[13:42:54] SMILES Parse Error: syntax error while parsing: CCN(CC)CC.CCOC(=O)C.CCOC(=O)C.[CH3:1][C:2](=[O:3])[O:4][CH2:5][CH2:6][n:7]1[c:26]2[c:20]([c:21]([n:23][cH:24][n:25]2)[NH2:22])[n:19][c:8]1[S:9][c:10]3[cH:11][c:12]4[cH:13][cH:14][cH:15][cH:16][c:17]4[nH:18]3.C1CCOC1.C1CC(=O)N(C1=O)[I:27].C(=O)(O)[O-].[Na+]>>[CH3:1][C:2](=[O:3])[O:4][CH2:5][CH2:6][n:7]1[c:26]2[c:20]([c:21]([n:23][cH:24][n:25]2)[NH2:22])[n:19][c:8]1[S:9][c:10]3[c:11]([c:12]4[cH:13][cH:14][cH:15][cH:16][c:17]4[nH:18]3)[I:27] [13:42:54] SMILES Parse Error: Failed parsing SMILES 'CCN(CC)CC.CCOC(=O)C.CCOC(=O)C.[CH3:1][C:2](=[O:3])[O:4][CH2:5][CH2:6][n:7]1[c:26]2[c:20]([c:21]([n:23][cH:24][n:25]2)[NH2:22])[n:19][c:8]1[S:9][c:10]3[cH:11][c:12]4[cH:13][cH:14][cH:15][cH:16][c:17]4[nH:18]3.C1CCOC1.C1CC(=O)N(C1=O)[I:27].C(=O)(O)[O-].[Na+]>>[CH3:1][C:2](=[O:3])[O:4][CH2:5][CH2:6][n:7]1[c:26]2[c:20]([c:21]([n:23][cH:24][n:25]2)[NH2:22])[n:19][c:8]1[S:9][c:10]3[c:11]([c:12]4[cH:13][cH:14][cH:15][cH:16][c:17]4[nH:18]3)[I:27]' for input: 'CCN(CC)CC.CCOC(=O)C.CCOC(=O)C.[CH3:1][C:2](=[O:3])[O:4][CH2:5][CH2:6][n:7]1[c:26]2[c:20]([c:21]([n:23][cH:24][n:25]2)[NH2:22])[n:19][c:8]1[S:9][c:10]3[cH:11][c:12]4[cH:13][cH:14][cH:15][cH:16][c:17]4[nH:18]3.C1CCOC1.C1CC(=O)N(C1=O)[I:27].C(=O)(O)[O-].[Na+]>>[CH3:1][C:2](=[O:3])[O:4][CH2:5][CH2:6][n:7]1[c:26]2[c:20]([c:21]([n:23][cH:24][n:25]2)[NH2:22])[n:19][c:8]1[S:9][c:10]3[c:11]([c:12]4[cH:13][cH:14][cH:15][cH:16][c:17]4[nH:18]3)[I:27]' [13:42:54] SMILES Parse Error: syntax error while parsing: [BH-](OC(=O)C)(OC(=O)C)OC(=O)C.CO.[cH:11]1[cH:10][c:9]2[c:14]([n:13][cH:12]1)[s:15][c:7]([n:8]2)[NH:6][c:5]3[cH:4][c:3]([n:26][c:17]([n:16]3)[NH:18][C@H:19]4[CH2:20][CH2:21][C@@H:22]([CH2:24][CH2:25]4)[OH:23])[CH:2]=[O:1].C1CCOC1.C(C(F)(F)F)NCC(F)(F)F.C(Cl)Cl.C(Cl)(Cl)Cl.C(=O)(O)[O-].[Na+].[Na+]>>[cH:11]1[cH:10][c:9]2[c:14]([n:13][cH:12]1)[s:15][c:7]([n:8]2)[NH:6][c:5]3[cH:4][c:3]([n:26][c:17]([n:16]3)[NH:18][C@H:19]4[CH2:20][CH2:21][C@@H:22]([CH2:24][CH2:25]4)[OH:23])[CH2:2][OH:1] [13:42:54] SMILES Parse Error: Failed parsing SMILES '[BH-](OC(=O)C)(OC(=O)C)OC(=O)C.CO.[cH:11]1[cH:10][c:9]2[c:14]([n:13][cH:12]1)[s:15][c:7]([n:8]2)[NH:6][c:5]3[cH:4][c:3]([n:26][c:17]([n:16]3)[NH:18][C@H:19]4[CH2:20][CH2:21][C@@H:22]([CH2:24][CH2:25]4)[OH:23])[CH:2]=[O:1].C1CCOC1.C(C(F)(F)F)NCC(F)(F)F.C(Cl)Cl.C(Cl)(Cl)Cl.C(=O)(O)[O-].[Na+].[Na+]>>[cH:11]1[cH:10][c:9]2[c:14]([n:13][cH:12]1)[s:15][c:7]([n:8]2)[NH:6][c:5]3[cH:4][c:3]([n:26][c:17]([n:16]3)[NH:18][C@H:19]4[CH2:20][CH2:21][C@@H:22]([CH2:24][CH2:25]4)[OH:23])[CH2:2][OH:1]' for input: '[BH-](OC(=O)C)(OC(=O)C)OC(=O)C.CO.[cH:11]1[cH:10][c:9]2[c:14]([n:13][cH:12]1)[s:15][c:7]([n:8]2)[NH:6][c:5]3[cH:4][c:3]([n:26][c:17]([n:16]3)[NH:18][C@H:19]4[CH2:20][CH2:21][C@@H:22]([CH2:24][CH2:25]4)[OH:23])[CH:2]=[O:1].C1CCOC1.C(C(F)(F)F)NCC(F)(F)F.C(Cl)Cl.C(Cl)(Cl)Cl.C(=O)(O)[O-].[Na+].[Na+]>>[cH:11]1[cH:10][c:9]2[c:14]([n:13][cH:12]1)[s:15][c:7]([n:8]2)[NH:6][c:5]3[cH:4][c:3]([n:26][c:17]([n:16]3)[NH:18][C@H:19]4[CH2:20][CH2:21][C@@H:22]([CH2:24][CH2:25]4)[OH:23])[CH2:2][OH:1]' 线程 'MainThread' (0x1) 已退出，返回值为 0 (0x0)。

