DOPtools程序: 用于描述符计算与模型优化的Python平台

摘要：在化学信息学中，定量结构-性质关系（QSPR）建模是预测化学物质性质的关键方法。传统流程涉及多个步骤，包括分子结构的描述符提取、特征选择、机器学习建模与参数调优。但当前主流工具彼此不兼容，缺乏统一的工作流，尤其是在复杂的化学反应建模方面，仍存在工具链断裂、自动

在化学信息学中，定量结构-性质关系（QSPR）建模是预测化学物质性质的关键方法。传统流程涉及多个步骤，包括分子结构的描述符提取、特征选择、机器学习建模与参数调优。但当前主流工具彼此不兼容，缺乏统一的工作流，尤其是在复杂的化学反应建模方面，仍存在工具链断裂、自动化程度低等问题。研究团队设计并实现了DOPtools（Descriptors and Optimization tools），一个用Python编写的开源工具库。它包含以下模块与功能：

• 描述符计算：支持RDKit指纹、Mordred物理化学参数、自定义分子片段（CircuS与ChyLine）等；

• 反应建模：可处理Condensed Graph of Reaction（CGR）结构，适用于包含多个组分的反应；

• 模型优化：集成Optuna库进行支持向量机（SVM）、随机森林（RF）、XGBoost等模型的超参数调优；

• 解释性工具：ColorAtom模块可可视化原子对模型预测的贡献；

• 命令行工具（CLI）：适用于服务器部署，实现批量计算与优化。