utilities

# TDC 工具与数据函数 本文档提供了 TDC 数据处理、评估和工具函数的综合文档。 ## 概述 TDC 提供的工具分为四大类： 1. **数据集拆分** - 训练/验证/测试划分策略 2. **模型评估** - 标准化性能指标 3. **数据处理** - 分子转换、过滤和变换 4. **实体检索** - 数据库查询和转换 ## 1. 数据集拆分 数据集拆分对于评估模型的泛化能力至关重要。TDC 提供了多种专为治疗性机器学习设计的拆分策略。 ### 基本拆分用法 python from tdc.single_pred import ADME data = ADME(name='Caco2_Wang') # 使用默认参数获取拆分 split = data.get_split() # 返回: {'train': DataFrame, 'valid': DataFrame, 'test': DataFrame} # 自定义拆分参数 split = data.get_split( method='scaffold', seed=42, frac=[0.7, 0.1, 0.2] ) ### 拆分方法 #### 随机拆分 数据的随机洗牌 - 适用于通用机器学习任务。 python split = data.get_split(method='random', seed=1) **何时使用：** - 基准模型评估 - 当化学/时间结构不重要时 - 快速原型设计 **不推荐用于：** - 现实的药物发现场景 - 评估对新化学物质的泛化能力 #### 支架拆分 基于分子支架（Bemis-Murcko 支架）进行拆分 - 确保测试分子在结构上与训练集不同。 python split = data.get_split(method='scaffold', seed=1) **何时使用：** - 大多数单预测任务的默认设置 - 评估对新化学系列的泛化能力 - 现实的药物发现场景 **工作原理：** 1. 从每个分子中提取 Bemis-Murcko 支架 2. 按支架对分子进行分组 3. 将支架分配给训练/验证/测试集 4. 确保测试分子具有未见过的支架 #### 冷拆分 (DTI/DDI 任务) 对于多实例预测，冷拆分确保测试集包含未见过的药物、靶点或两者皆有。 **冷药物拆分：** python from tdc.multi_pred import DTI data = DTI(name='BindingDB_Kd') split = data.get_split(method='cold_drug', seed=1) - 测试集包含训练期间未见过的药物 - 评估对新化合物的泛化能力 **冷靶点拆分：** python split = data.get_split(method='cold_target', seed=1) - 测试集包含训练期间未见过的靶点 - 评估对新靶点的泛化能力