deepchem

# DeepChem ## 概述 DeepChem 是一个综合性的 Python 库，用于将机器学习应用于化学、材料科学和生物学。通过专门的神经网络、分子特征化方法和预训练模型，实现分子属性预测、药物发现、材料设计和生物分子分析。 ## 何时使用此技能 当需要进行以下操作时，请使用此技能： - 加载和处理分子数据（SMILES 字符串、SDF 文件、蛋白质序列） - 预测分子属性（溶解度、毒性、结合亲和力、ADMET 属性） - 在化学/生物数据集上训练模型 - 使用 MoleculeNet 基准数据集（Tox21, BBBP, Delaney 等） - 将分子转换为机器学习就绪的特征（指纹、图表示、描述符） - 实现分子的图神经网络（GCN, GAT, MPNN, AttentiveFP） - 应用预训练模型的迁移学习（ChemBERTa, GROVER, MolFormer） - 预测晶体/材料属性（带隙、形成能） - 分析蛋白质或 DNA 序列 ## 核心能力 ### 1. 分子数据加载与处理 DeepChem 为各种化学数据格式提供了专门的加载器： python import deepchem as dc # 加载带有 SMILES 的 CSV featurizer = dc.feat.CircularFingerprint(radius=2, size=2048) loader = dc.data.CSVLoader( tasks=['solubility', 'toxicity'], feature_field='smiles', featurizer=featurizer ) dataset = loader.create_dataset('molecules.csv') # 加载 SDF 文件 loader = dc.data.SDFLoader(tasks=['activity'], featurizer=featurizer) dataset = loader.create_dataset('compounds.sdf') # 加载蛋白质序列 loader = dc.data.FASTALoader() dataset = loader.create_dataset('proteins.fasta') **关键加载器**: - `CSVLoader`: 带有分子标识符的表格数据 - `SDFLoader`: 分子结构文件 - `FASTALoader`: 蛋白质/DNA 序列 - `ImageLoader`: 分子图像 - `JsonLoader`: JSON 格式数据集 ### 2. 分子特征化 将分子转换为机器学习模型的数值表示。 #### 特征化器选择决策树 模型是否为图神经网络? ├─ 是 → 使用图特征化器 │ ├─ 标准 GNN → MolGraphConvFeaturizer │ ├─ 消息传递 → DMPNNFeaturizer │ └─ 预训练 → GroverFeaturizer │ └─ 否 → 模型类型是什么? ├─ 传统机器学习 (RF, XGBoost, SVM) │ ├─ 快速基准 → CircularFingerprint (ECFP) │ ├─ 可解释性 → RDKitDescriptors │ └─ 最大覆盖