15082010 chemoinformatics java
GastonでMCSを探索するのは色々無理があったようで、どうするかな困った困ったと探していたら、SMSDを見つけた。cdkには既に組み込まれているらしくてさっきビルドしてみたんだけど、よく考えたらCDKの使い方あんまよくわかんないや、、、ってことでGUIで遊んだ。
ちなみに、java6でビルドしないといけないので、osx(10.5)の場合は環境変数を設定した。
とりあえず、vildagliptinとsitagliptinのMCSをもとめた。
なんで5員環と6員環がマッチしてるんだろうか？あとでペーパーちゃんと読もうっと。
14082010 Python
SWIGでgastonのPythonバインディング作るのがいいのかもしれないけど、SWIG力が足りないので、外部コマンドから使っている。
os.environ['PATH']で探してみたけど、普通はどうやるんだろうか
if 'gaston' not in reduce(lambda a,b: a+b,[os.listdir(d) for d in \
os.environ['PATH'].split(':') if os.path.isdir(d)]):
print "gaston: command not found"
exit()
os.system("gaston %d %s %s > /dev/null 2>&1" % (freq,gasfile,output))
14082010 chemoinformatics cytoscape
ノード間で類似性が最大となるような関係にひとつだけエッジを張るようにしてみた。
#!/usr/bin/env python
# -*- encoding:utf-8 -*-
import pybel
mols = list(pybel.readfile("sdf", "pc_sample.sdf"))
fps = [x.calcfp() for x in mols]
for i in range(len(fps)-1):
max_sim = 0
max_name = ""
for j in range(i+1,len(fps)):
sim = fps[i] | fps[j]
if sim > max_sim:
max_sim = sim
max_name = mols[j].title
print "%s\t%s\t%s\t%2.3f" % (mols[i].title, 'sim', max_name, max_sim)
ついでに類似度属性で色が変わるようにしてみた。
わからん。さっきのエッジに加えて類似性が高い化合物同士のエッジは加えてみた。
for i in range(len(fps)-1):
max_sim = 0
max_name = ""
targets = []
for j in range(i+1,len(fps)):
sim = fps[i] | fps[j]
if sim > max_sim:
max_sim = sim
max_name = mols[j].title
if sim > 0.7:
print "%s\t%s\t%s\t%2.3f" % (mols[i].title, 'sim', mols[j].title, sim)
if len(targets) == 0:
print "%s\t%s\t%s\t%2.3f" % (mols[i].title, 'sim', max_name, max_sim)
ちょっとまとまりが出てきたけど、あれだなぁ。もとのsdfがそもそもあかんのかなぁ。
で、最小全域木(MST)で描くことも考えたけど化合物間の類似性の最小経路を求めてもなぁ、、、とか思ってヤル気がおきない。類似性でつないだネットワークのMSTの意義ってなんなんだろうなぁと。
なんやろかー、なんやろかー。論文もう一回ちゃんと読んでみようかなぁ。
ブックオフにて。アマゾンの星の多さの割になんというか同意できない内容が多くて、そういう主張を読むという意味ではなかなか興味深かった。労働者は会社に搾取されているっていう前提で、幸せに生きる権利を獲得しなければみたいなスタンスかな。本書からは社員がなんかの目的のために集まって結果できた法人形態が会社っていう立ち位置はさらさら感じさせない。
もちろん正規、非正規にも触れていていて雇用の流動化は悪っていう主張っぽい。
あと、紙切れが挟まってた。栞として便利だったのでそのまま挟んで使った。
ということは著者は社民よりってこと？それとも共産かな、わからん。
理想はまぁその通りだと思うんだけど、それを達成しようとする手段に組合臭を強く感じた。
モチベーション3.0とかハイコンセプトが、自分で未来を切り開こう的な前向きな内容なのに対して、本書は、企業に奪われた「幸せという宝箱」を奪還しようというRPG的な内容かなぁ。まぁ、宝箱の中には「安定雇用」も「正規雇用」も入ってなくてスッカラカンだとおもうんだけどねぇ。
12082010 chemoinformatics Python
openbabelにはMaximum Common Substructure(MCS)を求めるメソッドがないのでGastonを使った。
似たようなのは昔書いたけど扱いにくいのでクラスにしといた。ついでにMCSSTanimotoも求めるようにした。
労働ダンピング―雇用の多様化の果てに (岩波新書)MCSSTanimoto(A,B) = MCS /(A + B - MCS) #全てヘテロ原子数
という、MCS版のタニモト距離。例えばOc1ccccc1 とCc1ccccc1のMCSTanimotoは