时间: 2023-08-17 16:59:02 浏览: 354
ZIP

SMILES：使用pyparsing的简单SMILES验证器和解析器-.zip

这些错误信息表明在解析 SMILES 时发生了语法错误。有几个可能的原因导致这些错误： 1. 拼写错误：请确保你的 SMILES 字符串没有任何拼写错误。即使一个小的拼写错误也会导致整个 SMILES 字符串无效。 2. 不受支持的特性：RDKit 对某些特殊的 SMILES 特性可能不支持，这可能导致解析错误。你可以查阅 RDKit 的文档来了解支持的特性和语法规则。 3. SMILES 字符串格式错误：请确保你的 SMILES 字符串是按照正确的 SMILES 格式编写的。如果格式不正确，RDKit 将无法解析。 建议你检查你提供的 SMILES 字符串是否符合正确的格式，并确保没有任何拼写错误。如果问题仍然存在，请提供更多关于你的 SMILES 字符串的信息，以便我能够更好地帮助你解决问题。
阅读全文

相关推荐

zip

SMILES：使用pyparsing的简单SMILES验证器和解析器

微笑解析器目的一个SMILES代码验证器（目前）和（不久的将来）一个解析器，用于创建键矩阵，连接矩阵，并（稍后）生成xyz文件，以与GAMESS或其他量子化学程序一起使用原则根据EBNF中SMILES的语法定义，使用pyparsing...
zip

db-smiles-xmpp:自动从code.google.compdb-smiles-xmpp导出

Xabber-适用于Android的XMPP客户端开源的Jabber（XMPP）客户端，具有多帐户支持，简洁明了的界面。 Xabber既免费（如自由！）又无广告，被设计为Android上最好的Jabber客户端。支持的协议RFC-3920：核心RFC-3921：...

SMILES Parse Error: syntax error while parsing:

2. 原子符号错误：SMILES 中使用原子符号表示化学元素，如 "C" 表示碳，"O" 表示氧等。如果使用了错误的原子符号或者不存在的化学元素，就会导致语法错误。 3. 错误的键连接符：在 SMILES 中，化学键通过不同的符号...

SMILES Parse Error: Failed parsing SMILES '[BH-](OC(=O)C)(OC(=O)C)OC(=O)C.CO.[cH:11]1[cH:10][c:9]2[c:14]([n:13][cH:12]1)[s:15][c:7]([n:8]2)[NH:6][c:5]3[cH:4][c:3]([n:26][c:17]([n:16]3)[NH:18][C@H:19]4[CH2:20][CH2:21][C@@H:22]([CH2:24][CH2:25]4)[OH:23])[CH:2]=[O:1].C1CCOC1.C(C(F)(F)F)NCC(F)(F)F.C(Cl)Cl.C(Cl)(Cl)Cl.C(=O)(O)[O-].[Na+].[Na+]>>[cH:11]1[cH:10][c:9]2[c:14]([n:13][cH:12]1)[s:15][c:7]([n:8]2)[NH:6][c:5]3[cH:4][c:3]([n:26][c:17]([n:16]3)[NH:18][C@H:19]4[CH2:20][CH2:21][C@@H:22]([CH2:24][CH2:25]4)[OH:23])[CH2:2][OH:1]' for input: '[BH-](OC(=O)C)(OC(=O)C)OC(=O)C.CO.[cH:11]1[cH:10][c:9]2[c:14]([n:13][cH:12]1)[s:15][c:7]([n:8]2)[NH:6][c:5]3[cH:4][c:3]([n:26][c:17]([n:16]3)[NH:18][C@H:19]4[CH2:20][CH2:21][C@@H:22]([CH2:24][CH2:25]4)[OH:23])[CH:2]=[O:1].C1CCOC1.C(C(F)(F)F)NCC(F)(F)F.C(Cl)Cl.C(Cl)(Cl)Cl.C(=O)(O)[O-].[Na+].[Na+]>>[cH:11]1[cH:10][c:9]2[c:14]([n:13][cH:12]1)[s:15][c:7]([n:8]2)[NH:6][c:5]3[cH:4][c:3]([n:26][c:17]([n:16]3)[NH:18][C@H:19]4[CH2:20][CH2:21][C@@H:22]([CH2:24][CH2:25]4)[OH:23])[CH2:2][OH:1]' 线程 'MainThread' (0x1) 已退出，返回值为 0 (0x0)。 程序“python.exe”已退出，返回值为 4294967295 (0xffffffff)。

