Stanislaw Jastrzebski kudkudak

Klastry kluczy MACCS wygenerowane przez sklastrowanie wektorów, które wygenerowałem dla każdego bitu z MACCS.

Każdy klaster jest opisany SMARTem związku (czasami jest "?", to może być artefakt rdkit którego używałem), który jest najbliżej środka klastru. Pod obrazkiem zamieściłem listy wszystkich kluczy w danym klastrze.

Każdy SMARTS (klucz MACCS) reprezentuję ok. 5 strukturami które do niego pasują. Czyli na każdy klaster przypada ok 5*ilość_kluczy_w_klastrze obrazków.

Zamieszczam też dwa klastrowania. Czy są jakieś różnice pomiędzy nimi?

Na końcu zamieściłem wyniki klasyfikacji 5ht6

	def get_sabina_clusters(protein, fingerprint):

	# Read data
	actives, inactives = get_protein_fingerprint_cluster_files(protein, fingerprint)
	clusters_active = []
	for a, _ in actives:
	clusters_active.append(pd.io.parsers.read_csv(os.path.join(c["DATA_DIR"], a), header=None).as_matrix().astype("float32"))

	inactive = pd.io.parsers.read_csv(os.path.join(c["DATA_DIR"], inactives), header=None).as_matrix().astype("float32")

	protein = "beta2"
	fingerprint = "KlekFP"

	# Read data, not important
	actives, inactives = get_protein_fingerprint_cluster_files(protein, fingerprint)
	clusters_active = []
	for a, _ in actives:
	clusters_active.append(pd.io.parsers.read_csv(os.path.join(c["DATA_DIR"], a), header=None).as_matrix().astype("float32"))
	inactive = pd.io.parsers.read_csv(os.path.join(c["DATA_DIR"], inactives), header=None).as_matrix().astype("float32")

	[('actives/beta2_actives_cluster1_KlekFP.csv', 1), ('actives/beta2_actives_cluster2_KlekFP.csv', 2), ('actives/beta2_actives_cluster3_KlekFP.csv', 3), ('actives/beta2_actives_cluster4_KlekFP.csv', 4), ('actives/beta2_actives_cluster5_KlekFP.csv', 5), ('actives/beta2_actives_cluster6_KlekFP.csv', 6)] inactives/beta2_inactives_KlekFP.csv
	Sizes: [408, 548, 548, 22, 2, 114]
	Clusters 2 and 1
	Shared examples # : 474
	Indices of examples:
	( 0 0 )
	( 1 1 )
	( 2 2 )
	( 3 3 )
	( 144 4 )

	def hit_and_run(X, Y, N=100, T=10, sub_sample_size=100, eps=0.5):
	"""
	@param N hypothesis of points wanted
	@param T number of mixing iterations
	@param sub_sample_size how many samples of hypothesis take on the ray.
	@param eps noise level. Note that i should be pretty big
	"""

	X = X[Y.known_ids]
	Y = Y[Y.known_ids]

	def pick_h(protein, fingerprint, loader, model=TWELM, full_param_grid = {'C': list(np.logspace(0, 5, 6)),
	'h': [100, 200, 500, 1000]}):
	comps = [[protein, fingerprint]]

	loader = copy.deepcopy(loader)

	preprocess_fncs = []

	data = get_data(comps, loader, preprocess_fncs).values()[0][0][0]

	import sys
	sys.path.append("/home/ubuntu/hackathon_bes")
	from utils import *
	from run_nn import *
	data = get_data("christine")
	fit_predict(data["X_train"], data["Y_train"], test_datasets = [data["X_test"], data["X_valid"]],
	learning_rate=0.01, L1_reg=0.00, L2_reg=0.000001, n_epochs=200, batch_size = 100)

	def wac_score(y_true, y_pred):
	"""
	Parameters
	----------
	y_true: numpy.ndarray
	True labels
	y_pred: numpy.ndarray
	Estimated labels
	Returns
	-------

	# Ensure somehow we have some samples known

	def fit(X, y):
	while True:
	indices = self._query_labels(X, y)

	if not oracle(indices, y):
	# No budget
	break


	# coding: utf-8

	# In[1]:

	get_ipython().magic(u'load_ext autoreload')
	get_ipython().magic(u'autoreload 2')
	import sys
	sys.path.append("/afs/inf.ed.ac.uk/user/v/v1sjastr/scratch/v1sjastr/go-deep/")
	import numpy as np