化合物Excel转SDF格式文档 工具,简单易用

Python自动化批量获取PubChem化合物信息:PubChemPy实战指南 化学信息学是药物研发、材料科学等领域处理化合物数据的核心技术,其核心原理是通过计算方法和数据库技术对化学结构、性质及活性进行系统化分析。在工程实践中,自动化数据获取是提升研究效率的关键,尤其当面对成百上千个化合物时,手动查询大型数据库如PubChem会变得极其低效且易错。Python作为广泛使用的编程语言,结合PubChemPy这类封装库,能够高效调用PubChem PUG REST API,实现化合物信息的批量下载与处理,其技术价值在于将重复性劳动转化为可复用的自动化流程,显著节省研究人员时间并减少人为误 阅读详情

一直没找到好用的转sdf的工具,趁着现在AI越来越简单易用,自己做了一个。

使用的AI软件是 元气AI Bot,第一次给出需求后,就出了一版能用的了,确实很厉害。然后通过对话方式修改了一些小问题,做了一点点非常简单的美化,就有了1.0的最终版,如下图所示:

图片

因为实在是非常简单,我就不做太多的介绍了。

使用说明:

  • 双击运行 ExcelToSDF_Converter_v1.exe

  • 选择要转换成SDF的 Excel 文件和保存输出 SDF 文件的路径

  • 点击 "开始转换" 按钮

  • 等待转换完成,查看统计结果

程序功能总结:

  1. ✅ PyQt5 美观界面 - 专业的外观设计

  2. ✅ 转换时按钮变灰 - 防止重复点击

  3. ✅ 实时进度显示 - 显示 "已转换行数 / 总行数"

  4. ✅ 保留所有行数据 - 包括没有 SMILES 或 SMILES 无效的行

  5. ✅ 详细统计信息 - 转换完成后显示总数、有效数、无效数

  6. ✅ 后台线程处理 - 界面流畅不卡死

  7. ✅ 独立 exe 文件 - 双击即可运行,无需 Python 环境

在此之前,我也试用了好几个国产龙虾,包括企鹅的,但实在一言难尽,有安装过程中直接报错失败的,有打开后直接卡死的,有对话了一两句就没反应的。。。我自认为还算是一个会用电脑的人(毕竟CS专业),结果一上来就发现这些龙虾完全都不测试就直接发布的么

为了避免以后这个工具的权属问题,先截图一个编写过程,证明是我用AI开发的哈

图片

不管承不承认,AI的时代就这么突然地来了,赋予了普通人更强大的解决问题的能力,也给了很多人怕被淘汰的焦虑。我只能说,只有赶紧学习起来争取慢点被淘汰,但碳基生物被硅基生物淘汰似乎是不可逆的,哈哈

最后放上链接,有需要的自取,AI同好也欢迎交流,一起学习

https://download.youkuaiyun.com/download/tmp00001/92794600

一道XRD图难倒五大AI:科研图像识别的确定性困境 在化学与材料科学研究中,图像识别不仅是视觉理解问题,更是专业语义解析任务。其核心原理在于将实验图像(如X射线衍射图、红外谱图、球棍模型)映射到严格定义的科学实体(空间群、官能团、原子拓扑),依赖领域知识库、工具链调用与物理化学约束。技术价值体现在避免幻觉输出、支持可验证决策,是AI从通用助手迈向科研可信协作者的关键跃迁。典型应用场景包括晶体结构解析、多谱图联合归属、机械互锁分子识别及实验安全风险提示。本文聚焦‘专业语境下的确定性’这一瓶颈,以XRD图像解析失败为切口,揭示当前多模态大模型在科研图像任务中的根 阅读详情

相关推荐

基于pychem与Python 3.0构建化学数据库:从结构存储到组合查询实战

化学数据管理长期面临结构表达复杂、来源多样、物性单位混乱等挑战,传统Excel方式在数据量增长后容易暴露出检索慢、重复录入和关联查询困难等短板。将分子式、SMILES、CAS号等化学标识符视为结构化字段并存入关系型数据库,是实现高效化学数据组织的关键思路。通过解析化合物结构生成统一规范的数据模型,配合SQL条件筛选与物性附表设计,可以打通结构信息与常规属性的关联查询路径,使研究人员能够快速完成按分子式、物性区间或结构类型的组合筛选。这类方法不仅能用于实验室数据整理与文献数据批量导入,也适合支撑数据库课程设计

weixin_29063035的博客 261

RDKit 分子文件读写模块 rdkit.Chem.rdmolfiles 完全指南:格式解析、SMILES 生成与文件 I/O

`rdkit.Chem.rdmolfiles` 是 RDKit 中最常被调用的模块之一,它承担了"字符串/文件 ↔ 分子对象"之间的全部转换工作:从 SMILES、SMARTS、Mol/SDF、Mol2、PDB、XYZ、MRV、CML、TPL 乃至 PNG 元数据中构造 `Mol` 对象,并把分子写回为规范 SMILES、SMARTS、Mol block 与各类文件格式。本篇指南以 [rdkit.

