一种新的、更好的生成相识度图的方法

AIDD Learning

于 2022-09-27 10:08:12 发布

阅读量399

点赞数

分类专栏： RDKit 文章标签： python 深度学习自然语言处理 word2vec tensorflow

本文链接：https://blog.youkuaiyun.com/qq_39889473/article/details/127066140

版权

RDKit 专栏收录该内容

13 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文对比了经典方法与新方法在生成相识度图上的差异，以药物摩根指纹为例。新方法利用Draw2D对象和SimilarityMaps.GetSimilarityMapForFingerprint进行可视化，不仅适用于技术指纹，还可应用于其他类型指纹的可视化，如logp值和Gasteiger-Marsilli电荷的贡献。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一种新的、更好的生成相识度图的方法

本文会比较用经典的方法和新的方法分别得到的相似度图，看看两者的区别。

这里使用阿托伐他汀（立普妥）和罗苏伐他汀（Crestor）这两种药物的摩根指纹为例。

1、经典方法

atorvastatin = Chem.MolFromSmiles('O=C(O)C[C@H](O)C[C@H](O)CCn2c(c(c(c2c1ccc(F)cc1)c3ccccc3)C(=O)Nc4ccccc4)C(C)C')

rosuvastatin = Chem.MolFromSmiles('OC(=O)C[C@H](O)C[C@H](O)\