这个错误是由于你提供的 SMILES 字符串无法被正确解析所引起的。在给定的 SMILES 字符串中存在一些错误或不受支持的特性，导致 RDKit 无法将其解析为有效的分子对象。 要解决这个问题，你可以尝试以下几个步骤： 1...

import argparse import numpy as np from openeye import oechem def clear_stereochemistry(mol): clear_atom_stereochemistry(mol) clear_bond_sterochemistry(mol) oechem.OESuppressHydrogens(mol, False, False, False) def clear_atom_stereochemistry(mol): for atom in mol.GetAtoms(): chiral = atom.IsChiral() stereo = oechem.OEAtomStereo_Undefined v = [] for nbr in atom.GetAtoms(): v.append(nbr) if atom.HasStereoSpecified(oechem.OEAtomStereo_Tetrahedral): stereo = atom.GetStereo(v, oechem.OEAtomStereo_Tetrahedral) if chiral or stereo != oechem.OEAtomStereo_Undefined: atom.SetStereo(v, oechem.OEAtomStereo_Tetrahedral, oechem.OEAtomStereo_Undefined) def clear_bond_sterochemistry(mol): for bond in mol.GetBonds(): if bond.HasStereoSpecified(oechem.OEBondStereo_CisTrans): for atomB in bond.GetBgn().GetAtoms(): if atomB == bond.GetEnd(): continue for atomE in bond.GetEnd().GetAtoms(): if atomE == bond.GetBgn(): continue v = [] v.append(atomB) v.append(atomE) stereo = bond.SetStereo(v, oechem.OEBondStereo_CisTrans, oechem.OEBondStereo_Undefined) def abs_smi(x): mol = oechem.OEGraphMol() if oechem.OESmilesToMol(mol, x): clear_stereochemistry(mol) return oechem.OEMolToSmiles(mol) else: return np.nan if __name__ == '__main__': parser = argparse.ArgumentParser(description="Remove stereochemistry from the input data set.") parser.add_argument("--in",dest="infile",help="whitespace-delimited input file",metavar="in.csv") parser.add_argument("--out", dest="outfile", help="output file", metavar="out.csv") args = parser.parse_args() n=0 with open(args.infile, 'r') as ifs: with open(args.outfile, 'w') as ofs: for line in ifs: if n==0: ofs.write(line) n=1 else: parsed = line.strip().split(',') if ('.' not in parsed[0]): ofs.write(f"{abs_smi(parsed[0])},{parsed[1]}\n")

它首先将输入的 SMILES 字符串转换为分子对象，然后调用之前定义的 clear_stereochemistry 函数清除立体信息，最后将分子对象转换回 SMILES 格式并返回。 在 if __name__ == '__main__': 语句块中，脚本使用 ...

from rdkit import Chem # 创建反应物 rxn_mol = 'C6H12O6' # 创建SMILES表示 smiles = 'CC=C(C2H3)OC(=O)C(=O)C(=O)C(=O)CC' # 创建SMILES表示 smiles_rxn = SMILES.from_string(smiles) # 创建反应物，并将其打散为液态 rxn_reactants = 'CC=C(=O)CC(=O)C(=O)C' rxn_reactants_mol = ReactantsMolFromSmiles('C6H12O6') rxn_reactants_mol.setReactantsForImage('C6H12O6') rxn_reactants_mol.setProductToImage('C6H12O6') rxn_reactants_mol.setSmarts(smarts) rxn_reactants_mol.create() # 打散反应物，并将其打散为液态。 rxn_reactants.setReactantsForImage('C6H12O6') rxn_reactants.setProductToImage('C6H12O6') rxn_reactants.setSmartsSmarts('H2O') rxn_reactants.create()

smiles = 'CC=C(C2H3)OC(=O)C(=O)C(=O)C(=O)CC' # 创建反应物的SMILES表示 reactant_smiles = 'CC=C(=O)CC(=O)C(=O)C' # 创建反应物的RDKit分子对象 rxn_reactants_mol = Chem.MolFromSmiles(reactant_smiles) # ...

# coding=utf-8 #加载化学库 from rdkit import Chem from rdkit.Chem import Draw from rdkit.Chem import AllChem import pandas as pd # 读取 CSV 文件 data = pd.read_csv('dataSetA.csv') # 提取 rxn_smiles 列 rxn_smiles = data['rxn_Smiles'] # 遍历每个 rxn_smiles 字符串并打印 for smi in rxn_smiles: print(smi) rxn = Chem.AllChem.ReactionFromSmarts(smi) if rxn is not None: # 绘制反应结构 img = Draw.ReactionToImage(rxn) img.show() else: print("Failed to parse rxn_smiles.")最后要保存成图片要怎么写

print("Failed to parse rxn_smiles.") 在上述代码中，添加了一个enumerate函数来获得循环的索引值，以便在保存文件时为每个反应结构创建唯一的文件名。通过在img.save方法中传递文件名参数，可以将绘制的...

# coding=utf-8 #加载化学库 from rdkit import Chem from rdkit.Chem import Draw from rdkit.Chem import AllChem import pandas as pd # 读取 CSV 文件 data = pd.read_csv('dataSetA.csv') # 提取 rxn_smiles 列 rxn_smiles = data['rxn_Smiles'] # 遍历每个 rxn_smiles 字符串并打印 for smi in rxn_smiles: print(smi) rxn = Chem.AllChem.ReactionFromSmarts(smi) if rxn is not None: # 绘制反应结构 img = Draw.ReactionToImage(rxn) img.show() img.save(f'structure_{rxn}.png') else: print("Failed to parse rxn_smiles.")

