python 函数根据 Tanimoto 系数丢弃过于相似的分子？

Question

我正在尝试编写一个 python 函数，它将两个列表作为输入：一个包含一些分子 SMILES 代码，另一个包含分子名称。

然后它计算所有分子对之间的 TANIMOTO 系数（我已经有一个函数）和 returns 两个新列表，分别包含所有 Tanimoto 与任何其他分子的 SMILES 和名称不高于某个阈值。

这是我目前所做的，但它给出了错误的结果（我得到的大多数分子几乎相同......）：

def TanimotoFilter(molist,namelist,threshold):
    # molist is the smiles list
    # namelist is the name list (SURPRISE!) is this some global variable name?
    # threshold is the tanimoto threshold (SURPRISE AGAIN!)
    smilesout=[]
    names=[]
    tans=[]
    exclude=[]
    for i in range(1,len(molist)):
        if i not in exclude:
            smilesout.append(molist[i])
            names.append(namelist[i])
            for j in range(i,len(molist)):
                if i==j:
                   tans.append('SAME')
                else:
                   tanimoto=tanimoto_calc(molist[i],molist[j])
                   if tanimoto>threshold:
                      exclude.append(j)
                      #print 'breaking for '+str(i)+' '+str(j)
                      break
                   else:
                      tans.append(tanimoto)

    return smilesout, names, tans

如果您提出的修改尽可能基本，我将不胜感激，因为这段代码是为那些在生活中几乎没有见过终端的人准备的……如果它充满了也没关系使它变慢的循环。

谢谢大家！

Answer 1

我对函数的逻辑做了一些修改。如问题中所述，它 returns 包含 SMILES 和名称的两个列表。我不确定 tan 的用途，因为 tanimoto 值是针对元组而不是针对单个分子的。无法在没有数据的情况下测试代码，如果可行请告诉我。

def TanimotoFilter(molist, namelist, threshold):
    # molist is the smiles list
    # namelist is the name list (SURPRISE!) is this some global variable name?
    # threshold is the tanimoto threshold (SURPRISE AGAIN!)
    smilesout=[]
    names=[]
    tans=[]
    exclude=[]

    for i in range(0, len(molist)):
        if i not in exclude:
            temp_exclude = []
            for j in range(i + 1, len(molist)):
                tanimoto = tanimoto_calc(molist[i], molist[j])
                if tanimoto > threshold:
                    temp_exclude.append(j)
            if temp_exclude:
                temp_exclude.append(i)
                exclude.extend(temp_exclude)
            else:
                smilesout.append(molist[i])
                names.append(namelist[i])

    return smilesout, names

python 函数根据 Tanimoto 系数丢弃过于相似的分子？

A python function that discards molecules that are too similar based on Tanimoto coefficient?

python

similarity

chemistry