gitblog_01028的博客 285

PDF转Excel转换器sdf

PDF转Excel转换器sdf

MediaCrawler 多平台自媒体数据采集教程:5 分钟跑通 7 个平台的爬虫

MediaCrawler 是一款支持小红书、抖音、快手、B 站、微博、贴吧、知乎的开源数据采集工具。不用手写请求、不用逆向签名,扫码登录后就能按关键词批量抓帖子和评论,适合想把多平台舆情、评论数据落到本地的新手。 [![MediaCrawler 可视化采集控制台与运行日志界面](https://raw.gitcode.com/GitHub_Trending/me/MediaCrawler/raw

gitblog_00780的博客 187

[STM32H750]HAL库下FMC驱动正点原子MCU屏的移植与优化

本文详细介绍了在STM32H750平台上使用HAL库移植与优化正点原子MCU屏幕驱动的完整过程。重点解析了FMC硬件配置、Cache一致性处理、精确延时实现等关键技术难点,提供了实用的移植方案和性能优化技巧,帮助开发者高效解决屏幕显示问题。

rock5的博客 286

深入理解HTTPS:从SSLHandshakeException到证书链验证的完整解析

本文深入解析了HTTPS握手过程中常见的SSLHandshakeException异常,特别是由证书链验证失败引发的CertPathValidatorException。文章从TLS握手流程、证书链验证的数学原理出发,详细剖析了Java中TrustManager的工作机制,并提供了针对证书链不完整、自签名证书等典型问题的系统化排查流程与实战解决方案。

weixin_29313423的博客 231

开源分子描述符计算实战:RDKit、PaDEL与Mordred选型部署指南

分子描述符计算是化学信息学和计算机辅助药物设计的核心基础,它将分子结构转化为机器可读的数值特征,从而构建定量构效关系模型。其原理在于通过算法提取分子的拓扑、电性、几何等物理化学属性,形成特征向量。这项技术的价值在于实现了从化学直觉到数据驱动的范式转变,为预测分子活性、毒性及筛选新材料提供了可计算的基石。在药物发现、材料科学等应用场景中,开源工具如RDKit、PaDEL-Descriptor和Mordred已成为主流选择。它们分别以**灵活性**、**批量处理**和**现代化Python集成**见长,共同构成

weixin_34007020的博客 387

【Excel VBA 编程】表格内自动生成进度条

在表格中生成进度条,进度条需要自适应单元格的宽度,根据不同进度区间变换颜色,并且按照进度数据大小显示其长短

wei1019的专栏 1518

Biomni:如何让AI成为你的生物医学研究助手?

想象一下,你正在进行一项复杂的CRISPR基因编辑实验设计,或者需要分析单细胞RNA测序数据,又或者要预测某个药物的ADMET性质。传统上,这些任务需要你查阅大量文献、编写复杂代码、使用多个专业软件。但现在,有一个AI助手可以帮你完成这一切——它就是Biomni。 Biomni是一个通用的生物医学AI智能体,专为科研人员设计。它能够理解自然语言指令,自动调用各种生物医学工具和数据库,帮你完成从实

gitblog_01084的博客 452

别再只用LSTM了!用Temporal Fusion Transformer (TFT) 搞定多变量时序预测,附PyTorch实战代码

本文介绍了Temporal Fusion Transformer (TFT) 在多变量时序预测中的优势,并提供了PyTorch实战代码。TFT通过三重注意力机制解决了LSTM在特征交互、静态特征处理和解释性方面的不足,显著提升了预测精度和可解释性。文章详细讲解了TFT的核心组件构建、数据预处理、模型训练技巧及可解释性分析,帮助开发者快速掌握这一先进时序预测技术。

weixin_33712987的博客 279

安装openclaw时出现npm error code ENOENT npm error syscall spawn git报错的解决方案

本文主要介绍了安装openclaw时出现npm error code ENOENT npm error syscall spawn git报错的解决方案,希望能对使用openclaw的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 12万+

