基于RDKit的溶解度预测的机器学习模型

举报
DrugAI 发表于 2021/07/15 04:48:35 2021/07/15
【摘要】 基于RDKit和Python3的化合物溶解度的机器学习模型小案例。 代码示例(仅供参考): # In[1]:导入依赖包from rdkit import Chem, DataStructsfrom rdkit.Chem import AllChemfrom rdkit.ML.Descriptors import MoleculeDescriptorsfrom rdk...

基于RDKit和Python3的化合物溶解度的机器学习模型小案例。

代码示例(仅供参考):


   
  1. # In[1]:导入依赖包
  2. from rdkit import Chem, DataStructs
  3. from rdkit.Chem import AllChem
  4. from rdkit.ML.Descriptors import MoleculeDescriptors
  5. from rdkit.Chem import Descriptors
  6. from rdkit.Chem.EState import Fingerprinter
  7. import pandas as pd
  8. import numpy as np
  9. import matplotlib.pyplot as plt
  10. from sklearn.preprocessing import StandardScaler
  11. from sklearn import cross_validation
  12. from sklearn.metrics import r2_score
  13. from sklearn.ensemble import RandomForestRegressor
  14. from sklearn import gaussian_process
  15. from sklearn.gaussian_process.kernels import Matern, WhiteKernel, ConstantKernel, RBF

   
  1. # In[2]:定义描述符计算函数
  2. def get_fps(mol):
  3.    calc=MoleculeDescriptors.MolecularDescriptorCalculator([x[0] for x in Descriptors._descList])
  4.    ds = np.asarray(calc.CalcDescriptors(mol))
  5.    arr=Fingerprinter.FingerprintMol(mol)[0]
  6.    return np.append(arr,ds)

   
  1. # In[3]:
  2. #读入数据
  3. data = pd.read_table('smi_sol.dat', sep=' ')
  4. #增加结构和描述符属性
  5. data['Mol'] = data['smiles'].apply(Chem.MolFromSmiles)
  6. data['Descriptors'] = data['Mol'].apply(get_fps)
  7. # In[4]:查看前5行数据
  8. data.head(5)


   
  1. # In[5]:
  2. #转换为numpy数组
  3. X = np.array(list(data['Descriptors']))
  4. y = data['solubility'].values
  5. st = StandardScaler()
  6. X = st.fit_transform(X)
  7. #划分训练集和测试集
  8. X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y, test_size=0.25, random_state=42)

   
  1. # In[7]:高斯过程回归
  2. kernel=1.0 * RBF(length_scale=1) + WhiteKernel(noise_level=1)
  3. gp = gaussian_process.GaussianProcessRegressor(kernel=kernel,n_restarts_optimizer=0,normalize_y=True)
  4. gp.fit(X_train, y_train)


   
  1. # In[8]:
  2. y_pred, sigma = gp.predict(X_test, return_std=True)
  3. rms = (np.mean((y_test - y_pred)**2))**0.5
  4. print ("GP RMS", rms)
  5. # out[8]:
  6. GP RMS 0.5984083408596741
  7. # In[9]:
  8. print ("GP r^2 score",r2_score(y_test,y_pred))
  9. # out[8]:
  10. GP r^2 score 0.9141780584554846

   
  1. # In[10]:结果绘图
  2. plt.scatter(y_train,gp.predict(X_train), label = 'Train', c='blue')
  3. plt.title('GP Predictor')
  4. plt.xlabel('Measured Solubility')
  5. plt.ylabel('Predicted Solubility')
  6. plt.scatter(y_test,gp.predict(X_test),c='lightgreen', label='Test', alpha = 0.8)
  7. plt.legend(loc=4)
  8. plt.savefig('GP Predictor.png', dpi=300)
  9. plt.show()


   
  1. # In[11]:随机森林模型
  2. rf = RandomForestRegressor(n_estimators=100, oob_score=True, max_features='auto')
  3. rf.fit(X_train, y_train)
  4. # In[12]:
  5. y_pred = rf.predict(X_test)
  6. rms = (np.mean((y_test - y_pred)**2))**0.5
  7. print ("RF RMS", rms)
  8. # out[12]:
  9. RF RMS 0.6057144333891424
  10. # In[13]:
  11. print ("RF r^2 score",r2_score(y_test,y_pred))
  12. # out[13]:
  13. RF r^2 score 0.9120696293757707

   
  1. # In[14]:结果绘图
  2. plt.scatter(y_train,rf.predict(X_train), label = 'Train', c='blue')
  3. plt.title('RF Predictor')
  4. plt.xlabel('Measured Solubility')
  5. plt.ylabel('Predicted Solubility')
  6. plt.scatter(y_test,rf.predict(X_test),c='lightgreen', label='Test', alpha = 0.8)
  7. plt.legend(loc=4)
  8. plt.savefig('RF Predictor.png', dpi=300)
  9. plt.show()


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/105683682

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。