跳到主要内容

Compound Clustering

导言​

化合物聚类是指将具有相似化学结构和性质的化合物聚集在一起。在化学、药物研发和生物学等领域，化合物聚类被广泛应用于数据挖掘、分类、模式识别和预测活性等任务。

Hermite平台的Compound Clustering模块提供了化合物聚类的功能，基于广泛认可的K-Means算法和DBSCAN算法实现化合物聚类。同时，提供Hermite平台内置的海量化合物库，有助于您扩展化合物聚类的化学空间。

本教程基于Hermite平台的Compound Clustering模块对30个化合物进行聚类，将这30个化合物分成5类。

本教程所需文件如下：

CompoundClustering.smi

1. 使用方法​

1.1 入口​

  • 左侧通用菜单栏Function → Molecule Recommendation → Compound Clustering。

import_structure

  • 右侧出现Compound Clustering的操作框（红框内所示），整体界面如下：

import_structure

1.2 上传分子数据集​

Select File​

  • 点击“Select File”选框 → 从本地文件夹中选择 CompoundClustering.smi 文件并上传。

  • 点击“Next”进入下一步操作。

import_structure

1.3 设置​

  • Fingerprint Type选择“Topological”，由RDKit的拓扑指纹提取分子特征；

  • 聚类模式（Clustering Mode）选择Number of Cluster，设置分类数为5；

  • Ligand Filter处不进行设置，不过滤分子；

  • Job Name处将该任务命名为“30compounds”。

  • 点击“Submit”提交该任务。

import_structure

2. 结果分析​

2.1 入口​

  • 左侧通用菜单栏Job → 找到任务30compounds → 点击Operation列中的Download下载该任务的结果。

import_structure

2.2 结果查看​

  • 下载获得一个 .csv 文件，打开文件查看结果：

    • 根据Cluster列的数字标注，可见这30个化合物被正确地分为5类。此外，计算出的MolWt（分子质量）、HBD（氢键供体数）、HBA（氢键受体数）、LogP（脂水分配系数）及RotB（可旋转键数）可以帮助我们进行化合物的类药性筛选。

import_structure