جرّب نموذج QSAR البسيط باستخدام Chainer [توقع نفاذية الحاجز الدموي الدماغي للمركبات]
QSAR (علاقة التركيب الكمي بالنشاط) هي علاقة إحصائية بين بنية مادة كيميائية ونشاطها الفسيولوجي (السمية ، القدرة على الارتباط بالأنزيمات ، النشاط كدواء ، إلخ).يمكن التنبؤ بالأداء المركب من خلال الارتباطات القائمة على مجموعات البيانات التجريبية الواسعة من المواد الكيميائية.
هذه المرة ، سننشئ نموذج QSAR بسيطًا "يتنبأ بنفاذية الحاجز الدموي الدماغي للمركبات" باستخدام Chainer ، وهو إطار عمل تعليمي عميق صنع في اليابان ، والتحقق من أدائه مقابل مجموعة الاختبار.
هدف التنبؤ والبيانات
يتم استخدام BBBP لشبكة الجزيء للبيانات.انظر أدناه للحصول على نظرة شاملة للبيانات.
فيما يتعلق بنفاذية الحاجز الدموي الدماغي للمركب ، يكون "الاختراق" XNUMX و "عدم الاختراق" هو صفر.
إنشاء نموذج
環境
from rdkit import rdBase
import chainer
print('rdkit version: ',rdBase.rdkitVersion)
chainer.print_runtime_info()
إصدار rdkit: 2019.03.4 النظام الأساسي: Linux-5.0.0-37-generic-x86_64-with-debian-buster-sid Chainer: 6.2.0 NumPy: 1.17.4 CuPy: CuPy الإصدار: 6.2.0 CUDA Root: / usr / local / cuda CUDA إصدار الإصدار: 10010 CUDA إصدار برنامج التشغيل: 10010 CUDA Runtime الإصدار: 10010 cuDNN إصدار الإصدار: 7500 cuDNN الإصدار: 7605 إصدار NCCL: 2402 إصدار وقت التشغيل: 2402 iDeep: غير متوفر
يمكنك التحقق من إصدار Chainer و Numpy و Cupy المستخدم في chainer.print_runtime_info ().
بناء نموذج
import numpy as np
import pandas as pd
from rdkit import Chem
from rdkit.Chem import Draw, PandasTools, Descriptors
# データの読み込み
df = pd.read_csv('BBBP.csv',index_col=0)
# smilesからmolファイルを生成し、データフレーム中に加える
PandasTools.AddMoleculeColumnToFrame(df, smilesCol = 'smiles')
# molができなかった行を削除する
df = df.dropna()
# molファイルから化合物記述子を算出する
for i,j in Descriptors.descList:
df[i] = df['ROMol'].map(j)
df['Ipc'] = [Descriptors.Ipc(mol, avg=True) for mol in df['ROMol']]
# chainer用にデータ型を変換
x = df.iloc[:,4:].values.astype('float32')
y = df['p_np'].values.astype('int32')
indices = np.array(range(x.shape[0])) # train_test_split後も列番号を保持しておく
# train, test, valに分割
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test, indices_train, indices_test = train_test_split(x, y, indices, test_size=0.05, random_state=123)
# 説明変数の標準化
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(x_train)
x_train= scaler.transform(x_train)
x_test = scaler.transform(x_test)
print(type(x_train), x_train.shape, type(y_train), y_train.shape)
print(type(x_test), x_test.shape, type(y_test), y_test.shape)
(1937 ، 200) (1937 ،) (102 ، 200) (102 ،)
انظر هنا لإنشاء واصفات من كائنات مول.
احسب الواصف الجزيئي وبصمة الإصبع من SMILES وقم بتخزينها في إطار البيانات [Python ، RDKit]
الدروس الرسمية حول كيفية استخدام Chainer واسعة جدًا.
