이 추가 기능 정보
머티리얼스 인포매틱스(MI), 케모 인포매틱스를 위한 추가 기능입니다. 머티리얼스 인포매틱스는 재료 개발 및 탐색을 보다 효율적으로 하기 위해 기계 학습과 같은 정보 과학 기술을 활용하는 노력입니다.
분자를 기계 학습으로 다룰 때의 과제는 분자를 컴퓨터가 해석할 수 있는 수치로 어떻게 변환하는가 하는 점입니다. 그 하나의 해결책으로 "지문"이 있습니다. 이것은 화합물의 구조적 특징을 수치로 표현한 것으로, 특징량이라고도 불립니다. 이러한 특징량에는 다양한 기술자가 제안되어 있습니다.
이 추가 기능에서는 RDKit라는 라이브러리를 사용하여 SMILES에서 이러한 설명자를 계산할 수 있습니다. 계산한 기술자는 예측 모델의 설명 변수로서 이용할 수 있습니다.
이 추가 기능을 사용하면 다음을 수행할 수 있습니다.
- 분자 디스크립터 생성
- 지문 생성
- 분자 그리기
- 예측 모델에서 설명자를 사용하기 위한 전처리
RDKit에 대한 자세한 내용은 다음 페이지를 참조하세요.
https://www.rdkit.org/
시스템 요구 사항
- JMP 18 이상
- 표시 언어는 영어와 일본어만
- 윈도우 운영체제
- 다음 Python Package가 설치되어 있습니다.
- RDKit
- 넘피
- 팬더
사전 준비
RDKit 설치
- 파일 > 새로 만들기 > JSL 스크립트를 선택합니다.
- 다음 스크립트를 입력하고 편집 > 스크립트 실행을 선택합니다.
Python Install Packages("numpy pandas rdkit");
사용법
분자 기술자/지문 생성
- 추가 기능 > Toolkit for Materials Informatics > Descriptor Calculation을 선택합니다.
- SMILES가 입력되는 열을 Y, SMILES로 지정합니다. 기법 선택 목록에서 생성하고 싶은 설명자, 지문을 선택합니다.
- [OK] 버튼을 클릭하면 선택한 특징량이 생성됩니다.
- 닫기 버튼을 클릭합니다.
이 추가 기능을 사용하는 방법
재료 정보학 및 화학 정보학을 위한 추가 기능입니다. 이 추가 기능은 RDKit( https://www.rdkit.org/ )을 사용하여 SMILES에서 이러한 설명자를 계산합니다. 계산된 디스크립터는 예측 모델의 특징 변수로 사용될 수 있습니다.
할 수 있는 작업은 다음과 같습니다.
- 분자 설명자 생성
- 지문 생성
- 분자 그리기
- 예측 모델에 사용하기 위한 전처리 설명자
이 추가 기능을 사용하기 전에 RDKit을 설치해야 합니다.
- 파일 > 새로 만들기 > JSL 스크립트를 선택합니다.
- 아래 스크립트를 입력하고 편집 > 스크립트 실행을 선택하세요(JMP 18 필요).
Python Install Packages("numpy pandas rdkit");
- 추가 기능 > 재료 정보학용 도구 키트 > 설명자 계산을 선택합니다.
- SMILES가 입력된 컬럼을 "Y,SMILES"로 지정합니다. 메소드 선택 목록에서 생성하려는 설명자와 지문을 확인하십시오.
훌륭한 추가 기능 @yuichi_katsumur ! 화학은 틀림없이 JMP에서 가장 인기 있는 과학 분야인데, 강력하고 기능이 풍부한 RDKit 패키지에 쉽게 액세스할 수 있게 해주셔서 JMP의 QSAR에 대한 접근성이 훨씬 더 높아졌습니다.
Python에 RDKit을 설치하기 위한 명확한 지침은 따르기가 매우 쉽고 매력적인 출력을 제공하는 멋진 검사 유틸리티에 정말 감사합니다.
설명자와 세 가지 종류의 지문은 탐색적 분석(예: PCA, 다변량 임베딩, 계층적 클러스터링, 응답 스크리닝) 및 예측 모델링(예: Fit Model, Neural, SVM, XGBoost, Torch)에 사용할 수 있는 훌륭한 입력입니다.
분자 그림은 빠르며 JMP 표에서 매력적인 라벨을 만듭니다.
JSME 편집기 및 하위 구조 검색 기능은 놀랍고 매우 환영받는 보너스입니다.
이 추가 기능의 세부 사항에 대한 관심은 정말 대단합니다!:) <- 미소
