为化学fingerprin选择n簇

Question

你好，我在试着收集化学指纹

我使用的是rdkit，它为聚类提供了一种层次化的方法，问题是我知道要有13个聚类的聚类数，所以我使用scikit基于tanimoto相似度得分的kmean方法

这是我的代码：

smiles = []
molFin = []
fps = []
np_fps = []

#mol["idx"] contain the name of the molecules
for x in mol["idx"]:
    res = cs.search(x)
    #get the smiles code of a molecule
    smi = res[0].smiles

    #get the fingerprint of the molecule
    fp = Chem.MolFromSmiles(str(smi))
    fp = FingerprintMols.FingerprintMol(fp)
    fps.append(fp)


#compute the similarity score (end up with a cross molecule matrix where each occurence correspond to the taminoto score)

dists = []
nfps = len(fps)
for i in range(0,nfps):
    sims = DataStructs.BulkTanimotoSimilarity(fps[i],fps)
    dists.append(sims)

#store the value on a data frame and apply kmean
mol_dist = pd.DataFrame(dists)

k_means = cluster.KMeans(n_clusters=13)
k1 = k_means.fit_predict(mol_dist) 
mol["cluster"]  = k1

#get the result
final = mol[["idx","cluster"]] 

聚类似乎在某种程度上是可行的，但我不知道如何对化学指纹进行聚类，我们是否可以直接将聚类算法应用于指纹本身？在

Answer 1

我认为集群中的问题是如何选择合适的k，您的问题可以通过以下方式解决：

1. 确定适当的k-簇数。你可以使用一些方法，如肘，。。。 请参阅下面的链接https://datasciencelab.wordpress.com/2013/12/27/finding-the-k-in-k-means-clustering

2. 在得到k-数之后，选择适当的特征以及获得的k-聚类，然后对数据集进行聚类和评估。

致以崇高的敬意！在