PyTorch第三方库 2. GNN使用PyG的实现( 七 ) _节点

在子结构匹配、化学反应等方面发挥着重要作用。
（SMART编码是前面描述的语言的扩展，可以用来创建查询。可以将SMART模式看作类似于用于搜索文本的正则表达式(换一种说法就是，smart编码相当于对编码的一种模糊搜索)）常用的知识:
C c 大写小写C是不一样的，大写代表脂肪碳；小写代表芳香碳。冒号后面的数字为Atom Map ID羟基O的表示 []判断是否有子结构m.(patt)获取第一个子结构对应的原子编号m.(patt)——返回一个元组m.(patt) 获取所有子结构的原子编号——返回元组表（内含有多个元组...）
以甲氧基苯为例，查找是否含有-OCH3，若有则显示其对应的原子编号。：
【Code】
from rdkit import Chemm = Chem.MolFromSmiles('c1ccccc1OC')patt = Chem.MolFromSmarts('OC')flag =m.HasSubstructMatch(patt)if flag:print("molecu m contains group -OCH3")atomids = m.GetSubstructMatch(patt)print("matched atom id:",atomids)else:print("molecu m don't contain group -OCH3")
分子指纹就是一种分子的抽象表征，它将分子转化（编码）为一系列比特串（即比特向量，bit.），然后可以很容易地在分子之间进行比较，比较分子的相似性等。典型的流程是将提取分子的结构特征、然后哈希()生成比特向量。
使用rdkit中的 from rdkit.Chem.
详情可参考：
化合物相似性搜索 | 基于分子指纹的分子相似性的博客-CSDN博客分子相似性：相似性原理（）指出，总体相似的分子应具有相似的生物活性。相似性评估化合物的指纹对于使用计算机考虑化合物的相似性是必需的。已经提出了各种评估方法，但是最常用的评估方法称为“ 系数 ” 。使用以下等式从两个分子A和B的位阵列指纹计算系数：导入库as p...
~~word~-4--blog-.&spm=1001.2101.3001.4242.3&=7
4. 引用 ?一些视频【强烈安利】其他
Chem ：负责基础常用的化学功能（如：读写分子，子结构搜索，分子美化等）
: 负责高级但不常用的化学功能。
- 安装问题
装了之后装不上的参考文章：torch-安装教程_机器不学习我学习的博客-CSDN博客
失败原因：
应该是库和库之间依赖的问题，所以torch版本要和还有等都要对应起来！
、、、是一个大佬根据根据版本和一些bug修复持续更新的，因此依赖关系比较严重，根据发布的版本应该对应起来进行安装使用。
1. —— torch 查看torch版本和the CUDA
2. 按照这个 —安装
【PyTorch第三方库2. GNN使用PyG的实现】安装命令为下图蓝色所示