基於Tanimoto係數丟棄過於相似的分子的python函數？

Question

我想寫一個需要兩個列表作爲輸入的python函數：一個包含一些分子SMILES代碼和另一個包含分子名稱的代碼。

然後它計算所有分子對之間的TANIMOTO係數（我已經有了這個功能），並分別返回兩個新列表，其中所有分子的斯米爾和其他任何其他分子的名字都不高於a一定的閾值。

這是我迄今所做的，但它給錯誤的結果（最讓我得到分子幾乎是一樣的...）：

def TanimotoFilter(molist,namelist,threshold): 
    # molist is the smiles list 
    # namelist is the name list (SURPRISE!) is this some global variable name? 
    # threshold is the tanimoto threshold (SURPRISE AGAIN!) 
    smilesout=[] 
    names=[] 
    tans=[] 
    exclude=[] 
    for i in range(1,len(molist)): 
     if i not in exclude: 
      smilesout.append(molist[i]) 
      names.append(namelist[i]) 
      for j in range(i,len(molist)): 
       if i==j: 
        tans.append('SAME') 
       else: 
        tanimoto=tanimoto_calc(molist[i],molist[j]) 
        if tanimoto>threshold: 
         exclude.append(j) 
         #print 'breaking for '+str(i)+' '+str(j) 
         break 
        else: 
         tans.append(tanimoto) 

    return smilesout, names, tans 

我會，如果修改非常感謝你提出的建議是儘可能基本的，因爲這些代碼適用於那些在他們的生活中幾乎看不到終端的人......無論它是否充滿循環，都會讓它變慢。

謝謝大家！

Answer 1

我對函數的邏輯做了一些修改。正如問題中提到的那樣，它返回兩個帶有SMILES和名字的列表。我不清楚tan的目的，因爲tanimoto的值是一個元組而不是單個分子。無法測試沒有數據的代碼，讓我知道這是否有效。

def TanimotoFilter(molist, namelist, threshold): 
    # molist is the smiles list 
    # namelist is the name list (SURPRISE!) is this some global variable name? 
    # threshold is the tanimoto threshold (SURPRISE AGAIN!) 
    smilesout=[] 
    names=[] 
    tans=[] 
    exclude=[] 

    for i in range(0, len(molist)): 
     if i not in exclude: 
      temp_exclude = [] 
      for j in range(i + 1, len(molist)): 
       tanimoto = tanimoto_calc(molist[i], molist[j]) 
       if tanimoto > threshold: 
        temp_exclude.append(j) 
      if temp_exclude: 
       temp_exclude.append(i) 
       exclude.extend(temp_exclude) 
      else: 
       smilesout.append(molist[i]) 
       names.append(namelist[i]) 

    return smilesout, names