如何将摩根伯爵指纹计算为 numpy.array？

Question

我想使用 rdkit 生成计数摩根指纹并将其输入 scikit Learn 模型（Python 中）。但是，我不知道如何将指纹生成为 numpy 数组。当我使用

from rdkit import Chem
from rdkit.Chem import AllChem
m = Chem.MolFromSmiles('c1cccnc1C')
fp = AllChem.GetMorganFingerprint(m, 2, useCounts=True)

我得到一个需要转换的 UIntSparseIntVect 。我发现的唯一的东西是cDataStructs（参见： http: //rdkit.org/docs/source/rdkit.DataStructs.cDataStructs.html），但这目前不支持UIntSparseIntVect。

Answer 1

也许回答有点晚了，但这些方法对我有用

如果您想要位（0 和 1）：

from rdkit.Chem import AllChem
from rdkit.Chem import DataStructs

mol = Chem.MolFromSmiles('c1cccnc1C')
fp = AllChem.GetMorganFingerprintAsBitVect(mol, 2, nBits=1024)
array = np.zeros((0, ), dtype=np.int8)
DataStructs.ConvertToNumpyArray(fp, array)

回到指纹：

bitstring = "".join(array.astype(str))
fp2 = DataStructs.cDataStructs.CreateFromBitString(bitstring)
assert list(fp.GetOnBits()) == list(fp2.GetOnBits())

如果你想要计数：

fp3 = AllChem.GetHashedMorganFingerprint(mol, 2, nBits=1024)
array = np.zeros((0,), dtype=np.int8)
DataStructs.ConvertToNumpyArray(fp3, array)
print(array.nonzero())

输出：

(array([ 19,  33,  64, 131, 175, 179, 356, 378, 428, 448, 698, 707, 726,
   842, 849, 889]),)

回到指纹（不确定这是最好的方法）：

def numpy_2_fp(array):
    fp = DataStructs.cDataStructs.UIntSparseIntVect(len(array))
    for ix, value in enumerate(array):
        fp[ix] = int(value)
    return fp

fp4 = numpy_2_fp(array)
assert fp3.GetNonzeroElements() == fp4.GetNonzeroElements()