这段代码使用了RDKit库来读取一个CSV文件，并提取其中的rxn_Smiles列。然后，对于每个rxn_smiles字符串，它尝试将其解析为化学反应，并使用Draw.ReactionToImage函数将反应结构绘制为图像。 首先，使用pandas库的...

for i, row in enumerate(rows[42160:]): smi = row[8] # 假设 SMILES 数据在第一列 print(smi) rxn = new_func(smi) if rxn is not None: # 绘制反应结构 img = Draw.ReactionToImage(rxn) img.save(f'D:/4/reaction_{i}.png') else: print("Failed to parse rxn_smiles.", smi)

根据你提供的代码，你正在尝试处理一个包含多个反应 SMILES 的数据集。你循环遍历数据集的每一行，并将每个反应 SMILES 字符串传递给 new_func 函数进行解析和处理。 然后，你使用 Draw.ReactionToImage 函数将...

[Br:1][CH2:2][CH2:3]Br.CC#N.CCOC(=O)C.O=C([O-])[O-].[OH:18][c:19]1[c:24]([Br:25])[cH:23][cH:22][cH:21][cH:20]1.[K+].[K+]>>[Br:1][CH2:2][CH2:3][O:18][c:19]1[c:24]([Br:25])[cH:23][cH:22][cH:21][cH:20]1 C1COCC1.C[O:7][C:8]([CH2:10][O:11][c:12]1[cH:37][c:16]([N:17]([CH:21]2[c:36]3[c:24]([cH:25][cH:26][c:27]([cH:35]3)-[c:28]3[cH:34][c:32]([F:33])[cH:31][cH:30][cH:29]3)[CH2:23][CH2:22]2)[C:18](=[O:20])[CH3:19])[cH:15][cH:14][cH:13]1)=[O:9].[Li+].[OH-]>>[CH3:19][C:18]([N:17]([CH:21]1[c:36]2[c:24]([cH:25][cH:26][c:27]([cH:35]2)-[c:28]2[cH:34][c:32]([F:33])[cH:31][cH:30][cH:29]2)[CH2:23][CH2:22]1)[c:16]1[cH:37][c:12]([O:11][CH2:10][C:8]([OH:7])=[O:9])[cH:13][cH:14][cH:15]1)=[O:20] C=[C:2]([C@H:4]1[C@H:40]2[C@](C[CH2:11][C@:12]3([C@@:38]4([CH3:39])[C@@H:17]([C@@:18]5([C@@H:35]([CH2:36][CH2:37]4)[C:32]([CH3:34])([CH3:33])[C:22]([c:23]4[cH:31]cc(C(O)=O)[cH:25][cH:24]4)=[CH:21][CH2:20]5)[CH3:19])[CH2:16][CH2:15][C@@H:14]32)[CH3:13])(CO)CC1)[CH3:3].CC[O:43][C:44](=[O:46])[CH3:45].[CH3:47][OH:48].[Pd]>>[CH3:11][CH:12]([C@H:14]1[C@H:40]2[C@:4](C[CH2:11][C@:12]3([C@@:38]4([CH3:39])[C@@H:17]([C@@:18]5([C@@H:35]([CH2:36][CH2:37]4)[C:32]([CH3:34])([CH3:33])[C:22]([c:23]4[cH:24][cH:25][c:45]([C:44]([OH:43])=[O:46])c[cH:31]4)=[CH:21][CH2:20]5)[CH3:19])[CH2:16][CH2:15][C@@H:14]32)[CH3:13])([CH2:47][OH:48])[CH2:2][CH2:3]1)[CH3:13] [21:34:21] **** Invariant Violation could not find probe element Violation occurred on line 71 in file C:\rdkit\build\temp.win-amd64-cpython-310\Release\rdkit\Code\RDGeneral/utils.h Failed Expression: foundIt **** Invariant Violation could not find probe element Violation occurred on line 71 in file Code\RDGeneral/utils.h Failed Expression: foundIt RDKIT: 2023.03.2 BOOST: 1_78 堆栈跟踪: > File "C:\Users\nerwork\source\repos\Print Structural\Print_Structural.py", line 67, in new_func > File "C:\Users\nerwork\source\repos\Print Structural\Print_Structural.py", line 77, in <module> (Current frame) 已加载“__main__” 已加载“runpy” 程序“python.exe”已退出，返回值为 4294967295 (0xffffffff)。

根据你提供的错误信息，Invariant Violation could not find probe element，这是由于在处理某个 SMILES 字符串时出现了问题。具体来说，错误信息指示 RDKit 无法找到某个原子元素。 这可能是由于以下原因之一...

data['mol'] = data['smiles'].apply(lambda x: Chem.MolFromSmiles(x)) print("data:",data.shape) data= data.dropna(axis=0) print("data:",data.shape) data['tpsa'] = data['mol'].apply(lambda x: Descriptors.TPSA(x)) data['mol_w'] = data['mol'].apply(lambda x: Descriptors.ExactMolWt(x)) data['num_valence_electorons'] = data['mol'].apply(lambda x: Descriptors.NumValenceElectrons(x)) data['num_heteroatoms'] = data['mol'].apply(lambda x: Descriptors.NumHeteroatoms(x)) from sklearn.model_selection import train_test_split y = data.pIC51.values X = data.drop(columns=['smiles','pIC51','mol']) x_train,x_test ,y_train,y_test = train_test_split(X, y, test_size=.20,random_state=42) X.index = range(0,1974)

