Initial commit

README.md

@@ -0,0 +1,56 @@
+# MolMesh
+
+Минимальный локальный поиск молекул ChEMBL, похожих на гефитиниб (`CHEMBL939`).
+
+Скрипт находит `CHEMBL939` в TSV и использует его `canonical_smiles` как эталон. Затем во втором потоковом проходе по файлу строит Morgan fingerprints (`radius=2`, `fpSize=2048`) и ранжирует остальные валидные SMILES по Tanimoto similarity. Невалидные SMILES и сам `CHEMBL939` пропускаются. В памяти остаются только 20 лучших результатов (или значение `--top`).
+
+## Установка
+
+```bash
+python -m venv .venv
+source .venv/bin/activate
+pip install -r requirements.txt
+```
+
+RDKit также можно установить через conda-forge:
+
+```bash
+conda install -c conda-forge rdkit
+```
+
+## Запуск
+
+```bash
+python molmesh.py chembl_37_chemreps.txt -o gefitinib_similarities.csv
+```
+
+По умолчанию создаётся CSV с колонками `rank,chembl_id,canonical_smiles,similarity` и выводится тот же top-20 в терминал. Для другого размера выборки:
+
+```bash
+python molmesh.py chembl_37_chemreps.txt --top 50 -o top_50.csv
+```
+
+Во время поиска статус выводится в `stderr` каждые 100 000 строк: количество обработанных строк, текущая и средняя скорость, прошедшее время и число пропущенных невалидных SMILES. Период можно изменить или отключить:
+
+```bash
+python molmesh.py chembl_37_chemreps.txt --progress-every 500000
+python molmesh.py chembl_37_chemreps.txt --progress-every 0
+```
+
+## Быстрый тест на части базы
+
+Опция `--max-rows` ограничивает второй проход первыми `N` строками TSV. Сам `CHEMBL939` перед этим всё равно находится в отдельном потоковом проходе, поэтому эталон остаётся тем же. Получившийся CSV — это top‑20 только по обработанной части, а не по полной базе.
+
+```bash
+python molmesh.py chembl_37_chemreps.txt --max-rows 10000 -o test_results.csv
+```
+
+## Изображения структур
+
+Передайте каталог в `--images-dir`, чтобы создать `CHEMBL939_gefitinib.png` с гефитинибом и `top_candidates.png` с сеткой top‑кандидатов. На изображениях кандидатов указаны ранг, ChEMBL ID и Tanimoto similarity.
+
+```bash
+python molmesh.py chembl_37_chemreps.txt --images-dir structures
+```
+
+Опция `--image-columns` задаёт число структур в строке сетки (по умолчанию `4`).