B ž3Rc< ã @sŠdZddlZddlZddlZddlZddlmZddlmZdd„Z dd„Z ed kr†e ƒZe ¡Zeejd ƒLZeddƒ6Zx.eD]&Ze ¡ d ¡\ZZe e eeƒ¡q„WWdQRXWdQRXejd e¡ddZeej d¡dddƒZeejd ƒZxleD]dZe ¡ d ¡ZedZxFede eƒddƒD].Z!ee!Zee!dZ"e d ee"e¡¡q2WqWe #¡edkr†e $d¡dS)a This script performs fast clustering of SMILES Clustering method is repeated bi section, the method looks like -k-means. To use this script, the user needs to install bayon at first. Input format: Tab separated SMILES strings (SMILES molID ...) Please see more details in README. éN)ÚChem)ÚAllChemcCsNt d¡}|jddd|jdddd|jd d dd|jd dddd|S)z Create the argument parser z$Fast clustering for chemoinformaticsÚinputzfilename of input file)ÚhelpZ nclustersÚNzthe number of clusters)Úmetavarrz--outputz(filename of output, tab separated formatz clustered.tsv)rÚdefaultz --centroidZCENTROIDz6filename of centroid information. tab separated formatzcentroid.tsv)rrr)ÚargparseÚArgumentParserÚadd_argument)Úparser©r ú.share/RDKit/Contrib/Fastcluster/fastcluster.pyÚgetArgParsers rcCsFt |¡}t |d¡ ¡}|}x|D]}|d |¡7}q$W|d7}|S)Néz FP_{} 1.0Ú )rZ MolFromSmilesrZGetMorganFingerprintAsBitVectZ GetOnBitsÚformat)ÚmolidÚsmilesZmolZonbitsÚrowÚbitr r rÚsmi2fp!s rÚ__main__Úrzfp.tsvÚwú zCtime bayon -p -c {0.centroid} -n {0.nclusters} fp.tsv > {0.output}T)ÚshellÚ.z _parse.tsvérz{} {} CLS_ID_{} zError running bayon)%Ú__doc__r Ú subprocessÚpickleÚosZrdkitrZ rdkit.ChemrrrÚ__name__rÚ parse_argsÚargsÚopenrZinputfZtempfÚlineÚrstripÚsplitrrÚwriteZcallrZresÚoutputZ parsefileZ cluster_idÚrangeÚlenÚiZpointÚcloseÚexitr r r rÚs: (