转化子的反应图
rxnmapper的Python项目详细描述
无监督注意引导原子映射
在有效的反应微笑上启用健壮的原子映射。阿尔伯特的化学反应是在一个无监督的大数据集上学习的。在
此软件附带一个demo和一个writeup,都可以在http://rxnmapper.ai访问。在
安装
对于所有安装,我们建议使用conda
来获得必要的rdkit
依赖关系:
从pip
conda create -n rxnmapper python=3.6 -yconda activate rxnmapperconda install -c rdkit rdkitpip install rxnmapper
来自github
您可以直接从github安装包和设置环境,方法是:
^{pr2}$使用
基本用法
from rxnmapper import RXNMapper
rxn_mapper = RXNMapper()
rxns = ['CC(C)S.CN(C)C=O.Fc1cccnc1F.O=C([O-])[O-].[K+].[K+]>>CC(C)Sc1ncccc1F', 'C1COCCO1.CC(C)(C)OC(=O)CONC(=O)NCc1cccc2ccccc12.Cl>>O=C(O)CONC(=O)NCc1cccc2ccccc12']
results = rxn_mapper.get_attention_guided_atom_maps(rxns)
结果包含对应的反应和信心得分:
[{'mapped_rxn': 'CN(C)C=O.F[c:5]1[n:6][cH:7][cH:8][cH:9][c:10]1[F:11].O=C([O-])[O-].[CH3:1][CH:2]([CH3:3])[SH:4].[K+].[K+]>>[CH3:1][CH:2]([CH3:3])[S:4][c:5]1[n:6][cH:7][cH:8][cH:9][c:10]1[F:11]',
'confidence': 0.9565619900376546},
{'mapped_rxn': 'C1COCCO1.CC(C)(C)[O:3][C:2](=[O:1])[CH2:4][O:5][NH:6][C:7](=[O:8])[NH:9][CH2:10][c:11]1[cH:12][cH:13][cH:14][c:15]2[cH:16][cH:17][cH:18][cH:19][c:20]12.Cl>>[O:1]=[C:2]([OH:3])[CH2:4][O:5][NH:6][C:7](=[O:8])[NH:9][CH2:10][c:11]1[cH:12][cH:13][cH:14][c:15]2[cH:16][cH:17][cH:18][cH:19][c:20]12',
'confidence': 0.9704424331552834}]
测试
您也可以使用测试套件运行上面的示例:
pip install -r dev_requirements.txt
pytest tests
从根开始
示例
要了解更多信息,请参阅examples。在
数据
数据可以在:https://ibm.box.com/v/RXNMapperData
- 项目
标签: