Le molecole possono essere rappresentate nelle stringhe SMILES. SMILES è una notazione di linea per codificare la struttura molecolare. I dati sulle molecole del farmaco vengono estratti da ClinicalTrials.gov e collegato alla sua struttura molecolare (stringhe SMILES) utilizzando CACTUS.
import requestsdef get_smiles(drug_name):
# URL for the CIR API
base_url = "https://cactus.nci.nih.gov/chemical/structure"
url = f"{base_url}/{drug_name}/smiles"
try:
# Send a GET request to retrieve the SMILES representation
response = requests.get(url)
if response.status_code == 200:
smiles = response.text.strip() # Get the SMILES string
print(f"Drug Name: {drug_name}")
print(f"SMILES: {smiles}")
else:
print(f"Failed to retrieve SMILES for {drug_name}. Status code: {response.status_code}")
smiles = ''
except requests.exceptions.RequestException as e:
print(f"An error occurred: {e}")
return smiles
# Define the drug name you want to convert
drug_name = "aspirin" # Replace with the drug name of your choice
get_smiles(drug_name)
### Output:
# Drug Name: aspirin
# SMILES: CC(=O)Oc1ccccc1C(O)=O
Scopo profondo può essere utilizzato per codificare composti molecolari. Attualmente supporta 15 codifiche diverse. Utilizzeremo la codifica Morgan, che codifica i gruppi atomici di una sostanza chimica in un vettore binario con lunghezza e raggio come due parametri. Per prima cosa dobbiamo installare la libreria DeepPurpose.
pip install DeepPurpose
Creiamo un dizionario che associa SMILES alla rappresentazione Morgan e un dizionario che associa gli identificatori delle sperimentazioni cliniche (NCTID) direttamente alla loro rappresentazione Morgan.
def create_smiles2morgan_dict():
from DeepPurpose.utils import smiles2morgan # Import toy dataset
toy_df = pd.read_csv('data/toy_df.csv')
smiles_lst = list(map(txt_to_lst, toy_df('smiless').tolist()))
unique_smiles = set(reduce(lambda x, y: x + y, smiles_lst))
morgan = pd.Series(list(unique_smiles)).apply(smiles2morgan)
smiles2morgan_dict = dict(zip(unique_smiles, morgan))
pickle.dump(smiles2morgan_dict, open('data/smiles2morgan_dict.pkl', 'wb'))
def create_nctid2molecule_embedding_dict():
# Import toy dataset
toy_df = pd.read_csv('data/toy_df.csv')
smiles_lst = list(map(txt_to_lst, toy_df('smiless').tolist()))
smiles2morgan_dict = load_smiles2morgan_dict()
embedding = ()
for drugs in tqdm(smiles_lst):
vec = ()
for drug in drugs:
vec.append(smiles2morgan_dict(drug))
# print(np.array(vec).shape) # DEBUG
vec = np.mean(np.array(vec), axis=0)
# print(vec.shape) # DEBUG
embedding.append(vec)
print(np.array(embedding).shape)
dict = zip(toy_df('nctid'), np.array(embedding))
nctid2molecule_embedding_dict = {}
for key, row in zip(toy_df('nctid'), np.array(embedding)):
nctid2molecule_embedding_dict(key) = row
pickle.dump(nctid2molecule_embedding_dict, open('data/nctid2molecule_embedding_dict.pkl', 'wb'))
create_nctid2molecule_embedding_dict()
Fonte: towardsdatascience.com
