KNIME

・全角と半角が混在している文字列があったとする。 ・表記の揺れは小さい方が良いので、KNIMEでこの揺れを半角か全角のどちらかに揃えたいと思ったのだが、やっぱりやり方が分からなかった。 ・そこで、Python Scriptノードを使って、Pythonで実装してみた。今回利用したのはmojimojiというPythonライブラリで、詳細は以下を確認して欲しい。 pypi.org ・やることはシンプルで、Pythonの仮想環境中でpip install mojimojiでライブラリをインストールし、KNIMEのPython Scriptノード中でPythonを回した（下図）。 ・Python Scr…

・先日のワークフローで、条件ごとに処理を変えたい場面があった。 ・やり方がよく分からなかったので、Row Splitterで表を条件の数だけカチ割って、それぞれでString ManipulationやMath Formulaで処理させていた。 ・調べてみると、Rule Engineというノードひとつでいろいろ条件分けして処理できたので、メモしておく。 ・今回やりたいことは、学生がテストで取った点数（下表）をもとに、不可、可、良の判定列を追加するワークフロー。 ・表をカチ割って処理するワークフローは以下の通り。 ・工程の詳細は省くが、条件を一つ増やすたびにノードを付け加えることになり、どんどん…

・化合物の活性情報を弄っていると、単位がmMやμmol/L、mg/Lなど揃っていないことがある。このままでは比較するのに不便なので、単位を揃えるワークフローを組んでみた。 ・サンプルデータは以下。ここまでバラバラなことはまずないと思うが、これが一つの単位（nMなど）に揃うと気持ちよさそう。 ・手順としては、String ManipulationとMath Formulaを組み合わせて、単位名と数値を変換していくだけ。 ・例えば、"μ"と"u"の揺れを"u"に統一したり、全角スペースを半角スペースに変換したり、半角スペースを除去したり、"mol/L"を"M"に変換したり（下図）。 ・単位が"g/…

・例えば、学習データでにNormalizeを施してモデルを構築した場合に、テストデータをモデルに適用する前に学習データと同じNormalizeを施したいとする。 ・どうすればよいかと調べてみると、Normalizer (Apply)というノードがあった。サンプルのワークフローを組んでみた（下図）。 ・左上の窓は「学習ノードなど」の出力、左下の窓は「テストデータなど」の出力、右上の窓は「Normalizeとパラメータの算出」の出力（▲）、右下の窓はNormalizee (Apply)ノードの出力。「テストデータなど」は「学習データなど」の下3つと同じデータなので、同じNormalizeをすると同…

・先日、化学構造からMordredを用いてDescriptorをたくさん算出した。 ・1600を超えるDescriptorを提示いただけたが、エラーが生じているものも少なくなかった。そこで、エラーが生じた記述子列を除去するワークフローを考えてみた（下図）。 ・ここでいうエラーは、目的のDescriptorが正しく算出されなかったものではなく、Descriptorに数値が返ってこなかったことを指すことにする。そこで本ワークフローでは、「算出されたDescriptorの表から、数値以外のセルを含む列を除去する」ことを目指した。 ・流れは以下の通り。 ・以前の記事の通り、Python Scriptを…

・先日、化合物の記述子をRDKitを使って算出した。この方法で、記述子を100個強得ることができたが、もっと得たい。 ・Pythonも含めて調べてみると、mordredというライブラリを利用するのが良さそうだった。mordredに関しては、以下を参照。 github.com ・まずはPythonの設定を行い、仮想環境中でmordredをインストールする。ちなみに、rdkitが入っていないとダメなので、もし入っていないようであれば一緒にインストールする。 ・SMILESを用意して、Python Scriptノードに渡す（下図。ウィンドウはそれぞれのノードの出力）。1600個強のDescripto…

・分子の性質を語るために、計算科学的に算出される指標のことを、記述子（Descriptor）と呼ぶ。このDescriptorにはいろいろな種類があり、ケモインフォマティクスの分野では必要に応じていろいろ使い分けられている。 ・KNIMEで化合物の構造情報を扱っていると、Descriptorを算出していろいろすることもあるかもしれない。KNIMEにRDKitのExtensionをインストールしているのであれば、RDKit Descriptor Calculationノードが便利かもしれない（以下）。 hub.knime.com ・例えば、以下のような感じで使う、、、のかもしれない。 ・ちなみに、…

前回に引き続きWindows Terminalをインストールする。 shigeo-t.hatenablog.com 参考にしたのはこちら。ずばりそのままである。 wiki.kazuma.tokyo gitを導入して、extrasリポジトリを追加 gitの導入はscoopインストール時に動作確認で、extrasリポジトリは前回のVS Codeインストール時に済んでいるので scoop install windows-terminal のみでいける。 PS C:\Users\Administrator\Downloads> scoop install windows-terminal Updati…