用 Datamol 构建药物发现流水线:数据加载、SAR 分析与虚拟筛选工作流实战

本文以 datamol skill 的 [workflow_patterns.md](https://link.gitcode.com/i/8e65857451c677f0f4f0b0b4d4d4e469) 为核心,系统讲解在 `scientific-agent-skills` 仓库中用于药物发现的三条端到端管线:**数据加载 → 过滤 → 分析**、**基于 scaffold 系列的构效关系(S

gitblog_00209的博客 309

【DRAM存储器一】基本存储单元、阵列结构、读写原理

详述DRAM存储器存储单元、存储阵列结构和读写原理

highman110的博客 7250

AutoDockTools-Pipeline:自动化分子对接与虚拟筛选工作流实战指南

分子对接是计算化学和药物发现领域的核心技术,它通过模拟小分子配体与生物大分子受体(如蛋白质)的结合模式与亲和力,来预测其相互作用。其原理基于分子力学、搜索算法和打分函数,在计算机上评估数百万种可能的结合构象。这项技术的核心价值在于能够大幅加速先导化合物的发现过程,降低实验成本,广泛应用于虚拟筛选、药物重定位和毒性预测等场景。随着高通量筛选需求的增长,传统手动或脚本拼接的流程在效率、可复现性和可扩展性上遇到瓶颈。AutoDockTools-Pipeline 作为一个专注于分子对接领域的自动化流程编排引擎,通过

weixin_34211761的博客 395

【机器学习】推理时计算优化——思维链(Chain-of-Thought)与慢思考范式 第一章:基础理论与认知框架 第二章:计算优化技术与前沿方法

过程监督在数学推理中展现出显著优势,因其能够定位错误发生的具体步骤,而非仅在最终答案处提供稀疏反馈。然而,高质量过程标注的获取成本高昂,这催生了基于自动验证器的近似方法。

VectorShift的博客 71

Python爬虫实战:采集行业协会、研究机构等平台的政策文件列表与PDF链接批量收集系统,支持自动下载、分类归档和数据库管理(SQLite持久化存储)!

我长期专注 Python 爬虫工程化实战,主理专栏 👉 《Python爬虫实战》:从采集策略到反爬对抗,从数据清洗到分布式调度,持续输出可复用的方法论与可落地案例。内容主打一个“能跑、能用、能扩展”,让数据价值真正做到——抓得到、洗得净、用得上。

喵手的博客 640

Datamol 分子描述符与可视化实战指南:从分子性质计算到结构图像生成

本文围绕 `datamol`(RDKit 的 Pythonic 轻量封装库)的两个核心模块——`datamol.descriptors`(分子描述符计算)与 `datamol.viz`(分子结构可视化)展开。你将掌握如何用几行代码完成单分子/批量的分子性质计算、基于 Lipinski 五规则与 TPSA 的药物类药性过滤,以及如何将分子网格、3D 构象与环形分子关系图渲染为 PNG/SVG 图像,

gitblog_00733的博客 319

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

ChEMBL活性数据高效清洗与标准化:从靶点查询到可复用流程

药物研发与化学生物学研究中,生物活性数据是构建预测模型、开展虚拟筛选和解析构效关系的基础。ChEMBL数据库作为欧洲生物信息学研究所维护的核心资源,将海量文献中的化合物活性实验数据转化为结构化、可计算的标准化条目,涵盖IC50、Ki、Kd、EC50等关键参数及对应的实验元信息。其核心价值在于通过统一的单位换算和pChEMBL标准化常数,为跨文献比较提供科学基准,从而支撑从靶点确认到先导化合物优化的完整研发链条。在实际工程中,高效利用ChEMBL远不止于网页下载,更涉及如何通过API批量精准获取靶点数据、如何

weixin_34133829的博客 365

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

RDKit子结构搜索与高亮绘制:从SMARTS匹配到批量分子筛选实战

子结构搜索是化学信息学中基于图论的核心技术,通过子图同构算法判断分子中是否存在特定结构模式。RDKit作为开源工具包,利用SMARTS语言描述查询片段,结合VF2算法实现高效匹配,并支持将匹配原子索引映射为高亮颜色,直观展示片段位置。该技术广泛应用于虚拟筛选、官能团分析和化合物库批量处理,能显著提升药物发现与数据科学中的结构分析效率。本文围绕RDKit的子结构搜索与高亮绘制,详细讲解SMARTS写法、匹配函数选择、高亮参数调优及批量处理技巧,帮助读者掌握从单分子到大规模筛选的完整实操链路。

weixin_34174105的博客 368

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 284

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 1万+

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 222

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 199

在Codex 让AI模型 拥有长期智能记忆

本文介绍Claude-Mem V15新功能——智能记忆召回,解决AI遗忘、重复提示、执行不一致等问题。通过本地部署claude-mem,实现自动记录决策(如数据库选型)、跨会话智能召回,支持记忆写入、检索、遗忘全流程闭环。相比传统记忆方案,其基于Hooks自动捕获工具调用,结构化存储,可追溯、可共享、可清理,显著提升工程效率与协作一致性,是长期项目中理想的“工作黑匣子”与“工程脑”。

米莱虾 255

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 178
上一篇: CD36 介导的脂肪酸代谢重编程调控滑膜成纤维细胞功能
下一篇: Pdf 压缩和转图片 工具,简单易用
追梦的合伙人
博客等级 码龄19年 967粉丝 250原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值