关于此插件
这是材料信息学 (MI) 和化学信息学的插件。材料信息学是一项利用机器学习等信息科学技术来提高材料开发和探索效率的举措。
使用机器学习处理分子时的挑战是如何将分子转换为计算机可以解释的数值。一种解决方案是“指纹识别”。这是化合物结构特征的数值表示，也称为特征量。已经针对这些特征提出了各种描述符。
该插件允许您使用名为 RDKit 的库从 SMILES 计算这些描述符。计算出的描述符可以用作预测模型中的解释变量。
通过此插件，您可以：
- 生成分子描述符
- 生成指纹
- 分子绘图
- 在预测模型中使用描述符的预处理
有关 RDKit 的信息，请参阅以下页面。
https://www.rdkit.org/
系统要求
- JMP 18 及更高版本
- 显示语言仅限英语和日语
- Windows操作系统
- 安装了以下Python包
- RD套件
- Numpy
- 熊猫
提前准备
安装RDKit
- 选择[文件] > [新建] > [JSL 脚本]
- 输入下面的脚本并选择“编辑”>“运行脚本”
Python Install Packages("numpy pandas rdkit");
如何使用
分子描述符/指纹的生成
- 选择插件 > 材料信息学工具包 > 描述符计算。
- 将输入 SMILES 的列指定为“Y,SMILES”。从方法选择列表中检查要生成的描述符和指纹。
- 单击“确定”按钮生成所选功能。
- 单击关闭按钮。
如何使用此插件
此插件适用于材料信息学和化学信息学。此插件使用 RDKit( https://www.rdkit.org/ ) 从 SMILES 计算这些描述符。计算出的描述符可用作预测模型中的特征变量。
您可以执行以下操作：
- 生成分子描述符
- 生成指纹
- 绘制分子
- 预处理描述符以用于预测模型
使用此插件之前您必须安装 RDKit。
- 选择文件 > 新建 > JSL 脚本
- 输入以下脚本并选择编辑>运行脚本（需要 JMP 18）
Python Install Packages("numpy pandas rdkit");
- 选择“插件”>“材料信息学工具包”>“描述符计算”。
- 指定输入 SMILES 的列为“Y,SMILES”。从方法选择列表中检查要生成的描述符和指纹。
出色的插件@yuichi_katsumur ！化学可以说是 JMP 最受欢迎的科学分支，您刚刚为我们提供了功能强大且功能丰富的 RDKit 包，使 JMP 中的 QSAR 更加易于访问。
使用 Python 安装 RDKit 的清晰说明非常容易遵循，并且非常欣赏具有吸引人的输出的良好检查实用程序。
描述符和三种指纹是用于探索性分析（例如 PCA、多元嵌入、层次聚类、响应筛选）和预测模型（例如拟合模型、神经、SVM、XGBoost、Torch）的重要输入。
分子绘图速度很快，并在 JMP 表中生成引人注目的标签。
JSME 编辑器和子结构搜索功能非常出色，是一项非常受欢迎的福利。
此插件对细节的关注非常棒！:) <- 微笑
