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
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
RDKit также можно установить через conda-forge:
conda install -c conda-forge rdkit
Запуск
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:
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:
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.
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.
python molmesh.py chembl_37_chemreps.txt --images-dir structures
Опция --image-columns задаёт число структур в строке сетки (по умолчанию 4).