具体来说，代码首先通过将smiles列中的每个SMILES字符串转换为分子对象，将其存储在新的mol列中。然后，代码删除包含空值的行。接下来，代码使用rdkit库中的Descriptors函数，计算每个分子的Topological Polar ...

decomp =[Recap.RecapDecompose(mol)for mol in mol_list] smiles = [] for dec in decomp:#'rdkit.Chem.Recap.RecapHierarchyNode'>值类型 smi =dec.GetAllChildren() smile =smi.keys() smiles.append(smile) results = [] for fragment in smiles: results.append([fragment]) df_results = pd.DataFrame(results,columns=['fragment']) with pd.ExcelWriter('D:\HBVdata\hbvrecap.xlsx') as writer: df_results.to_excel(writer, index=False)这段代码改进

mol_list = [Chem.MolFromSmiles('CCO'), Chem.MolFromSmiles('CCN')] df_results = process_mols(mol_list) filepath = os.path.join('D:', 'HBVdata', 'hbvrecap.xlsx') save_results(df_results, filepath) ...

运行这段代码报错“ AttributeError: 'UIntSparseIntVect' object has no attribute 'ToBitString'”，该如何解决？ smiles = data['SMILES'] fps = [] for smi in smiles: mol = Chem.MolFromSmiles(smi) fp = AllChem.GetMorganFingerprint(mol, 2) fps.append(fp.ToBitString()) fps_array = np.array(fps.GetNonzeroElements().values(), dtype=np.float32) fps_df = pd.DataFrame(fps_array, columns=[f'Fingerprint_{i+1}' for i in range(fps_array.shape[1])])

smiles = data['SMILES'] fps = [] for smi in smiles: mol = Chem.MolFromSmiles(smi) fp = AllChem.GetMorganFingerprint(mol, 2) fps.append(fp.GetNonzeroElements()) fps_array = np.zeros((len(fps), max...

import pubchempy import pandas as pd import numpy as np with open('C:\\Users\\szy\\Desktop\\work\\name2.txt','r',encoding='utf-8-sig') as file1: file_lines=file1.readlines() name_list=[] a=[] cc=[] d=[] f=[] g=[] h=[] t=[] for i in file_lines: j=i.strip() name_list.append(str(j)) for k in name_list: results = pubchempy.get_compounds(k, 'name') for l in results: try: print('CID: {}\tName: {}\tMolfor: {}\tSmi: {}\tSyn: {}'.format(l.cid, l.iupac_name,l.molecular_formula,l.isomeric_smiles,l.exact_mass,l.h_bond_donor_count,l.h_bond_acceptor_count)) MFs=l.molecular_formula ISs=l.isomeric_smiles Cis=l.cid Mass=l.exact_mass Hbonddonor=l.h_bond_donor_count Hbondacceptor=l.h_bond_acceptor_count a.append(k) cc.append(MFs) d.append(ISs) f.append(Cis) g.append(Mass) h.append(Hbonddonor) t.append(Hbonddonor) except (pubchempy.BadRequestError,TimeoutError,ValueError): pass dataframe=pd.DataFrame({'name':a,'molecular formula':cc,'smiles':d,'cid':f,'Mass':g,'Hbondacceptor':t,'Hbonddonor':h}) dataframe.to_csv ("C:\\Users\\szy\\Desktop\\work\\database.csv",index=False,sep=',') 在这段代码中加入从pubchem中检索化合物沸点的功能代码

with open('C:\\Users\\szy\\Desktop\\work\\name2.txt', 'r', encoding='utf-8-sig') as file1: file_lines = file1.readlines() name_list = [] cid_list = [] boiling_point_list = [] for i in file_lines...

优化这段代码from rdkit import Chem from rdkit.Chem import AllChem # 输入化学分子式 smiles = input("请输入化学分子式：") # 将SMILES字符串转化为分子对象 mol = Chem.MolFromSmiles(smiles) # 生成所有可能的立体异构体 mol = Chem.AddHs(mol) AllChem.EmbedMultipleConfs(mol, numConfs=100) AllChem.UFFOptimizeMoleculeConfs(mol) # 输出所有立体异构体的SMILES字符串 for i, conf in enumerate(mol.GetConformers()): print(f"立体异构体{i+1}：{Chem.MolToSmiles(mol, confId=conf.GetId())}")

smiles = input("请输入化学分子式：") # 将SMILES字符串转化为分子对象 mol = Chem.MolFromSmiles(smiles) # 生成所有可能的立体异构体 mol = Chem.AddHs(mol) # 设置构象生成参数 params = AllChem.ETKDGv3() ...

for smiles in smiles_list: mol = Chem.MolFromSmiles(smiles) mols.append(mol) def fragment_score(mols, fragment_lib): fragments = set() for mol in mols: mol_fragment = Chem.GetMolFrags(mol, asMols=True) for mol_frag in mol_fragment:优化这段代码

mols = [Chem.MolFromSmiles(smiles) for smiles in smiles_list] 2. 可以使用集合推导式替换双重循环添加元素到集合的操作，可以让代码更简洁： fragments = {mol_frag for mol in mols for mol_frag in ...