6 /(7 + 7 - 6) = 0.75
スキャフォールドが決まっている場合には割と手軽に使えんじゃないかなぁ。まぁヘテロの性質無視して同一性だけで判断しているのでハロゲンの違いは割と似ているとかそういう補正は入れたほうがいいのかもしれないが。
import openbabel as ob
import os,re
from tempfile import mkstemp
class Gaston:
def __init__(self,mols=[]):
self.mols = mols
def writefile(self,filename):
""" convert file to gaston format"""
f = open(filename, 'w')
for (molnum, mol) in enumerate(self.mols):
f.write("t # %d\n" % molnum)
for i,atom in enumerate(ob.OBMolAtomIter(mol)):
f.write("v %d %d\n" % (i,atom.GetAtomicNum()))
for i,bond in enumerate(ob.OBMolBondIter(mol)):
f.write("e %d %d %d\n" % (bond.GetBeginAtomIdx()-1,bond.GetEndAtomIdx()-1,bond.GetBondOrder()))
return filename
def readfile(self,file):
txt = open(file).read()
p = re.compile('#.+?(?=(#|$))',re.S)
mols = p.finditer(txt)
result = [self._gas2ob(gas.group()) for gas in mols]
return result
def _gas2ob(self,gf):
mol = ob.OBMol()
for l in gf.split('\n'):
if len(l) > 0 and l[0] == 'v':
a = mol.NewAtom()
atomic_num = int(l.split(' ')[2])
a.SetAtomicNum(atomic_num)
elif len(l) > 0 and l[0] == 'e':
begin_atom_idx = int(l.split(' ')[1]) + 1
end_atom_idx = int(l.split(' ')[2]) + 1
bond_order = int(l.split(' ')[3])
b = mol.AddBond(begin_atom_idx, end_atom_idx, bond_order)
elif len(l) > 0 and l[0] == '#':
title = l.split(' ')[1]
mol.SetTitle(title)
return mol
def search(self,freq=None):
if freq == None: freq = len(self.mols)
(m,gasfile) = mkstemp()
(n,output) = mkstemp()
self.writefile(gasfile)
os.system("/opt/local/bin/gaston %d %s %s > /dev/null 2>&1" % (freq,gasfile,output))
mols = self.readfile(output)
os.unlink(gasfile)
os.unlink(output)
return mols
def mcs(self):
substructures = self.search()
mcs = substructures[0]
for substructure in substructures[1:]:
if substructure.NumAtoms() > mcs.NumAtoms():
mcs = substructure
elif substructure.NumAtoms() == mcs.NumAtoms():
if substructure.NumBonds() > mcs.NumBonds():
mcs = substructure
return mcs
class MCSSTanimoto:
def __init__(self,mol1,mol2):
self.mol1 = mol1
self.mol2 = mol2
def score(self):
mcs = Gaston(mols=[self.mol1,self.mol2]).mcs()
return float(mcs.NumAtoms()) / (mol1.NumAtoms() + mol2.NumAtoms() - mcs.NumAtoms())
if __name__ == '__main__':
import sys
obc = ob.OBConversion()
obc.SetInAndOutFormats("smi", "smi")
mol1 = ob.OBMol()
obc.ReadString(mol1, "CCC1=CC=CS1")
mol2 = ob.OBMol()
obc.ReadString(mol2, "OCC1=CC=CS1")
mol3 = ob.OBMol()
obc.ReadString(mol3, "CCCC1=CC=CS1")
gaston = Gaston(mols=[mol1,mol2,mol3])
