文件名称：DeepEI:使用深层神经网络从电子电离质谱预测分子指纹
文件大小：3.24MB
文件格式：ZIP
更新时间：2024-04-28 05:00:15
Python
深度EI 这是标题为“”的论文的代码库。 由于模型是由NIST数据集训练的，因此该存储库仅包含源代码，没有任何数据或未训练的模型。 要看： 最佳： 数据预处理 数据预处理脚本用于将NIST的复合信息提取到numpy对象中。 它们包含在scripts / read.py中，包括收集SMILES，精确质量，保留指数，Morgan指纹，分子描述符和质谱图。 训练模型 DeepEI包含模型的两个主要部分：1.从EI-MS（指纹文件夹）预测分子指纹； 2.从结构（保留文件夹）预测保留索引。 每个文件夹包含用于数据预处理，模型训练和模型选择的代码。 对于FP预测，我们比较了MLP，XGBoost，LR和PLS-DA模型。 对于RI预测，我们比较了单通道CNN，多通道CNN和MLP。 预言 预测的主要功能包含在DeepEI文件夹中。 预告_RI函数将SMILES作为输入并预测相应的保留指数
【文件预览】：
DeepEI-master
----Fingerprint()
--------mlp.py(2KB)
--------plsda.py(1KB)
--------xgb.py(989B)
--------cnn.py(2KB)
--------mlp_models()
--------run.py(2KB)
--------results()
--------lr.py(882B)
--------plot.py(2KB)
--------perm.py(1KB)
----ReadMe.md(2KB)
----Retention()
--------mlp.py(4KB)
--------multi_cnn.py(4KB)
--------single_cnn.py(3KB)
----figure.png(62KB)
----LICENSE(11KB)
----Discussion()
--------MassBank_NEIMS_C.py(3KB)
--------MassBank_NEIMS.py(2KB)
--------Reply_Comments()
--------MassBank_Conbine.py(3KB)
--------MassBank_DeepEI.py(3KB)
----Scripts()
--------neims.py(3KB)
--------read.py(4KB)
--------read_massbank.py(1KB)
--------split.py(808B)
----.gitignore(80B)
----Usage.ipynb(7KB)
----DeepEI()
--------utils.py(4KB)
--------data()
--------predict.py(2KB)
--------rcdk.R(586B)