使用Deepchem构建化学分子的神经网络和图神经网络模型示例

首先，关于分子指纹，分子指纹是一个二进制向量，其中每个位代表是否存在该分子的某个子结构 ，例如苯环。 它通常很长，可能无法合并一些结构信息，例如手性 。

'''

使用Deepchem构建化学分子的神经网络和图神经网络模型示例

by wufeil

    Deepchem包含了很多的化学分子的数据集，
    同时也有将分子结构转换为机器学习能够识别的矩阵（序列）数据的方法，
    下面就来简单举几个例子，以便快速入门

'''

import numpy as np
import deepchem as dc
import tensorflow as tf

#设定随机数，可重复再现
np.random.seed(88)
tf.random.set_seed(88)

'''
Delaney(ESOL) 溶解度能数据集
    该数据集是Deepchem内置MoleculeNet数据集的一部分。
    
首先，全连接神经网络多任务回归器
'''
#加载数据
tasks, datasets, transformers = dc.molnet.load_delaney() #默认是下载分子指纹
print(transformers)
print(tasks) #任务  #print: ['measured log solubility in mols per litre']
print(datasets[0])

''''
划分数据集
'''
train_dataset, valid_dataset, test_dataset = datasets
print(train_dataset) #迭代对象
print(test_dataset)
print(valid_dataset)


#模型的评价指标
avg_pearson_r2 = dc.metrics.Metric(dc.metrics.pearson_r2_score, np.mean)
#回归任务模型
'''
dc.models.MultitaskRegressor： deepchem的多任务回归的全连接网络模型
请参照：https://deepchem.readthedocs.io/en/latest/api_reference/models.html?highlight=MultitaskRegressor#deepchem.models.MultitaskRegressor.__init__

'''
model = dc.models.MultitaskRegressor(len(tasks), #任务数量,这里为1
                                     n_features=datasets[0].X.shape[1], #每个分子的特征数量
                                     layer_sizes=[500])  #500层

model.fit(train_dataset)

train_score = model.evaluate(train_dataset, [avg_pearson_r2], transformers)
valid_score = model.evaluate(valid_dataset, [avg_pearson_r2], transformers)
assert train_score['mean-pearson_r2_score']>0.7, train_score
assert valid_score['mean-pearson_r2_score']>0.3, valid_score



'''

图卷积网络模型
    在全连接层神经网络模型中，输入的是ECFP的fingerprint
    在图神经网络中，这种ECFP的数据结构不适合，所以在导入数据的时候需要设置transformers=’GraphConv'
    dc.models.GraphConvModel有不同的参数需要设置，请见：https://deepchem.readthedocs.io/en/latest/api_reference/models.html#model
'''

tasks, datasets, transformers = dc.molnet.load_delaney(featurizer='GraphConv')
train_dataset, valid_dataset, test_dataset = datasets
model = dc.models.GraphConvModel(len(tasks), mode='regression', dropout=0.5)
model.fit(train_dataset, nb_epoch=30)
train_score = model.evaluate(train_dataset, [avg_pearson_r2], transformers)
print(train_score)



''''
这里要特别说明的是，数据结构的问题

由于图神经网络的输入为特殊的链接矩阵和节点信息，因此，在这里的加载数据的时候使用了GraphConv的特征化方法

生成的train_datset中, X保存的则是ConvMol的对象，专门用于图神经网络计算的计算。
详见：https://deepchem.readthedocs.io/en/latest/api_reference/dataclasses.html?highlight=ConvMol#deepchem.feat.mol_graphs.ConvMol

如下例，返回链接表
'''
print(train_dataset.X[0].get_adjacency_list())
print(train_dataset.X[0].get_atom_features())

如何将一个分子转化为机器学习可以识别的数据类型（例如这里提到的分子指纹）呢？有力再写