博客
关于我
pysmiles:一个用于读写SMILES表达式的python库
阅读量:529 次
发布时间:2019-03-08

本文共 870 字,大约阅读时间需要 2 分钟。

SMILES 表达式与 pysmiles 的应用

技术背景

SMILES(SMILES Notation)是化学领域中用于描述分子结构的简洁文本表达方式。通过特定的符号规则,SMILES能够准确表示分子中原子的连接关系及相关属性。例如:

  • 氢原子通常省略,只显示原子符号(如 C 表示碳)。
  • 双键和三键分别用 =# 表示。
  • 分支关系用圆括号表示,主链不加标记。
  • 不成键的分子用 . 分隔,环状结构用数字标记开头和结尾。

这种表达方式简洁高效,广泛应用于化学信息处理中。

pysmiles 的安装

pysmiles 是一个基于 Python 的 SMILES 解析与生成工具,结合 networkx 框架存储分子结构信息。安装过程如下:

pip install pysmiles

安装完成后,可以通过 Python 环境调用 pysmiles API。

pysmiles 的使用

以下是一个简单的 SMILES 解析示例:

from pysmiles import read_smilesimport networkx as nxsmiles = 'N#CC#N'mol = read_smiles(smiles)print(mol.nodes)  # 打印节点信息print(mol.edges)  # 打印边信息print(nx.to_numpy_matrix(mol))  # 打印邻接矩阵elements = nx.get_node_attributes(mol, name="element")nx.draw(mol, with_labels=True, labels=elements)plt.savefig('pysmiles.png')

运行该脚本会生成一个分子结构图,图中标注原子元素。

总结

pysmiles 提供了便捷的 SMILES 解析与生成功能,结合 networkx 实现分子结构可视化。它适合用于化学信息处理中的结构分析与可视化。

如需进一步探索 SMILES 的应用,可参考相关工具的官方文档或示例代码。

转载地址:http://yjgnz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>