wählt n für chemische Fingerabdruck Cluster

Question

Hallo ich chemischen Fingerabdruck

Ich verwende RDKit, die bieten ein hierarchisches Verfahren für Cluster, das Problem ist, dass ich weiß, die Anzahl der Cluster zu Cluster versuche ich 13 Cluster haben will so ich verwende kmean Methode basiert auf Tanimoto Ähnlichkeitsbewertung mit scikit

hier ist mein Code:

smiles = [] 
molFin = [] 
fps = [] 
np_fps = [] 

#mol["idx"] contain the name of the molecules 
for x in mol["idx"]: 
    res = cs.search(x) 
    #get the smiles code of a molecule 
    smi = res[0].smiles 

    #get the fingerprint of the molecule 
    fp = Chem.MolFromSmiles(str(smi)) 
    fp = FingerprintMols.FingerprintMol(fp) 
    fps.append(fp) 


#compute the similarity score (end up with a cross molecule matrix where each occurence correspond to the taminoto score) 

dists = [] 
nfps = len(fps) 
for i in range(0,nfps): 
    sims = DataStructs.BulkTanimotoSimilarity(fps[i],fps) 
    dists.append(sims) 

#store the value on a data frame and apply kmean 
mol_dist = pd.DataFrame(dists) 

k_means = cluster.KMeans(n_clusters=13) 
k1 = k_means.fit_predict(mol_dist) 
mol["cluster"] = k1 

#get the result 
final = mol[["idx","cluster"]] 

Das Clustering scheint in einer Art und Weise zu arbeiten, aber ich habe keine Ahnung, wie wir eine der Clustering für chemische Fingerabdruck tun , sollen wir die c anwenden Glanzalgorithmus direkt auf dem Fingerabdruck selbst statt?

Answer 1

Ich denke, das Problem bei der Clusterbildung ist, wie geeignete k auswählen. Ihr Problem kann wie folgt gelöst werden:

1. ermitteln Sie die entsprechende k-Cluster-Nummer. Sie können einige Methoden wie Elbow, ... den Link unten beziehen - https://datasciencelab.wordpress.com/2013/12/27/finding-the-k-in-k-means-clustering

2. Nach k-Nummern, wählen Sie die entsprechenden Funktionen zusammen mit erhaltenen k-Cluster dann Ihre Daten-Set und Auswertung Clustering.

Beste Bewertung!