molli:用于组合小分子库生成,操纵和特征提取的通用Python工具包
Alexander S Shved1, Blake E Ocampo1, Elena S Burlova1
1Department of Chemistry, University of Illinois at Urbana-Champaign, Urbana, Illinois 61801, United States.
Journal of chemical information and modeling
|October 23, 2024
概括
我们开发了"molli",这是一个用于管理大型in silico分子库的Python工具包. 这个化学信息学模块简化了2D结构的3D库的创建和分析,帮助化学研究.
科学领域:
- 计算化学计算化学
- 化学信息学 化学信息学
- 分子建模分子建模
背景情况:
- 管理大型的in silico分子库对于现代化学研究至关重要.
- 现有的工具可能缺乏精简的接口来进行复杂的库操作和分析.
研究的目的:
- 介绍MOLecular LIibrary工具包 (molli),这是一个Python 3化学信息学模块.
- 为构建,管理和分析大型in silico分子库提供简化界面.
- 从二维化学结构中促进高保真度3D库的生成.
主要方法:
- 开发了一个Python 3模块 (molli),用于in silico库操作.
- 与计算化学程序 (OpenBabel,RDKit,ORCA,NWChem,xTB/CREST) 集成,用于几何优化,属性计算和符合生成.
- 实现了依赖对应器的基于网格的功能计算器和3D可视化接口.
主要成果:
- 从具有高立体化学准确度的2D CDXML片段启用了3D组合图书馆的扩展.
- 便利数值表示和图书馆成千上万的图书馆成员的可视化.
- 在催化剂库和NMR化学转移预测上进行描述器计算的证明工作流程.
结论:
- 莫利提供了一种强大而精简的方法,用于in silico分子图书馆分析.
- 该工具包通过集成可视化增强了人类对复杂分子图书馆的理解.
- 莫利支持各种化学信息工作流程,从描述器计算到属性预测.