・諸般の事情で、化合物のChEMBL IDのリストと活性情報が手に入ったが、構造情報が付与されていなかったとする。 ・化合物数が10や20なら個別に構造を検索しても問題ないだろうが、それが数十、数百にもなるといよいよ面倒になってくる。 ・そこで、ChEMBLのREST APIとKNIMEを使って情報を引っ張ってくることにした（下図）。 www.ebi.ac.uk ・今回使ったのは、IDからMoleculeを検索するもののうち、Listで一度にたくさん検索できるもの（下図の一番下）。StructureとかCompoundとかいろいろあるが、Moleculeでないと私は構造を釣ってこれなかった。 …

・機械学習のハイパーパラメータを最適化したいと思って調べてみたところ、以下のKNIME Hubの記事が参考になりそうだった。 hub.knime.com ・まず、Parameter Optimization関連のノードを使うためには、Extensionをインストールする必要がある（以下）。 ・次に、ワークフローを組んでみた（下図）。以前のCross Validationの記事で作成したワークフローをベースに、Irisの分類問題をRandom Forestで解く際のハイパーパラメータを最適化することを考える。 ・下半分はデフォルトのハイパーパラメータを用いた場合、上半分は最適化のためのループを組…

・化合物の構造情報を使って色々解析する際に、前処理をしたい場合がある。 ・例えば、SDFをSMILESに変換するのであれば、SDF ReaderとRDKit Canon SMILESで何とかなる。 ・今回は、このSMILESを更にKNIMEで前処理するにはどうすれば良いか、少し調べてみた。 ・これまでに入れていたChem系のExtension（ChemistryやRDKitなど）では不十分だったので、VernalisのExtensionをインストールした（以下）。 www.knime.com ・このExtensionの詳細は公式HPをご確認いただきたいが、SMILESを弄るだけでもたくさんのノ…

・表の行に含まれている特定の値（文字列や数値）の数を数えたかった。 ・調べたところ、それらしい答えが見つかったので、メモしておく。 ・真似したのは以下の記事。 forum.knime.com ・以下、組んだワークフローの例（元記事と全く同じ） ・工程は以下の通り。 ①表を準備して、RowIDを抜き出した（下図）。 ②表をまとめて縦一列に並べ替え、ダミーとして1を入力（以下、各ノードの設定と最終出力）。 ③行ごとに含まれるパターンで集計（以下、設定と出力） ④countifのifに相当する抜き出し条件にあてはまるものを抽出（今回はゼロにした。以下、設定と出力）。countifが1以上のものの集計…

・KNIMEで分子生物学的なワークフローを構築しようと思ったが、いまひとつしっくりこない。翻訳ワークフローのように、頑張って組むのも不可能ではなさそうだが、何とかならないか。 ・pythonで何とかなりそうなので、pythonを入れ込んでバイオしてみた。 ・Anaconda PromptでKNIME用の仮想環境をactivateし、conda install biopythonでbiopythonをインストールした。 ・次に、KNIME上でワークフローを組んでみた（下図）。 ・もはやKNIMEのワークフローとしては嘆かわしい限りであるが、これで目的を達成することはできる。流れは以下の通り。 ・…

・有機化学の基本的な考え方として、「似たような構造を持っている化合物は似たような活性を持つ」というものがある。一方で、化合物はそれぞれに異なる活性を持つことも事実と思う。 ・どこでその差が出るのか考えるときに役に立つのが、「どこが同じでどこが違うのか？」という観点だろう。Matched Molecular Pairs解析（MMP解析）とか呼ばれたりする。これは、単なる類似度とは異なる示唆を化合物に与えることができる。 ・KNIMEでMMPを探索してみると、以下のような感じになった（下図。左の表は入力した構造情報）。 ・MMP Molecule Fragment (RDKit)ノードの設定と出力…

・例えば、化合物の構造だけ与えられて、「これと似たような化合物が、何かの生理活性を測定された報告はあるのかな？」と気になったとする。 ・個別の化合物を検索するのであれば、CHEMBL（以下）などでSmilarityも含めて、アッセイ結果を検索してみるのが良い。 www.ebi.ac.uk ・化合物が50個や100個ある場合は、個別に検索するのはハードなので、自動化したいところ。 ・ChemblのAPI（以下）と、KNIMEのGet Request、Xpathなどを使えばなんとかなりそうな気がする。 www.ebi.ac.uk ・流れとしては、①SMILESからChembl_IDを釣ってくる、②…

・先日、化合物をKNIMEで扱ってみた。 ・化合物の構造ファイルとして、いろいろな記述法があり、中でもSMILESとSDFはよく見かける。 ・SMILESの特徴は、1次元の文字列の配列であり、記述自体がシンプルであること。SDFの特徴は、化合物の構造以外の情報も盛り込めることだと思う。 ・今回は、SDFから化合物名などを抽出する方法をメモしておく。 ・SDFファイルの構成は以下の通り。 ・思うに、"M END"までが構造情報で、"><chembl_id>"など"><>"で囲まれたところが項目名、そのあとの行がその内容で、分子同士の区切りが"$$$$"になっているのだろう（あっているかは知らない…