論文の概要: Scikit-fingerprints: Python library for scikit-learn compatible molecular fingerprints and chemoinformatics

• arxiv url: http://arxiv.org/abs/2608.02027v1
• Date: Mon, 03 Aug 2026 10:23:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.486206
• Title: Scikit-fingerprints: Python library for scikit-learn compatible molecular fingerprints and chemoinformatics
• Title（参考訳）: Scikit-fingerprints: Python library for scikit-learn compatible molecular fingerprints and chemoinformatics
• Authors: Jakub Adamczyk, Adam Staniszewski,
• Abstract要約: 我々はPythonにおける分子機械学習のための完全シキト学習ライブラリであるシキトフィンガープリントを提示する。 scikit-fingerprintsは、分子指紋、分子フィルター、類似度と距離の測定、適用性ドメインの推定、データ分割戦略など、単一のインターフェースの下にもたらします。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present scikit-fingerprints, a comprehensive, fully scikit-learn compatible library for molecular machine learning in Python, based on RDKit. Molecular fingerprints and related functionalities are workhorses of chemoinformatics, yet the widely used open-source frameworks are not compatible with the wider Python machine learning ecosystem based on scikit-learn conventions. scikit-fingerprints closes this gap, bringing molecular fingerprints, molecular filters, similarity and distance measures, applicability domain estimation, data splitting strategies, and more under a single, familiar interface. Scikit-learn compatibility means that an entire chemoinformatics workflow, from a raw SMILES string to a deployable model, can be assembled from composable building blocks and can reuse the mature tooling of the surrounding ecosystem. The underlying RDKit code makes it familiar and extensible for custom chemoinformatics use cases. We put a strong focus on unified interfaces, ease of use, computational efficiency, customization, and extensibility. scikit-fingerprints makes molecular machine learning faster to prototype, easier to reproduce, and simpler to deploy.
• Abstract（参考訳）: RDKitをベースとしたPythonの分子機械学習のための総合的で完全にシキト学習可能なライブラリであるシキトフィンガープリントを提案する。 分子指紋と関連する機能は、ケモインフォマティクスのワークホースであるが、広く使われているオープンソースフレームワークは、シキト学習の慣習に基づいた幅広いPython機械学習エコシステムと互換性がない。 シンキットフィンガープリントは、このギャップを埋め、分子指紋、分子フィルター、類似度と距離の測定、適用可能性ドメインの推定、データ分割戦略など、単一のインタフェースの下にもたらされる。 Scikit-learnとの互換性は、生のSMILES文字列からデプロイ可能なモデルまで、すべての化学情報処理ワークフローを構成可能なビルディングブロックから組み立てることができ、周囲のエコシステムの成熟したツールを再利用できることを意味します。 RDKitのコードは、カスタムケモインフォマティクスのユースケースに親しみやすく拡張性がある。 私たちは統一インターフェース、使いやすさ、計算効率、カスタマイズ、拡張性に力を入れています。 scikit-fingerprintsは、分子機械学習をプロトタイプよりも早く、再現しやすく、デプロイも簡単になる。

関連論文リスト

• PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
  PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
  論文  参考訳（メタデータ） (2024-12-09T11:00:55Z)
• Scikit-fingerprints: easy and efficient computation of molecular fingerprints in Python [0.0]
  scikit-fingerprintsは、化学情報学の応用のための分子指紋の計算のためのPythonパッケージである。 当社のライブラリは業界標準のScikit-learnインターフェースを提供しており、直感的な使用と機械学習パイプラインとの統合が容易です。
  論文  参考訳（メタデータ） (2024-07-18T08:45:14Z)
• Causal-learn: Causal Discovery in Python [53.17423883919072]
  因果発見は、観測データから因果関係を明らかにすることを目的としている。 $textitcausal-learn$は因果発見のためのオープンソースのPythonライブラリである。
  論文  参考訳（メタデータ） (2023-07-31T05:00:35Z)
• Scikit-dimension: a Python package for intrinsic dimension estimation [58.8599521537]
  この技術ノートは、固有次元推定のためのオープンソースのPythonパッケージであるtextttscikit-dimensionを紹介している。 textttscikit-dimensionパッケージは、Scikit-learnアプリケーションプログラミングインターフェイスに基づいて、既知のID推定子のほとんどを均一に実装する。 パッケージを簡潔に記述し、実生活と合成データにおけるID推定手法の大規模(500以上のデータセット)ベンチマークでその使用を実証する。
  論文  参考訳（メタデータ） (2021-09-06T16:46:38Z)
• Solo-learn: A Library of Self-supervised Methods for Visual Representation Learning [83.02597612195966]
  solo-learnは視覚表現学習のための自己指導型のメソッドのライブラリである。 Pythonで実装され、PytorchとPytorch Lightningを使用して、このライブラリは研究と業界のニーズの両方に適合する。
  論文  参考訳（メタデータ） (2021-08-03T22:19:55Z)
• PyHealth: A Python Library for Health Predictive Models [53.848478115284195]
  PyHealthは、医療データ上で様々な予測モデルを開発するためのオープンソースのPythonツールボックスである。 データ前処理モジュールにより、複雑なヘルスケアデータセットを機械学習フレンドリーなフォーマットに変換できます。 予測モデリングモジュールは、確立されたアンサンブルツリーとディープニューラルネットワークベースのアプローチを含む30以上の機械学習モデルを提供します。
  論文  参考訳（メタデータ） (2021-01-11T22:02:08Z)
• OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
  本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。 OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
  論文  参考訳（メタデータ） (2020-01-28T15:46:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。