Habilidade em Quimioinformática com Datamol

Visão Geral

Datamol é uma biblioteca Python que fornece uma camada de abstração leve e "Pythônica" sobre o RDKit para quimioinformática molecular. Simplifique operações moleculares complexas com padrões sensatos, paralelização eficiente e recursos modernos de I/O. Todos os objetos moleculares são instâncias nativas rdkit.Chem.Mol, garantindo compatibilidade total com o ecossistema RDKit.

Alvo verificado: datamol 0.13.0, lançado em 9 de setembro de 2026. Verificações locais usaram Python 3.13 e RDKit 2026.03.6. Python 3.11+ e RDKit 2024.09+ são necessários. A distribuição 0.13 inclui dependências de tempo de execução para SELFIES, visualização, nuvem, Excel e Parquet. Exemplos de API atuais e limites de verificação estão registrados em references/review.md. Fixe o ambiente: atualizações do RDKit podem alterar representações canônicas e conformadores retidos. Compare invariantes químicos, não uma contagem fixa de conformadores ou uma string canônica exata dependente da versão.

Principais capacidades:

• Conversão de formato molecular (SMILES, SELFIES, InChI)
• Padronização e sanitização de estrutura
• Descritores e impressões digitais moleculares
• Geração e análise de conformadores 3D
• Agrupamento e seleção de diversidade
• Análise de scaffold e fragmentos
• Aplicação de reações químicas
• Visualização e alinhamento
• Processamento em lote com paralelização
• Suporte a armazenamento em nuvem via fsspec

Instalação e Configuração

Oriente os usuários a instalar o datamol:

uv pip install "datamol==0.13.0"

RDKit e as dependências S3/GCS, Excel/Parquet, visualização e SELFIES são instaladas pela distribuição atual; extras de recursos separados não são necessários. Use um ambiente isolado para evitar conflitos de requisitos de pacotes científicos.

Convenção de importação:

import datamol as dm

Fluxos de Trabalho Principais

Dez áreas de fluxo de trabalho, cada uma com código funcional, são documentadas em references/core_workflows.md:

Três pipelines de ponta a ponta — carregar/filtrar/analisar, série SAR por scaffold e triagem virtual — estão em references/workflow_patterns.md.

Paralelização

Datamol inclui paralelização integrada para muitas operações. Use o parâmetro n_jobs:

• n_jobs=1: Sequencial (sem paralelização)
• n_jobs=-1: Use todos os núcleos de CPU disponíveis
• n_jobs=4: Use 4 núcleos

Funções que suportam paralelização:

• dm.read_sdf(..., n_jobs=-1)
• dm.descriptors.batch_compute_many_descriptors(..., n_jobs=-1, batch_size=128)
• dm.cluster_mols(..., n_jobs=-1)
• dm.pdist(..., n_jobs=-1)
• dm.conformers.sasa(..., n_jobs=-1)

Barras de progresso: Muitas operações em lote suportam o parâmetro progress=True. Para lotes de descritores paralelos, forneça um batch_size positivo (por exemplo, 128). Na pilha 0.13.0 testada, o padrão None atinge o joblib e levanta um erro quando a paralelização é habilitada.

Documentação de Referência

Para documentação detalhada da API, consulte estes arquivos de referência:

• references/core_api.md: Funções do namespace principal (conversões, padronização, impressões digitais, agrupamento)
• references/io_module.md: Operações de I/O de arquivos (leitura/escrita de SDF, CSV, Excel, arquivos remotos)

…