print ":::Frequent Structures:::"
for m in gaston.search():
sys.stdout.write(obc.WriteString(m))
print ":::MCS:::"
sys.stdout.write(obc.WriteString(gaston.mcs()))
print ":::MCSSTanimoto:::"
score = MCSSTanimoto(mol1,mol2).score()
print score
実行結果
:::Frequent Structures:::
CC 3
CC=C 3
C(=C)C=C 3
C(=C)C=CS 3
CC(=C)S 3
CC=CC 3
CC(=CC)S 3
CC=CC=C 3
CC(=CC=C)S 3
Cc1cccs1 3
CC=CC=CS 3
CC=CS 3
CC=CSC 3
c1ccsc1 3
CC=C(SC)C 3
CC=CSCC 3
CCS 3
CCSC 3
CC(=C)SC 3
CCSC=C 3
CC(=C)SC=C 3
C=C 3
C=CS 3
C=CSC 3
C=CSC=C 3
CS 3
CSC 3
:::MCS:::
Cc1cccs1 3
:::MCSSTanimoto:::
0.75
あと実際にモジュール化する場合にはコマンドがどこにあるかわからないし、もしかしたたらインストールされてないかもしれないけど、そういう場合にどういう感じで処理すればいいんだろうか？whichで調べるとかすんのかな？
11082010 life
モチベーション3.0が良かったのでこっちも読んでみたが、それほど感動はなかった。発売から5年も経ってるから内容がちょっと陳腐化したのかな？
会社の同僚には是非読むことをススメたいとは思う。
flotというjQuery製のグラフ描画ライブラリがあるのだけど、Flaskにはjsonifyがあるので連携割と楽だろうと書いてみたら超楽だった。
ハイ・コンセプト「新しいこと」を考え出す人の時代from flask import Flask, request, redirect, url_for, jsonify, render_template
from database import db_session
from models import Bp
from datetime import datetime
from calendar import timegm
Debug = True
SECRET_KEY = 'development key'
app = Flask(__name__)
app.config.from_object(__name__)
@app.after_request
def after_request(response):
db_session.remove()
return response
@app.route('/')
def show_graphs():
return render_template('flot.html')
@app.route('/json')
def json_bps():
bps = db_session.query(Bp).all()
bpp = [[timegm(bp.date.timetuple())*1000, bp.sbp] for bp in bps]
return jsonify(bp=bpp)
if __name__ == '__main__':
app.run()
結局どういうJSONをどのURIにマップするかを考えるのかが重要なのかな。htmlはvisitors per day with zooming and weekendsをちょっとモディファイした。
したのほうの小さいグラフで選択するとその領域がすぐに反映される。インタラクティブなグラフがすぐ作れる
10082010 Emacs
レコ屋のポップ風だと
C-x C-fを超えた？ 激モダン！ ディファインキー！ 萌えマスト！！
くらい？
非常に便利でもうすでに手放せない。
ちなみにC-]に割り当てた。
09082010 Emacs
すでにバリバリEmacsを使っているEmacs使いが、作業効率をカイゼンしてさらにバリバリ使うようになるための本。いきなりauto-installの導入から入って改善作業がはじまる。
特にキーバインド、検索、入力といった、対効果が高い部分のカイゼンが多めで嬉しい。 もちろんanything.elに最後の二章を割いていて、この部分はじっくり読むべきなんだけど、org-modeにもかなりのページを割いている。org-modeは使ったことないし、Sphinxのほうに興味があるので、これはそのうち使ってみようかと。
あとは、C-x v vでバージョン管理システムを使ってみる
以下気になったel
会社の机の上のEmacs辞典と並べて置いておこう。
08082010 life
むやみやたらとフォローしまくるおはようございますしか言わんようなアカウントってどういうモチベーションで続けてるんだろう？とか、どういう本見てそういう思考になってんだろ？とか興味があって。
且つ、そういうボット的なイラッとくるアカウントをブロックする判断としてポリシー持っといたほうがいいかなとそれっぽい本を探した結果、本書を読んでみたんだけど、全然そういう本ではないどころか、かなりきちんとリサーチされていていて面白かった。
まぁ、ふつうのことが書いてある。
Emacsテクニックバイブル ～作業効率をカイゼンする200の技～
Emacs 辞典 (DESKTOP REFERENCE)
ツイッターで会社をPRする本 Twitter企業の活用例100