VIP20
本课程属于：045-AI药物发现特征学习任务 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

SMILES分子数据清洗流程教程

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
SMILES基础概念
SMILES表示法简介 · 原子与键 · 分支与环
SMILES基础概念
02
分子数据常见质量问题
格式错误 · 非标准化表示 · 重复记录
分子数据常见质量…格式错误
03
常用化学信息学工具与库
RDKit · Open Babel · ChemAxon
常用化学信息学工…RDKit
04
环境搭建
Python环境 · RDKit安装 · 验证
环境搭建Python
05
读取与解析SMILES
从文件 · 数据库 · 网络读取
SMILES读取
06
SMILES标准化（一）
凯库勒化 · 芳香性处理 · 氢原子显式/隐式
SMILES标准化
07
SMILES标准化（二）
电荷分离 · 同位素标记规范 · 立体化学标识
SMILES标准化
08
SMILES标准化（三）
切断与规范化官能团 · 去除溶剂分子
SMILES标准化
09
数据验证
利用RDKit验证分子连通性 · 化合价 · 原子数限制
数据验证RDKit
10
错误处理与异常捕获
try-except处理无效SMIL… · 记录日志
错误处理异常捕获
11
去重策略
基于Canonical SMILES · InChI · 分子指纹的唯一性判断
去重策略Canonical
12
基于InChI和InChIKey的去重
生成与比较 · 处理盐形式
InChIInChIKey
13
基于分子指纹的相似性去重
摩根指纹 · Tanimoto系数阈值设置
基于分子指纹的相…摩根指纹
14
数据清洗管线设计
构建可复用的清洗步骤流水线
数据清洗管线设计构建可复用的清洗…
15
批量处理与并发
使用多进程/多线程加速大批量数据清洗
批量处理并发
16
正则表达式在SMILES清洗中的应用
提取 · 替换 · 格式检测
SMILES正则表达式
17
立体化学处理
手性中心标记 · E/Z异构 · tetrahedral规范
立体化学处理手性
18
电荷与pH状态处理
中和电荷 · 加氢 · 调整pH依赖结构
pH电荷
19
同位素标记处理
移除或保留标记 · 统一表示
同位素标记处理移除或保留标记
20
片段化与子结构过滤
去除盐 · 溶剂 · 计数值
片段化子结构过滤
21
数据合并与连接
合并多个数据集 · 处理冲突 · 统一字段
数据合并连接
22
日志记录与监控
logging模块配置 · 清洗统计信息输出
日志记录监控
23
常见陷阱与避坑指南
编码 · 大环 · 高价原子
常见陷阱避坑指南
24
性能优化与内存管理
高效数据结构 · 字符串操作优化
性能优化内存管理
25
容器化与部署
Docker打包清洗环境 · 持续集成
容器化部署
26
自动化工作流
使用Snakemake或Airflo…
自动化工作流Snakemake
27
质量评估与报告
生成清洗前后对比统计 · 分子属性分布
质量评估报告
28
可视化与探索性分析
使用matplotlib/plotl…
可视化探索性分析
29
案例研究（一）
PubChem数据清洗实战
案例研究PubChem
30
案例研究（二）
ChEMBL数据清洗实战及最佳实践
案例研究ChEMBL