python将.mol文件改成.sdf文件
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
Python库 | biobb_structure_utils-3.5.1.tar.gz
python库。 资源全名:biobb_structure_utils-3.5.1.tar.gz
Python库 | sirmordred-0.2.39-py3-none-any.whl
python库,解压后可用。 资源全名:sirmordred-0.2.39-py3-none-any.whl
Python库 | chemreader-0.1.1-py3.6.egg
python库,解压后可用。 资源全名:chemreader-0.1.1-py3.6.egg
Python库 | playmolecule-1.1.0.tar.gz
python库。 资源全名:playmolecule-1.1.0.tar.gz
Python库 | rcsb.utils.chem-0.35.tar.gz
python库。 资源全名:rcsb.utils.chem-0.35.tar.gz
py4chemoinformatics:用于化学信息学的Python
py4chemoinformatics:用于化学信息学的Python
Python库 | molecular-0.1.dev194.tar.gz
python库。 资源全名:molecular-0.1.dev194.tar.gz
Python库 | rcsb.utils.chem-0.35-py2.py3-none-any.whl
python库,解压后可用。 资源全名:rcsb.utils.chem-0.35-py2.py3-none-any.whl
Python库 | moleculekit-0.9.15.tar.gz
python库。 资源全名:moleculekit-0.9.15.tar.gz
基于多元宇宙优化算法的储能充放电策略优化研究(Python代码实现)
内容概要:本文围绕“基于多元宇宙优化算法的储能充放电策略优化”展开研究,通过构建电力系统中储能设备参与调度的数学模型,采用多元宇宙优化算法(Multi-Verse Optimizer, MVO)对储能系统的充放电行为进行全局优化求解,并利用Python语言实现算法代码。研究重点在于提升储能系统在负荷波动环境下的响应能力与运行经济性,特别是在促进新能源消纳、平抑功率波动方面的作用。文中系统阐述了MVO算法的核心机制、优化模型的目标函数设计(如最小化运行成本、减少弃风弃光)、约束条件(包括功率平衡、储能容量限制等),并通过仿真实验验证了该方法相较于传统优化算法在收敛速度与求解质量方面的优越性。; 适合人群:具备一定Python编程能力和优化算法基础知识,从事电力系统、储能技术、综合能源系统、智能优化算法应用等相关领域的科研人员与工程技术人员,尤其适合研究生及以上学历或具有2-3年工作经验的专业人士。; 使用场景及目标:①应用于电力系统中储能电站的日前或实时充放电调度,提升能源利用效率与系统稳定性;②作为智能优化算法在能源领域应用的教学案例,帮助学习者掌握MVO算法的实现细节与工程化调整策略;③为微电网、虚拟电厂及综合能源系统中的多能协同优化控制提供算法支持与技术参考。; 阅读建议:建议读者结合文中的数学模型与Python代码逐行推导,复现仿真结果,重点关注算法参数设置对优化性能的影响,深入理解多元宇宙优化算法在处理复杂非线性约束问题时的适应性与改进潜力。
基于 Python 进行城市燃气多维用户分析与用气量驱动因素建模
数据集:https://download.csdn.net/download/s1t16/93854718 结论:用户类型与采暖方式是用气量的主导维度:工业用户/工业窑炉量级最高,居民/商业最低,跨类型差异达数十倍。 气候并非本数据集的用量驱动:日平均温度、季节与用气量几乎不相关(|r|≈0),各季节均值差异仅约 8%。 外生因素可解释约九成用量差异:剔除历史用量后,随机森林 R²≈0.89,住宅面积贡献最大,其次为管道压力、用户类型与燃气单价。 欠费不可由可观测特征预测:AUC≈0.53,说明欠费更可能由记录之外的随机因素决定,不宜作为建模目标。
1. Notebook:在Jupyter-lab中使用RDKit画分子2D图
2. 4个该教程所需的SDF格式的分子文件
Notebook:在Jupyter-lab中使用RDKit画分子2D图
PDB到Mol结构转换指南[项目代码]
本文详细介绍了如何利用PyMOL和Open Babel工具将蛋白质-小分子复合物的PDB文件转换为Mol或SDF格式。文章首先分析了PDB文件的局限性,如信息不完整、电荷缺失和软件兼容性问题,随后提供了工具链选择的建议,并重点介绍了PyMOL和Open Babel的黄金组合。接着,文章给出了分步操作指南,包括如何用PyMOL提取小分子配体、用Open Babel进行格式转换以及验证转换质量。此外,还涵盖了高级问题排查、多组分系统处理和批量处理技巧。最后,通过一个真实案例展示了修正后的文件如何提高DFT计算结果与实验结合能的吻合度。
RDKit Documentation Release 2019.09.1.pdf
开源化学信息学工具包RDKit的手册。RDKit提供各种功能,如不同的化学I/O格式,包括SMILES/SMARTS,结构数据格式(SDF),Thor数据树(TDT),Sybyl线符号(SLN),mol2和蛋白质结构文件(PDB)。子结构搜索; 标准SMILES; 手性支持;化学转化;化学反应;分子序列化;相似性/多样性选择;二维药效团;三维维药效团;分层子图/片段分析; Bemis和Murcko骨架;逆合成组合分析及分子碎裂(RECAP); 多分子最大共同亚结构;功能图;基于形状的相似性;基于RMSD的分子比对;基于形状的对齐;使用Open3-DALIGN算法的无监督分子-分子比对;与PyMOL进行3D可视化集成;功能基团过滤;分子描述符库;相似图;机器学习等等
js 之前 插入html.docx
js 之前 插入html.docx
HTMD | 从PDB文件获取3D特征描述符
KDEEP是使用深度学习(CNN)进行亲和力预测的预测器。 关于这篇文章,我发现了一个新的名为HTMD(高通分子动力学)的python库。 我真的不擅长从头算或MD计算等计算领域。 因此,我无法评估该库的实际价值,但我认为它对Comp Chemist很有用。 HTMD可以从Anaconda的acellera通道安装,但要有一些依赖性。 或者可以从github的源代码构建。 感兴趣的功能之一是“Voxel描述符”。 体素表示三维空间中规则网格上的值。 与2D空间中的像素相同。 这意味着HTMD可以从mol文件生成3D描述符。 并且使用该库很容易计算描述符。 HTMD还具有许多操作PDB或SDF
PyPI 官网下载 | biobb_chemistry-1.0.2-py3-none-any.whl
资源来自pypi官网,解压后可用。 资源全名:biobb_chemistry-1.0.2-py3-none-any.whl
PyPI 官网下载 | rcsb.utils.chem-0.36.tar.gz
资源来自pypi官网。 资源全名:rcsb.utils.chem-0.36.tar.gz
openff-utilities:整个OpenFF堆栈使用的各种实用工具功能的集合
openff实用程序 整个OpenFF堆栈使用的各种实用工具功能的集合 版权 The Open Force Field Initiative版权所有(c)2021 致谢 基于 1.5版的项目。
PyPI 官网下载 | chem_kit-0.1.5-py3-none-any.whl
资源来自pypi官网,解压后可用。 资源全名:chem_kit-0.1.5-py3-none-any.whl
最新推荐





