SmilesPE 0.0.3

微笑对编码（SmilesPE）

SMILES Pair Encoding (SmilesPE) trains a substructure tokenizer from a large set of SMILES strings (e.g., ChEMBL) based on byte-pair-encoding (BPE).

概述

安装

pip install SmilesPE

使用说明

基本标记器

1. 原子级标记器

^{pr2}$

['C', 'C', '[N+]', '(', 'C', ')', '(', 'C', ')', 'C', 'c', '1', 'c', 'c', 'c', 'c', 'c', '1', 'Br']

1. K-mer代币商

fromSmilesPE.pretokenizerimportkmer_tokenizersmi='CC[N+](C)(C)Cc1ccccc1Br'toks=kmer_tokenizer(smi,ngram=4)print(toks)

['CC[N+](', 'C[N+](C', '[N+](C)', '(C)(', 'C)(C', ')(C)', '(C)C', 'C)Cc', ')Cc1', 'Cc1c', 'c1cc', '1ccc', 'cccc', 'cccc', 'ccc1', 'cc1Br']

基本标记器也与SELFIES和{a2}兼容。需要安装程序包。在

自拍范例

importselfiessmi='CC[N+](C)(C)Cc1ccccc1Br'sel=selfies.encoder(smi)print(f'SELFIES string: {sel}')>>>SELFIESstring:[C][C][N+][Branch1_2][epsilon][C][Branch1_3][epsilon][C][C][c][c][c][c][c][c][Ring1][Branch1_1][Br]toks=atomwise_tokenizer(sel)print(toks)>>>['[C]','[C]','[N+]','[Branch1_2]','[epsilon]','[C]','[Branch1_3]','[epsilon]','[C]','[C]','[c]','[c]','[c]','[c]','[c]','[c]','[Ring1]','[Branch1_1]','[Br]']toks=kmer_tokenizer(sel,ngram=4)print(toks)>>>['[C][C][N+][Branch1_2]','[C][N+][Branch1_2][epsilon]','[N+][Branch1_2][epsilon][C]','[Branch1_2][epsilon][C][Branch1_3]','[epsilon][C][Branch1_3][epsilon]','[C][Branch1_3][epsilon][C]','[Branch1_3][epsilon][C][C]','[epsilon][C][C][c]','[C][C][c][c]','[C][c][c][c]','[c][c][c][c]','[c][c][c][c]','[c][c][c][c]','[c][c][c][Ring1]','[c][c][Ring1][Branch1_1]','[c][Ring1][Branch1_1][Br]']

深微笑的例子

importdeepsmilesconverter=deepsmiles.Converter(rings=True,branches=True)smi='CC[N+](C)(C)Cc1ccccc1Br'deepsmi=converter.encode(smi)print(f'DeepSMILES string: {deepsmi}')>>>DeepSMILESstring:CC[N+]C)C)Ccccccc6Brtoks=atomwise_tokenizer(deepsmi)print(toks)>>>['C','C','[N+]','C',')','C',')','C','c','c','c','c','c','c','6','Br']toks=kmer_tokenizer(deepsmi,ngram=4)print(toks)>>>['CC[N+]C','C[N+]C)','[N+]C)C','C)C)',')C)C','C)Cc',')Ccc','Cccc','cccc','cccc','cccc','ccc6','cc6Br']

使用预先训练过的笑脸标记器

道布劳德'SPE_ChEMBL.txt'。在

importcodecsfromSmilesPE.tokenizerimport*spe_vob=codecs.open('../SPE_ChEMBL.txt')spe=SPE_Tokenizer(spe_vob)smi='CC[N+](C)(C)Cc1ccccc1Br'spe.tokenize(smi)>>>'CC [N+](C) (C)C c1ccccc1 Br'

使用自定义数据集训练SmilesPE标记器

请参阅train_SPE.ipynb以获取在ChEMBL数据上训练SPE标记器的示例。在

标签：

• 项目

欢迎加入QQ群-->： 979659372

推荐PyPI第三方库

• Adafruit-BM

  用于访问BMP系列压力和温度传感器的库，如覆盆子PI或Beaglebone Black上的BMp085/BMp180。

• Paperbo

  一个简单的django.dispatch分支，用作独立的pubsub库。

• ndip-checker

  检查并修复ndip中的错误

• dorset

  实现dorset远程代理api的包

• adafruit-circuitpython-drv2605

  DRV2605触觉电机控制器的CircuitPython库。

• odoo11-addon-base-partner-sequence

  从序列中设置客户代码

• django-email-queue

  为django后台制作和存储电子邮件。

• dop

  用于数字海洋api的python客户端

• gitauthors

  使用一个简单的函数调用检查变量、表达式和程序执行。

• vba-wrapper

  vba模拟器的包装器

• tstpkghari

  随机测试库

• tiddlywebplugins.tiddlywebweb

  代理到另一个tiddlyweb服务器的tiddlyweb存储。

• isdc-avatar

  化身化身

• pngpadder

  将png文件填充到特定大小的工具

• odoo11-addon-iot

  物联网基本模块