الشروع في العمل مع برنامج تعليمي Deep Learning Chainer
# 説明変数と目的変数のセットで使えるように変換する
from chainer.datasets import TupleDataset
train = TupleDataset(x_train, y_train)
test = TupleDataset(x_test, y_test)
# イテレータの準備
from chainer.iterators import SerialIterator
train_iter = SerialIterator(train, batch_size=64, repeat=True, shuffle=True)
test_iter = SerialIterator(test, batch_size=64, shuffle=False, repeat=False)
# ニューラルネットワークの作成
# 3層のmulti layer perceptron(MLP)
import chainer.links as L
import chainer.functions as F
from chainer import Chain
from chainer import optimizers, training
from chainer.training import extensions
class MLP(chainer.Chain):
def __init__(self):
super().__init__()
with self.init_scope():
self.fc1 = L.Linear(None, 100)
self.fc2 = L.Linear(None, 20)
self.fc3 = L.Linear(None, 2)
def forward(self, x):
h = F.relu(self.fc1(x))
h = F.relu(self.fc2(h))
h = self.fc3(h)
return h
# ネットワークをClassifierでラップしする
# (目的関数(デフォルトはsoftmax交差エントロピー)の計算し、損失を返す)
predictor = MLP()
net = L.Classifier(predictor)
# 最適化手法を選択して、オプティマイザを作成する
optimizer = optimizers.MomentumSGD(lr=0.1).setup(net)
# アップデータにイテレータとオプティマイザを渡す
updater = training.StandardUpdater(train_iter, optimizer, device=-1)
trainer = training.Trainer(updater, (50, 'epoch'), out='/results/')
from chainer.training import extensions
trainer.extend(extensions.LogReport(trigger=(5, 'epoch'), log_name='log'))
trainer.extend(extensions.snapshot(filename='snapshot_epoch-{.updater.epoch}'))
trainer.extend(extensions.dump_graph('main/loss'))
trainer.extend(extensions.Evaluator(test_iter, net, device=-1), name='val')
trainer.extend(extensions.PrintReport(['epoch', 'iteration', 'main/loss', 'main/accuracy', 'val/main/loss', 'val/main/accuracy', 'fc1/W/data/mean', 'elapsed_time']))
trainer.extend(extensions.PlotReport(['fc1/W/grad/mean'], x_key='epoch', file_name='mean.png'))
trainer.extend(extensions.PlotReport(['main/loss', 'val/main/loss'], x_key='epoch', file_name='loss.png'))
trainer.extend(extensions.PlotReport(['main/accuracy', 'val/main/accuracy'], x_key='epoch', file_name='accuracy.png'))
trainer.extend(extensions.ParameterStatistics(net.predictor.fc1, {'mean': np.mean}, report_grads=True))
trainer.run()
from IPython.display import Image, display
display(Image(filename='results/accuracy.png'))
يبدو أن الدقة معقولة ، لكن دقة مجموعة الاختبار لم تتحسن كثيرًا حتى مع تقدم التعلم ...
الإستنباط
# 学習したモデルで推論してみる
with chainer.using_config('train', False), chainer.using_config('enable_backprop', False):
y_pred = predictor(x_test)
# 推論結果の確認
print('accuracy', F.accuracy(y_pred, y_test)) # accuracy variable(0.88235295)
from sklearn.metrics import confusion_matrix
confusion_matrix(y_test, y_pred.data.argmax(axis=1))
مجموعة ([21 ، 7] ، [5 ، 69]])
الدقة هي قيمة كما ترى من الشكل.عند تقييم دقة التصنيف بواسطة مصفوفة الارتباك ، هناك إيجابيات خاطئة وسلبيات كاذبة ، ولكن يبدو أن الدقة لا تكتسب من خلال التصنيف المنحاز إلى جانب واحد.
# 一部予測結果を見てみる
for i in range(int(len(y_pred)/10)):
print('No.', indices_test[i])
print('label:', y_test[i])
print('pred :', np.argmax(y_pred[i].array))
img = Draw.MolToImage(df.ROMol[indices_test[i]])
display(img)
الصورة جزء من المخرجات ، لكن الإجابة الصحيحة هي أنه يمكن تمييزها بالعين المجردة.يبدو من الممتع أن تفحص بدقة ما أخطأت فيه.
نقاش
قائمة التعليقات
لا توجد أي تعليقات حتى الآن