# 转换SMILES为分子指纹 smiles = data['SMILES'] fps = [] for smi in smiles: mol = Chem.MolFromSmiles(smi) fp = rdFingerprintGenerator.GetCountFPs([mol])[0] fps.append(fp.ToBitString())

你可以使用RDKit库来将SMILES转换为分子指纹。以下是一个示例代码： python from rdkit import Chem from rdkit.Chem import rdFingerprintGenerator smiles = data['SMILES'] fps = [] for smi in smiles: ...

# coding=utf-8 #加载化学库 from rdkit import Chem from rdkit.Chem import Draw from rdkit.Chem import AllChem import pandas as pd import os import csv # 读取 CSV 文件 data = pd.read_csv('dataSetB.csv') # 提取 rxn_smiles 列 # 获取每一列的数据 smiles_mapping_namerxn = data['rxnSmiles_Mapping_NameRxn'] smiles_mapping_indigotk = data['rxnSmiles_Mapping_IndigoTK'] smiles_indigoautomapperknime = data['rxnSmiles_IndigoAutoMapperKNIME'] # 创建目录 os.makedirs('D:/1/', exist_ok=True) os.makedirs('D:/2/', exist_ok=True) os.makedirs('D:/3/', exist_ok=True) # 遍历每个 rxn_smiles 字符串并打印 #for i, smi in enumerate(smiles_mapping_namerxn): # print(smi) # rxn = chem.allchem.reactionfromsmarts(smi) # if rxn is not none: # # 绘制反应结构 # img = draw.reactiontoimage(rxn) # img.show() # img.save(f'd:/1/reaction_{i}.png') # else: # #当无法解析rxn_smiles时，使用print语句打印出相应的消息，并将无法解析的smi值作为附加信息一起打印。 # print("failed to parse rxn_smiles.", smi) #for i, smi in enumerate(smiles_mapping_indigotk): # print(smi) # rxn = Chem.AllChem.ReactionFromSmarts(smi) # if rxn is not None: # 绘制反应结构 # img = Draw.ReactionToImage(rxn) # img.save(f'D:/2/reaction_{i}.png') # else: # 当无法解析rxn_smiles时，使用print语句打印出相应的消息，并将无法解析的smi值作为附加信息一起打印。 # print("Failed to parse rxn_smiles.", smi) def new_func(smi): rxn = Chem.AllChem.ReactionFromSmarts(smi) return rxn #for i, smi in enumerate(smiles_indigoautomapperknime): # print(smi) # rxn = new_func(smi) # if rxn is not None: with open('your_file.csv', 'r') as file: reader = csv.reader(file) rows = list(reader) for row in rows[42154:]: # 绘制反应结构 img = Draw.ReactionToImage(rxn) img.save(f'D:/3/reaction_{i}.png') lines=lines+1 else: #当无法解析rxn_smiles时，使用print语句打印出相应的消息，并将无法解析的smi值作为附加信息一起打印。 print("Failed to parse rxn_smiles.", smi)什么地方错了。、

print("Failed to parse rxn_smiles.", smi) 请根据实际情况修改代码中的文件路径和数据列索引，以满足你的需求。另外，请确保相关的库已经正确安装。如果还有其他问题，请提供具体的错误信息，以便我可以更好...

# coding=utf-8 from rdkit import Chem import pandas as pd # 读取CSV文件 data = pd.read_csv('dataSetA.csv') # 提取SMILES列 smiles = data['rxn_Smiles'] # 遍历每个SMILES字符串并打印结构式 for smi in smiles: mol = Chem.MolFromSmiles(smi) if mol is not None: Chem.Draw.MolToMPL(mol) # 在Matplotlib中绘制结构式

接下来，代码提取了名为rxn_Smiles的列的值，并将其存储在名为smiles的变量中。 然后，代码使用一个循环遍历每个SMILES字符串，并使用RDKit库的Chem.MolFromSmiles()方法将其转换为RDKit分子对象。如果分子...

最新推荐

recommend-type

【数据驱动】复杂网络的数据驱动控制附Matlab代码.rar

1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
recommend-type

(源码)基于Qt框架的智能家居管理系统.zip

# 基于Qt框架的智能家居管理系统 ## 项目简介 本项目是一个基于Qt框架开发的智能家居管理系统，旨在提供一个集成的平台来监控和管理家庭环境中的各种传感器数据，如温度、湿度、烟雾状态、红外状态等。系统通过图形界面实时展示数据，并提供警报功能以应对异常情况。 ## 项目的主要特性和功能 1. 实时数据监控通过Qt和Qwt库创建的曲线图，实时显示温度和湿度数据。 2. 多传感器支持支持温度、湿度、烟雾、红外等多种传感器的监控。 3. 警报系统当传感器数据超过设定阈值时，系统会触发警报，并通过界面显示警告信息。 4. 用户交互提供滑动条和复选框，允许用户调整警报阈值或关闭警报。 5. 网络通信通过TCP套接字与服务器通信，获取和发送传感器数据及网络拓扑信息。 6. 蓝牙数据读取支持通过蓝牙读取传感器数据并更新界面显示。 ## 安装使用步骤 1. 环境准备 确保已安装Qt开发环境。 安装Qwt库以支持曲线图功能。
recommend-type

