描述符

RDKit toolkit实战三:描述符计算及可视化

RDKit | 计算化合物描述符

RDKit | 定量评估类药性(QED)

RDKit | 删除方差低的描述符

RDKit | 分子坐标的测量和绘图

RDKit | 计算拓扑极性表面积TPSA

RDKit | 基于RDKit描述三维分子形状(3D描述符)

RDKit | 化合物芳香度分子描述符的计算与相关性比较

RDKit | 化合物描述符向量化及部分结构检索

RDKit | 通过Lipinski规则了解如何在RDKit中处理描述符

 

基于RDKit与Python3的构象与RMSD计算

RDKit:计算不同分子或构象之间的RMSD

RDKit:计算不同小分子构象之间的RMSD

RMSD:通过旋转计算两个分子间的最小rmsd

RDKit | 分子的多种构象

RDKit | 分子的力场优化

RDKit | 小分子构象的生成和比对

RDKit | 基于RDKit的单分子多构象生成

RDKit | 基于RDKit进行构象搜索:构型异构体生成和MMFF聚类

 

基于RDKit与Python3的相似性与分子图

RDKit:化合物亚结构(Substructure)搜索(基于Python3)

RDKit:化合物相似性搜索(基于Python3)

RDKit | 化合物库的相似性分析

RDKit toolkit实战二:Generating Similarity Maps Using Fingerprints

RDKit | 化合物亚结构搜索与结果输出

RDKit | 基于分子指纹的分子相似性

RDKit | 基于相似图可视化原子贡献

RDKit | 子结构搜索和MCS算法

RDKit | 基于Fraggle算法评估化合物的相似性

 

RDKit与药效团

RDKit | RDKit中的药效团特征

RDKit:可视化药效团(Pharmacophore)

RDKit | 基于RDKit从分子中提取3D药效团特征

RDKit | 基于RDKit计算3D药效团指纹

 

RDKit | 聚类分析与可视化

RDKit | 比较化合物并通过PCA可视化化学空间

RDKit | 基于Ward方法对化合物进行分层聚类

RDKit | 基于RDKit和k-均值对化合物进行非分层聚类

RDKit | 基于PCA探索化学空间

Python脚本:聚类小分子数据集

RDKit | 基于Murcko骨架聚类化合物库

RDKit | 基于主成分分析可视化(DrugBank)类药性的化学空间

 

RDKit与化学反应

RDKit | 基于RDKit绘制化学反应

RDKit | 基于RDKit和SMARTS的化学反应处理

RDKit | 基于RDKit通过SMARTS定义反应模式来生成反应产物

RDKit | 基于RDKit处理化学信息学中的反应方程式

 

RDKit与PostgreSQL

RDKit支持PostgreSQL配置

PostgreSQL11.3 创建用户和创建数据库

CentOS 7 源码编译安装 PostgreSQL 11.2

Python3连接PostgreSQL(10.5)数据库

 

基于RDKit与Python的应用

RDKit | 基于Lipinski规则过滤化合物库

RDKit | 通过评估合成难度(SA Score)筛选化合物

RDKit | 天然产物的相似度评分(NP-likeness)

RDKit | RDKit 中的RECAP进行分子裂解

RDKit | 可视化重要片段

基于RDKit探索DrugBank

RDKit:化合物骨架分析(基于Python3)

RDKit:基于RECAP生成片段

基于RDKit的Python脚本:SDF格式转SMILES格式

RDKit | 基于RDKit的MaxMin方法选择高度多样化的库

RDKit | 基于RDKit和Cytoscape绘制分子相似图

RDKit | 基于RDKit探索ChEMBL数据库中合成药物历史

RDKit | 基于SSSR区分环状化合物和链状化合物

RDKit | 基于RDKit可视化脂溶性在溶解度贡献中的应用

RDKit | 基于RDKit和Python的阿斯利康ADME数据集分析

RDKit | 通过分析活性化合物确定指标阈值

 

RDKit与AI、深度学习和机器学习

药物设计的深度学习(Deep Learning for Drug Design)

深度学习在小分子药物研发中的应用

深度学习在药物发现领域的兴起

RDKit | 基于随机森林的化合物活性二分类模型

RDKit | 基于支持向量机(SVM)的二分类活性预测模型

RDKit | 基于Pytorch和RDKit建立QSAR模型

RDKit | 基于scikit-learn将pytorch用于QSAR模型构建

RDKit | 基于神经网络的溶解度预测和回归分析

RDKit | 基于机器学习的化合物活性预测模型

RDKit:基于RDKit的溶解度预测的机器学习模型

RDKit:基于支持向量回归预测logP

RDkit&mol2vec :基于逻辑回归的靶标抑制剂活性二分类对比

RDKit | 基于随机森林(RF)的机器学习模型预测hERG阻断剂活性

RDKit | 基于Smiles2vec预测化合物物理性质

DeepChem | DeepChem的图卷积特征化器

RDKit | 化合物活性数据的不平衡学习

RDKit | 基于不同描述符和指纹的机器学习模型预测logP

RDKit | 基于RDKit和scikit-learn的KNN模型预测Ames的致突变性

RDKit | 基于化合物结构式图像估算分子式(OpenCV、CNN)

RDKit | 基于RF和SVM的溶解度预测模型比较

RDKit |基于集成学习(Ensemble learning)预测溶解度

DGL | 基于深度图学习框架DGL的分子图初探

DGL | 基于JTNN可视化给定分子的邻居分子

DGL | 基于深度图学习框架DGL的分子图生成

DGL & RDKit|基于GCN与基于3D描述符的分子溶解度预测模型对比

DGL & RDKit | 基于Attentive FP可视化训练模型原子权重

DGL & RDKit | 基于GCN的多任务分类模型

DGL & RDKit | 基于Attentive FP的分子性质线性模型

深度学习在化学反应中的应用

GraphNVP | 用于分子图生成的可逆流模型


“RDKit | 化学信息学与AI”专栏介绍及专栏内容分类(持续更新......)_第4张图片 DrugAI

你可能感兴趣的:(RDKit,化学信息学与AI,DL,深度学习)