Chemistry.AI | 基于线性回归预测分子特性

环境准备

• Python版本：Python 3.6.8
• PyTorch版本：PyTorch1.1.0
• RDKit版本：RDKit 2019.09.3

基于线性回归预测分子特性

导入库

  

   

    

     

    
    

     

      from rdkit import Chem
     
    
   

    

     

    
    

     

      from rdkit.Chem.Crippen import MolLogP
     
    
   

    

     

    
    

     

      from rdkit import Chem, DataStructs
     
    
   

    

     

    
    

     

      from rdkit.Chem import AllChem
     
    
   

    

     

    
    

     

      import numpy as np
     
    
   

    

     

    
    

     

      import torch
     
    
  
 

载入数据

  

   

    

     

    
    

     

      with open('smiles.txt') as f:
     
    
   

    

     

    
    

     

       smiles = f.readlines()[:5000]
     
    
   

    

     

    
    

     

       smiles = [s.strip() for s in smiles]
     
    
   

    

     

    
    

     

       smiles = [s.split()[1] for s in smiles]
     
    
   

    

     

    
    

     

      print (len(smiles))
     
    
   

    

     

    
    

     

      print (smiles[:10])
     
    
  
 

计算每个分子的分子指纹和LogP

  

   

    

     

    
    

     

      X, Y = [], []
     
    
   

    

     

    
    

     

      for s in smiles:
     
    
   

    

     

    
    

     

       m = Ch
     
    
  
 

文章来源: drugai.blog.csdn.net，作者：DrugAI，版权归原作者所有，如需转载，请联系作者。

原文链接：drugai.blog.csdn.net/article/details/105272610