深入浅出：自定义 Grunt 任务的实践指南

资源摘要信息:"Grunt 是一个基于 Node.js 的自动化任务运行器，它极大地简化了重复性任务的管理。在前端开发中，Grunt 经常用于压缩文件、运行测试、编译 LESS/SASS、优化图片等。本文档提供了自定义 Grunt 任务的示例，对于希望深入掌握 Grunt 或者已经开始使用 Grunt 但需要扩展其功能的开发者来说，这些示例非常有帮助。" ### 知识点详细说明 #### 1. 创建和加载任务 在 Grunt 中，任务是由 JavaScript 对象表示的配置块，可以包含任务名称、操作和选项。每个任务可以通过 `grunt.registerTask(taskName, [description, ] fn)` 来注册。例如，一个简单的任务可以这样定义： ```javascript grunt.registerTask('example', function() { grunt.log.writeln('This is an example task.'); }); ``` 加载外部任务，可以通过 `grunt.loadNpmTasks('grunt-contrib-jshint')` 来实现，这通常用在安装了新的插件后。 #### 2. 访问 CLI 选项 Grunt 支持命令行接口（CLI）选项。在任务中，可以通过 `grunt.option('option')` 来访问命令行传递的选项。 ```javascript grunt.registerTask('printOptions', function() { grunt.log.writeln('The watch option is ' + grunt.option('watch')); }); ``` #### 3. 访问和修改配置选项 Grunt 的配置存储在 `grunt.config` 对象中。可以通过 `grunt.config.get('configName')` 获取配置值，通过 `grunt.config.set('configName', value)` 设置配置值。 ```javascript grunt.registerTask('printConfig', function() { grunt.log.writeln('The banner config is ' + grunt.config.get('banner')); }); ``` #### 4. 使用 Grunt 日志 Grunt 提供了一套日志系统，可以输出不同级别的信息。`grunt.log` 提供了 `writeln`、`write`、`ok`、`error`、`warn` 等方法。 ```javascript grunt.registerTask('logExample', function() { grunt.log.writeln('This is a log example.'); grunt.log.ok('This is OK.'); }); ``` #### 5. 使用目标 Grunt 的配置可以包含多个目标（targets），这样可以为不同的环境或文件设置不同的任务配置。在任务函数中，可以通过 `this.args` 获取当前目标的名称。 ```javascript grunt.initConfig({ jshint: { options: { curly: true, }, files: ['Gruntfile.js'], my_target: { options: { eqeqeq: true, }, }, }, }); grunt.registerTask('showTarget', function() { grunt.log.writeln('Current target is: ' + this.args[0]); }); ``` #### 6. 异步任务 Grunt 支持异步任务，这对于处理文件读写或网络请求等异步操作非常重要。异步任务可以通过传递一个回调函数给任务函数来实现。若任务是一个异步操作，必须调用回调函数以告知 Grunt 任务何时完成。 ```javascript grunt.registerTask('asyncTask', function() { var done = this.async(); // 必须调用 this.async() 以允许异步任务。 setTimeout(function() { grunt.log.writeln('This is an async task.'); done(); // 任务完成时调用 done()。 }, 1000); }); ``` ### Grunt插件和Gruntfile配置 Grunt 的强大之处在于其插件生态系统。通过 `npm` 安装插件后，需要在 `Gruntfile.js` 中配置这些插件，才能在任务中使用它们。Gruntfile 通常包括任务注册、任务配置、加载外部任务三大部分。 - 任务注册：使用 `grunt.registerTask` 方法。 - 任务配置：使用 `grunt.initConfig` 方法。 - 加载外部任务：使用 `grunt.loadNpmTasks` 方法。 ### 结论 通过上述的示例和说明，我们可以了解到创建一个自定义的 Grunt 任务需要哪些步骤以及需要掌握哪些基础概念。自定义任务的创建对于利用 Grunt 来自动化项目中的各种操作是非常重要的，它可以帮助开发者提高工作效率并保持代码的一致性和标准化。在掌握这些基础知识后，开发者可以更进一步地探索 Grunt 的高级特性，例如子任务、组合任务等，从而实现更加复杂和强大的自动化流程。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本：布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学，1996年。法语。NNT：电话：00345357HAL ID：电话：00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

数据可视化在缺失数据识别中的作用

![缺失值处理（Missing Value Imputation）](https://img-blog.csdnimg.cn/20190521154527414.PNG?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1bmxpbnpp,size_16,color_FFFFFF,t_70) # 1. 数据可视化基础与重要性 在数据科学的世界里，数据可视化是将数据转化为图形和图表的实践过程，使得复杂的数据集可以通过直观的视觉形式来传达信息。它
recommend-type

ABB机器人在自动化生产线中是如何进行路径规划和任务执行的？请结合实际应用案例分析。

ABB机器人在自动化生产线中的应用广泛，其核心在于精确的路径规划和任务执行。路径规划是指机器人根据预定的目标位置和工作要求，计算出最优的移动轨迹。任务执行则涉及根据路径规划结果，控制机器人关节和运动部件精确地按照轨迹移动，完成诸如焊接、装配、搬运等任务。 参考资源链接：[ABB-机器人介绍.ppt](https://wenku.csdn.net/doc/7xfddv60ge?spm=1055.2569.3001.10343) ABB机器人能够通过其先进的控制器和编程软件进行精确的路径规划。控制器通常使用专门的算法，如A*算法或者基于时间最优的轨迹规划技术，以确保机器人运动的平滑性和效率。此
recommend-type

