Py指纹 用于描述由不同工具（例如RDKit，CDK和OpenBabel）提供的分子的化学指纹类型很多。 该软件包旨在总结所有内容。 依存关系 适用于python 3.6或更高版本的Anaconda Java SE开发套件11 py pip install jpype1 RDKit conda install -c rdkit rdkit OpenBabel conda install -c conda-forge openbabel 安装 pip install git+git://github.com/hcji/PyFingerprint@master 用法 from PyFingerprint.All_Fingerprint import get_fingerprint fps = get_fingerprint('CCCCN', fp_type='dayligh

3 d分子指纹-源码

常规毒理学实验方法周期长、耗资高，对现代药物研发和环境化合物安全性评估具有局限性，通过对化合物毒理性研究，提取1 047维分子指纹特征，提出去噪自编码神经网络无监督学习机制及对腐败特征的自联想学习特性提取隐含毒性化合物特征，实现化合物毒性预测和毒性化合物的活性预测。该方法在化合物毒性预测和活性预测中的预测精度分别为79.825%、80.85%，敏感性分别为79.62%、80.25%，特异性分别为80.03%、81.45%。实验结果表明，去噪自编码网络较浅层机器学习更适用于高通量化合物毒性预测，较传统自编码网络更具优越性。