alfabet

机器学习衍生的快速、准确的键解离熵工具 (ALFABET)

该库包含经过训练的图神经网络模型，用于预测具有 C、H、N 和 O 原子的有机分子的均裂键解离能 (BDE)。该软件包为 bde.ml.nrel.gov 上基于 Web 的模型预测提供了一个命令行界面。

基本界面的工作原理如下，其中predict需要目标分子的 SMILES 字符串列表

 >> > from alfabet import model
>> > model . predict ([ 'CC' , 'NCCO' ])

  molecule  bond_index bond_type fragment1 fragment2  ...    bde_pred  is_valid
0       CC           0       C-C     [CH3]     [CH3]  ...   90.278282      True
1       CC           1       C-H       [H]    [CH2]C  ...   99.346184      True
2     NCCO           0       C-N   [CH2]CO     [NH2]  ...   89.988495      True
3     NCCO           1       C-C    [CH2]O    [CH2]N  ...   82.122429      True
4     NCCO           2       C-O   [CH2]CN      [OH]  ...   98.250961      True
5     NCCO           3       H-N       [H]   [NH]CCO  ...   99.134750      True
6     NCCO           5       C-H       [H]   N[CH]CO  ...   92.216087      True
7     NCCO           7       C-H       [H]   NC[CH]O  ...   92.562988      True
8     NCCO           9       H-O       [H]    NCC[O]  ...  105.120598      True

该模型破坏输入分子中的所有单非环状键并计算它们的键解离能。典型的预测误差小于 1 kcal/mol。该模型基于 Tensorflow (2.x)，并大量使用神经指纹库 (0.1.x)。

有关更多详细信息，请参阅出版物：St. John, PC、Guan, Y.、Kim, Y.、Kim, S. 和 Paton, RS (2020)。以接近化学精度和亚秒级计算成本预测有机均裂键解离焓。自然通讯，11（1）。 doi:10.1038/s41467-020-16201-z

注意：对于文中描述的确切型号，请安装alfabet版本 0.0.x。 >0.1 版本已针对 TensorFlow 2 进行了更新。

安装

建议使用conda安装，否则rdkit可能难以安装

$ conda create -n alfabet -c conda-forge python=3.7 rdkit
$ source activate alfabet
$ pip install alfabet
` `