网络物理突变工具的多点路径规划实现与分析

资源摘要信息:"多点路径规划matlab代码-mutationdocker:变异码头工人" ### 知识点概述 #### 多点路径规划与网络物理突变工具 多点路径规划指的是在网络环境下，对多个路径点进行规划的算法或工具。该工具可能被应用于物流、运输、通信等领域，以优化路径和提升效率。网络物理系统（CPS，Cyber-Physical System）结合了计算机网络和物理过程，其中网络物理突变工具是指能够修改或影响网络物理系统中的软件代码的功能，特别是在自动驾驶、智能电网、工业自动化等应用中。 #### 变异与Mutator软件工具 变异（Mutation）在软件测试领域是指故意对程序代码进行小的改动，以此来检测程序测试用例的有效性。mutator软件工具是一种自动化的工具，它能够在编程文件上执行这些变异操作。在代码质量保证和测试覆盖率的评估中，变异分析是提高软件可靠性的有效方法。 #### Mutationdocker Mutationdocker是一个配置为运行mutator的虚拟机环境。虚拟机环境允许用户在隔离的环境中运行软件，无需对现有系统进行改变，从而保证了系统的稳定性和安全性。Mutationdocker的使用为开发者提供了一个安全的测试平台，可以在不影响主系统的情况下进行变异测试。 #### 工具的五个阶段 网络物理突变工具按照以下五个阶段进行操作： 1. **安装工具**：用户需要下载并构建工具，具体操作步骤可能包括解压文件、安装依赖库等。 2. **生成突变体**：使用`./mutator`命令，顺序执行`./runconfiguration`（如果存在更改的config.txt文件）、`make`和工具执行。这个阶段涉及到对原始程序代码的变异生成。 3. **突变编译**：该步骤可能需要编译运行环境的配置，依赖于项目具体情况，可能需要执行`compilerun.bash`脚本。 4. **突变执行**：通过`runsave.bash`脚本执行变异后的代码。这个脚本的路径可能需要根据项目进行相应的调整。 5. **结果分析**：利用MATLAB脚本对变异过程中的结果进行分析，可能需要参考文档中的文件夹结构部分，以正确引用和处理数据。 #### 系统开源 标签“系统开源”表明该项目是一个开放源代码的系统，意味着它被设计为可供任何人自由使用、修改和分发。开源项目通常可以促进协作、透明性以及通过社区反馈来提高代码质量。 #### 文件名称列表 文件名称列表中提到的`mutationdocker-master`可能是指项目源代码的仓库名，表明这是一个主分支，用户可以从中获取最新的项目代码和文件。 ### 详细知识点 1. **多点路径规划**是网络物理系统中的一项重要技术，它需要考虑多个节点或路径点在物理网络中的分布，以及如何高效地规划它们之间的路径，以满足例如时间、成本、距离等优化目标。 2. **突变测试**是软件测试的一种技术，通过改变程序中的一小部分来生成变异体，这些变异体用于测试软件的测试用例集是否能够检测到这些人为的错误。如果测试用例集能够正确地识别出大多数或全部的变异体，那么可以认为测试用例集是有效的。 3. **Mutator软件工具**的使用可以自动化变异测试的过程，包括变异体的生成、编译、执行和结果分析。使用此类工具可以显著提高测试效率，尤其是在大型项目中。 4. **Mutationdocker的使用**提供了一个简化的环境，允许开发者无需复杂的配置就可以进行变异测试。它可能包括了必要的依赖项和工具链，以便快速开始变异测试。 5. **软件的五个操作阶段**为用户提供了清晰的指导，从安装到结果分析，每个步骤都有详细的说明，这有助于减少用户在使用过程中的困惑，并确保操作的正确性。 6. **开源系统的特性**鼓励了代码共享、共同开发和创新，同时也意味着用户可以通过社区的力量不断改进软件工具，这也是开源项目可持续发展的核心。 通过以上描述和知识点的展开，我们可以了解到多点路径规划matlab代码-mutationdocker:变异码头工人是一个涵盖了网络物理系统、变异测试、自动化软件工具以及开源精神的综合性项目。它通过一系列操作流程为用户提供了一个高效和稳定的代码测试环境，并且以开源的形式促进了软件测试技术的共享和创新。
recommend-type

"互动学习：行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动，互动学习以行动为中心的强化学习学会互动，互动学习，以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授：智囊团论文联合主任菲利普·普雷教授，大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授，Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士，Deepmind对于那些及时看到自己错误的人...3谢谢你首先，我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔，"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲，你知道在这篇论文的（许多）错误中，你是我可以依
recommend-type

自动化缺失值处理脚本编写

![缺失值处理（Missing Value Imputation）](https://img-blog.csdnimg.cn/20190521154527414.PNG?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1bmxpbnpp,size_16,color_FFFFFF,t_70) # 1. 自动化缺失值处理概览 在数据科学的实践中，数据分析和建模的一个常见挑战是处理含有缺失值的数据集。缺失值不仅会降低数据的质量，而且可能会导致不准
recommend-type

SQLite在非易失性内存环境下如何进行事务处理和缓冲区管理的优化？

SQLite作为一种轻量级数据库系统，在面对非易失性内存（NVM）技术时，需要对传统的事务处理和缓冲区管理进行优化以充分利用NVM的优势。传统的SQLite设计在事务处理上存在较高的I/O开销，同时缓冲区管理方面存在空间浪费和并发性问题。随着NVM技术的发展，如Intel Optane DIMM，数据库架构需要相应的革新来适应新的存储特性。在这样的背景下，提出了SQLite-CC这一新型的缓冲区管理方案。 参考资源链接：[非易失性内存下的SQLite缓冲区管理：SQLite-CC](https://wenku.csdn.net/doc/1bbz2dtkc8?spm=1055.2569.300