關於此插件
這是材料資訊學 (MI) 和化學資訊學的插件。材料資訊學是一項利用機器學習等資訊科學技術來提高材料開發和探索效率的措施。
使用機器學習處理分子時的挑戰是如何將分子轉換為電腦可以解釋的數值。一種解決方案是“指紋識別”。這是化合物結構特徵的數值表示，也稱為特徵量。已經針對這些特徵提出了各種描述符。
該外掛程式允許您使用名為 RDKit 的庫從 SMILES 計算這些描述符。計算出的描述符可以用作預測模型中的解釋變數。
透過此插件，您可以：
- 生成分子描述符
- 產生指紋
- 分子繪圖
- 在預測模型中使用描述符的預處理
有關 RDKit 的信息，請參閱以下頁面。
https://www.rdkit.org/
系統需求
- JMP 18 及更高版本
- 顯示語言僅限英語和日語
- Windows作業系統
- 安裝了以下Python包
- RD套件
- 麻木
- 貓熊
提前準備
安裝RDKit
- 選擇[檔案] > [新建] > [JSL 腳本]
- 輸入下面的腳本並選擇“編輯”>“運行腳本”
Python Install Packages("numpy pandas rdkit");
如何使用
分子描述符/指紋的生成
- 選擇插件 > 材料資訊學工具包 > 描述符計算。
- 將包含 SMILES 的欄位指定為「Y,SMILES」。從方法選擇清單中檢查要產生的描述符和指紋。
- 按一下“確定”按鈕以產生所選功能。
- 點選關閉按鈕。
如何使用此插件
該插件適用於材料資訊學和化學資訊學。此加載項使用 RDKit ( https://www.rdkit.org/ ) 從 SMILES 計算這些描述符。計算出的描述符可以用作預測模型中的特徵變數。
您可以執行以下操作：
- 生成分子描述符
- 產生指紋
- 畫分子
- 用於預測模型的預處理描述符
在使用此外掛程式之前，您必須安裝 RDKit。
- 選擇檔案 > 新建 > JSL 腳本
- 輸入以下腳本並選擇編輯 > 執行腳本（需要 JMP 18）
Python Install Packages("numpy pandas rdkit");
- 選擇插件 > 材料資訊學工具包 > 描述符計算。
- 將 SMILES 輸入的欄位指定為「Y,SMILES」。從方法選擇清單中檢查要產生的描述符和指紋。
優秀的插件@yuichi_katsumur ！化學可以說是 JMP 最受歡迎的科學分支，您剛剛讓我們輕鬆存取功能強大且功能豐富的 RDKit 軟體包，從而使 JMP 中的 QSAR 更易於訪問。
在 Python 中安裝 RDKit 的清晰說明非常容易遵循，並且非常欣賞具有有吸引力輸出的良好檢查實用程式。
描述子和三種指紋是用於探索性分析（例如 PCA、多元嵌入、層次聚類、反應篩選）和預測建模（例如擬合模型、神經、SVM、XGBoost、Torch）的重要輸入。
分子繪圖速度很快，並在 JMP 表中形成引人注目的標籤。
JSME 編輯器和子結構搜尋功能非常出色，是非常受歡迎的獎勵。
這個插件對細節的關注非常棒！:) <- 微笑
