Python脚本：聚类小分子数据集

聚类分子（Clustering molecules）

聚类是一种有价值的化学信息学技术，用于将大型化合物数据集合细分为单个小组相似化合物。其中一个优点是处理非常大的小分子数据集时特别有用。通常用于分析高通量筛选结果、虚拟筛选或对接研究的分析。

基于RDKit的Python脚本用于聚类分子

  

   

    

     

    
    

     

      #!/usr/bin/python3
     
    
   

    

     

    
    

     

      # coding: utf-8
     
    
   

    

     

    
    

     

      #http://www.rdkit.org/docs/Cookbook.html - - -Clustering molecules
     
    
   

    

     

    
    

     

      #AspirinCode.20180725
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      def ClusterFps(fps,cutoff=0.2):
     
    
   

    

     

    
    

     
 from rdkit import DataStructs
     
    
   

    

     

    
    

     
 from rdkit.ML.Cluster import Butina
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 # first generate the distance matrix:
     
    
   

    

     

    
    

     

       dists = []
     
    
   

    

     

    
    

     

       nfps = len(fps)
     
    
   

    

     

    
    

     
 for i in range(1,nfps):
     
    
   

    

     

    
    

     

       sims = DataStructs.BulkTanimotoSimilarity(fps[i],fps[:i])
     
    
   

    

     

    
    

     

       dists.extend([1-x for x in sims])
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 # now cluster the data:
     
    
   

    

     

    
    

     

       cs = Butina.ClusterData(dists,nfps,cutoff,isDistData=True)
     
    
   

    

     

    
    

     
 return cs
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      from rdkit import Chem
     
    
   

    

     

    
    

     

      from r
     
    
  
 

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/81202123