Deepchem 工作流

# DeepChem 工作流 本文档提供了 DeepChem 常见用例的详细工作流。 ## 工作流 1：基于 SMILES 的分子属性预测 **目标**: 从 SMILES 字符串预测分子属性（例如溶解度、毒性、活性）。 ### 分步流程 #### 1. 准备数据 数据应为 CSV 格式，至少包含： - 一列 SMILES 字符串 - 一列或多列属性值（目标值） CSV 结构示例： csv smiles,solubility,toxicity CCO,-0.77,0 CC(=O)OC1=CC=CC=C1C(=O)O,-1.19,1 #### 2. 选择特征化器 (Featurizer) 决策树： - **小数据集 (100K)**: 使用基于图的特征化器 (`MolGraphConvFeaturizer`, `DMPNNFeaturizer`) - **迁移学习**: 使用预训练模型特征化器 (`GroverFeaturizer`) #### 3. 加载并特征化数据 python import deepchem as dc # 基于指纹 featurizer = dc.feat.CircularFingerprint(radius=2, size=2048) # 或者基于图 featurizer = dc.feat.MolGraphConvFeaturizer() loader = dc.data.CSVLoader( tasks=['solubility', 'toxicity'], # 要预测的列名 feature_field='smiles', # 包含 SMILES 的列 featurizer=featurizer ) dataset = loader.create_dataset('data.csv') #### 4. 分割数据 **关键**: 在药物发现中请使用 `ScaffoldSplitter` 以防止数据泄露。 python splitter = dc.splits.ScaffoldSplitter() train, valid, test = splitter.train_valid_test_split( dataset, frac_train=0.8, frac_valid=0.1, frac_test=0.1 ) #### 5. 转换数据（可选但推荐） python transformers = [ dc.trans.NormalizationTransformer( transform_y=True, dataset=train ) ] for transformer in transformers: train = transformer.transform(train) valid = transformer.transform(valid) test = transformer.transform(test) #### 6. 选择并训练模型 python # 对于指纹 model = dc.models.MultitaskRegressor( n_tasks=2, # 要预测的属性数量 n_features=2048, # 指纹大小 layer_sizes=[1000, 500], # 隐藏层大小 dropouts=0.25, learning_rate=0.001 ) # 或者对于图 model = dc.models.GCNModel( n_tasks=2, mode='regression', batch_size=128, learning_rate=0.001 ) # 训练 model.fit(train, nb_epoch=50) #### 7. 评估