molfeat

# Molfeat - 分子特征化中心 ## 概述 Molfeat 是一个全面的 Python 分子特征化库，集成了 100 多种预训练嵌入和手工特征提取器。它能将化学结构（SMILES 字符串或 RDKit 分子）转换为数值表示，用于机器学习任务，包括 QSAR 建模、虚拟筛选、相似性搜索和深度学习应用。具有快速并行处理、兼容 scikit-learn 的转换器以及内置缓存功能。 ## 何时使用此技能 当涉及以下任务时，应使用此技能： - **分子机器学习**：构建 QSAR/QSPR 模型，属性预测 - **虚拟筛选**：对化合物库进行生物活性排序 - **相似性搜索**：寻找结构相似的分子 - **化学空间分析**：聚类、可视化、降维 - **深度学习**：在分子数据上训练神经网络 - **特征化流水线**：将 SMILES 转换为机器学习就绪的表示 - **化学信息学**：任何需要分子特征提取的任务 ## 安装 bash uv pip install molfeat # 安装所有可选依赖 uv pip install "molfeat[all]" **特定特征提取器的可选依赖：** - `molfeat[dgl]` - GNN 模型 (GIN 变体) - `molfeat[graphormer]` - Graphormer 模型 - `molfeat[transformer]` - ChemBERTa, ChemGPT, MolT5 - `molfeat[fcd]` - FCD 描述符 - `molfeat[map4]` - MAP4 指纹 ## 核心概念 Molfeat 将特征化组织为三个层级类： ### 1. 计算器 (`molfeat.calc`) 将单个分子转换为特征向量的可调用对象。接受 RDKit `Chem.Mol` 对象或 SMILES 字符串。 **计算器适用场景：** - 单分子特征化 - 自定义处理循环 - 直接特征计算 **示例：** python from molfeat.calc import FPCalculator calc = FPCalculator("ecfp", radius=3, fpSize=2048) features = calc("CCO") # 返回 numpy 数组 (2048,) ### 2. 转换器 (`molfeat.trans`) 兼容 scikit-learn 的转换器，封装了计算器以实现并行批处理。 **转换器适用场景：** - 分子数据集的批量特征化 - 与 scikit-learn 流水线集成 - 并行处理 (自动利用 CPU) **示例：** python from molfeat.trans import MoleculeTransformer from molfeat.calc import FPCalculator transformer = MoleculeTransformer(FPCalculator("ecfp"), n_jobs=-1) f