Über dieses Add-In
Dies ist ein Add-In für Materialinformatik (MI) und Chemoinformatik. Materialinformatik ist eine Initiative, die informationswissenschaftliche Technologien wie maschinelles Lernen nutzt, um die Entwicklung und Erforschung von Materialien effizienter zu gestalten.
Die Herausforderung beim Umgang mit Molekülen mittels maschinellem Lernen besteht darin, Moleküle in numerische Werte umzuwandeln, die von Computern interpretiert werden können. Eine Lösung ist „Fingerprinting“. Dies ist eine numerische Darstellung der Struktureigenschaften einer Verbindung und wird auch als Merkmalsgröße bezeichnet. Für solche Merkmale wurden verschiedene Deskriptoren vorgeschlagen.
Mit diesem Add-In können Sie diese Deskriptoren aus SMILES mithilfe einer Bibliothek namens RDKit berechnen. Die berechneten Deskriptoren können als erklärende Variablen in Vorhersagemodellen verwendet werden.
Mit diesem Add-in können Sie:
- Generieren Sie molekulare Deskriptoren
- Erzeugen Sie einen Fingerabdruck
- Molekülzeichnung
- Vorverarbeitung zur Verwendung von Deskriptoren in Vorhersagemodellen
Informationen zu RDKit finden Sie auf der folgenden Seite.
https://www.rdkit.org/
System Anforderungen
- JMP 18 und höher
- Die Anzeigesprache ist nur Englisch und Japanisch
- Windows-Betriebssystem
- Die folgenden Python-Pakete werden installiert
- RDKit
- Numpy
- Pandas
Vorbereitung im Voraus
RDKit installieren
- Wählen Sie [Datei] > [Neu] > [JSL-Skript]
- Geben Sie das Skript unten ein und wählen Sie Bearbeiten > Skript ausführen
Python Install Packages("numpy pandas rdkit");
Wie benutzt man
Generierung molekularer Deskriptoren/Fingerabdrücke
- Wählen Sie Add-Ins > Toolkit for Materials Informatics > Deskriptorberechnung aus.
- Geben Sie die Spalte, in der SMILES eingegeben wird, als „Y,SMILES“ an. Markieren Sie in der Methodenauswahlliste die Deskriptoren und Fingerabdrücke, die Sie generieren möchten.
- Klicken Sie auf die Schaltfläche „OK“, um die ausgewählten Features zu generieren.
- Klicken Sie auf die Schaltfläche „Schließen“.
So verwenden Sie dieses Add-In
Dieses Add-In für Materialinformatik und chemische Informatik. Dieses Add-In verwendet ein RDKit ( https://www.rdkit.org/ ), um diese Deskriptoren aus SMILES zu berechnen. Die berechneten Deskriptoren können als Merkmalsvariablen im Vorhersagemodell verwendet werden.
Folgendes können Sie tun:
- Generieren molekularer Deskriptoren
- Generieren Sie einen Fingerabdruck
- Moleküle zeichnen
- Vorverarbeiten von Deskriptoren zur Verwendung in Vorhersagemodellen
Sie müssen RDKit installieren, bevor Sie dieses Add-In verwenden.
- Wählen Sie Datei > Neu > JSL-Skript
- Geben Sie das Skript unten ein und wählen Sie Bearbeiten > Skript ausführen (JMP 18 erforderlich)
Python Install Packages("numpy pandas rdkit");
- Wählen Sie Add-Ins > Toolkit for Materials Informatics > Deskriptorberechnung.
- Geben Sie die Spalte, in der SMILES eingetragen wird, als „Y,SMILES“ an. Markieren Sie die Deskriptoren und Fingerabdrücke, die Sie aus der Liste der Methodenauswahlen generieren möchten.
Ausgezeichnetes Add-In @yuichi_katsumur ! Chemie ist wohl der beliebteste Wissenschaftszweig für JMP und Sie haben uns gerade einfachen Zugriff auf das leistungsstarke und funktionsreiche RDKit-Paket ermöglicht, wodurch QSAR in JMP viel zugänglicher wird.
Die klaren Anweisungen zur Installation von RDKit in Python sind sehr einfach zu befolgen und das nette Prüfprogramm mit ansprechender Ausgabe ist wirklich zu schätzen.
Die Deskriptoren und drei Arten von Fingerabdrücken sind hervorragende Eingaben für explorative Analysen (z. B. PCA, multivariate Einbettung, hierarchisches Clustering, Response-Screening) und prädiktive Modellierung (z. B. Fit Model, Neural, SVM, XGBoost, Torch).
Die Molekülzeichnungen sind schnell und ergeben überzeugende Beschriftungen in der JMP-Tabelle.
Der JSME-Editor und die Suchfunktionen für Unterstrukturen sind bemerkenswert und ein sehr willkommener Bonus.
Die Liebe zum Detail in diesem Add-In ist großartig!:) <- LÄCHELN
