MLCIL/scikit-fingerprints

何を解決するか

化学構造（SMILES文字列）を機械学習モデルが理解できる数値形式に変換するプロセスを簡素化し、本番環境向けの化学情報学MLパイプラインの構築を可能にします。

どう動くか

このライブラリは、さまざまな分子フィンガープリント、フィルタ、距離測定を計算するための統一された .transform() API を提供します。scikit-learn にネイティブに統合されており、ユーザーは分子特徴抽出を Pipeline および FeatureUnion オブジェクトに直接組み込むことができます。C++ RDKit を活用して効率性を確保し、並列処理とスパース行列をサポートしています。

対象ユーザー

分子性質予測、ドラッグディスカバリ、化学データセット分析に取り組む化学情報学者、医薬化学者、MLエンジニア。

主な特徴

• 広範なフィンガープリントライブラリ: ECFP、Avalon、MACCS、Mordred、PubChem など 30 種類以上をサポート。さらに事前学習済みネットワークからのニューラルフィンガープリントも利用可能。
• 分子解析ツール: Lipinskiの5則などの 30 種類以上の分子フィルタ、Tanimoto などの 14 種類以上の類似度/距離測定を含む。
• 信頼性チェック: 11 種類の適用領域（applicability domain）手法を提供し、新しい分子が訓練済みモデルの信頼できる範囲内にあるかを評価可能。
• 組み込みベンチマーク: MoleculeNet や Therapeutics Data Commons などの主要データセットへの統合アクセスと、事前に定義された学習-テスト分割を備えています。