MLCIL/scikit-fingerprints

何を解決するか

化学構造（SMILES文字列）を機械学習パイプラインで使用可能な数値表現（分子フィンガープリント）に変換するプロセスを簡素化します。生の化学情報学データとプロダクション品質の機械学習モデルの間のギャップを埋め、scikit-learn互換インターフェースを提供します。

動作方法

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。パフォーマンス向上のため C++ RDKit を活用し、scikit-learn の Pipeline および FeatureUnion とネイティブに統合されているため、分子前処理を分類器や回帰器に直接連結できます。

対象ユーザー

分子性質予測、ドラッグディスカバリ、化学分析向けの機械学習モデルを構築している化学情報学者やデータサイエンティスト向けに設計されています。

主な特徴

• 広範なフィンガープリントライブラリ: ECFP、MACCS、ニューラル埋め込みを含む30種類以上のフィンガープリントをサポート。
• 化学情報学ツールキット: Lipinskiの5則などの30種類以上の分子フィルタと、Tanimotoを含む14種類の類似度/距離測定を提供。
• ML統合: scikit-learnとのネイティブ互換性により、ハイパーパラメータチューニングとデプロイメントが容易。
• 信頼性ツール: 新規分子に対するモデル予測の信頼性を評価するための11種類の適用領域チェック手法を搭載。
• 組み込みベンチマーク: MoleculeNet や Therapeutics Data Commons などの標準データセットに直接アクセス可能。