Plusieurs \u00e9tapes dans cette mise en place. <\/p>\n\n\n\n
- \n
- La premi\u00e8re \u00e9tape permettra de v\u00e9rifier l’exhaustivit\u00e9 des \u00e9l\u00e9ments fournis sous le github, de consolider l’ensemble, de l’installer sur une machine, de l’ex\u00e9cuter et de v\u00e9rifier les r\u00e9sultats \u00e0 partir de mol\u00e9cules connues et de l’expertise des coll\u00e8gues.<\/li>\n\n\n\n
- La deuxi\u00e8me \u00e9tape consistera \u00e0 encapsuler l’ensemble dans une image Docker, afin de pouvoir le mettre \u00e0 disposition et le transporter d’une machine \u00e0 une autre sans perte de temps.<\/li>\n\n\n\n
- La troisi\u00e8me \u00e9tape consistera \u00e0 travailler sur l’ajout \u00e0 cet ensemble d’un service Web, qui devra permettre d’invoquer la r\u00e9solution d’une r\u00e9tro-synth\u00e8se via un appel de type API-REST. Objectif est de pouvoir connecter ce dispositif \u00e0 un frontal web ou \u00e0 une application tierce. <\/li>\n\n\n\n
- La quatri\u00e8me \u00e9tape consistera au d\u00e9veloppement d’un frontal Web \u00e0 destination des coll\u00e8gues chimistes qui devrait leur permettre d’interroger via un environnement Graphique ce web service pour un ou plusieurs smiles et de visualiser les r\u00e9sultats de ces r\u00e9tro-synth\u00e8se pour leur mol\u00e9cules.<\/li>\n\n\n\n
- La cinqui\u00e8me \u00e9tape consistera \u00e0 ajouter la possibilit\u00e9 de compl\u00e9ter la base de connaissance de ce dispositif pour rajouter des r\u00e9actions\/r\u00e9actifs suppl\u00e9mentaires.<\/li>\n<\/ul>\n\n\n\n
Etape 1 : Installation et v\u00e9rification :<\/p>\n\n\n\n
Fichiers de donn\u00e9es et mod\u00e8les : <\/p>\n\n\n\n
A partir des sources d\u00e9pos\u00e9es sur le github suivant, on installe anaconda et le param\u00e9trage de l’environnement conda comme indiqu\u00e9 dans le fichier README. Ce que ne fournit par le github c’est les fichiers hdf5 contenant les donn\u00e9es n\u00e9cessaires pour ex\u00e9cuter le code fourni et le fichier de configuration n\u00e9cessaire pour la r\u00e9solution: config.yml.<\/p>\n\n\n\n
A partir de la documentation du site de https:\/\/molecularai.github.io\/aizynthfinder\/<\/a> on reconstitue le premier exemple fourni de fichier de configuration: <\/p>\n\n\n\n
expansion<\/strong>:<\/strong>\n full<\/strong>:<\/strong>\n -<\/strong> uspto_expansion.onnx\n -<\/strong> uspto_templates.csv.gz\nstock<\/strong>:<\/strong>\n zinc<\/strong>:<\/strong> zinc_stock.hdf5<\/pre>\n\n\n\n
Il faut retrouver les fichiers qui ne sont pas pr\u00e9sents sur le github des sources. On arrive \u00e0 retrouver les fichiers sur des sites diff\u00e9rents : <\/p>\n\n\n\n
- \n
- A trained Keras expansion model that is called uspto_expansion.onnx<\/a> : voir<\/a><\/li>\n\n\n\n
- A library of unique templates called uspto_templates.csv.gz –> Pascal Krezel <\/li>\n\n\n\n
- A stock file in HDF5 format, called zinc_stock.hdf5<\/a> <\/li>\n<\/ul>\n\n\n\n
Description du contenu de ces trois fichiers : <\/p>\n\n\n\n
Contenu de l’archive : “zinc_stock_17_04_20.hdf5<\/p>\n\n\n\n
\n
\n
\n
show_hdf5_tree(“zinc_stock_17_04_20.hdf5”)
\u2514\u2500\u2500 table
\u251c\u2500\u2500 axis0 (1)
\u251c\u2500\u2500 axis1 (17422831)
\u251c\u2500\u2500 block0_items (1)
\u2514\u2500\u2500 block0_values (1)<\/p>\n<\/blockquote>\n<\/blockquote>\n<\/blockquote>\n\n\n\nStructure et contenu du fichier uspto_templates.csv.gz<\/p>\n\n\n\n
template_code retro_template template_hash classification library_occurence\n0 [#7;a:4]:[c:3]:c;H0;D3;+0:1:[c:2]>>Br-c;H0;D3;+0:1:[c:3]:[#7;a:4].[IH;D0;+0:5] 0001ead678cb363e3389b34d33a6bd38acc9f88da5403e820b7bc8c2800eb53a 0.0 Unrecognized 19\n1 [N;D1;H0:4]#[C:3]-[CH2;D2;+0:1]-[c:2]>>C-C(-C)(-C)-O-C(=O)-CH;D3;+0:1-[C:3]#[N;D1;H0:4] 0002f97a4d38f973095fc7d64488966c9d7b321beb0ea6c38dd61aefac810c0f 0.0 Unrecognized 7\n2 [C:3]=[C:2]-[CH2;D2;+0:1]-[S;H0;D2;+0:4]-[c;H0;D3;+0:5]1:[#16;a:6]:[c:7]:[#7;a:8]:[n;H0;D2;+0:9]:1>>C-C(=O)-O-[CH2;D2;+0:1]-[C:2]=[C:3].[S;H0;D1;+0:4]=[c;H0;D3;+0:5]1:[#16;a:6]:[c:7]:[#7;a:8]:[nH;D2;+0:9]:1 0005f9ceb67426e8a8b4a22b0254d8a1bdefd2b2a0a233c966f8b0f67c86738a 0.0 Unrecognized 4\n....\n....\n42552 [#7:4]-C:5-[c:7]1:[c:8]:[c:9]:[c:10]:c:11:[c:13]:1>>F-c;H0;D3;+0:1:[c:3].[#7:4]-C:5-[c:7]1:[c:8]:[c:9]:[c:10]:c:11:[c:13]:1 ffff06aeed0e85fda8980c3e4e178ef6afbda0820acfe7a9558fbaffedeb64d6 0.0 Unrecognized 43\n42553 [#7;a:2]:[nH;D2;+0:1]:[c:3]>>C-O-C(=O)-n;H0;D3;+0:1:[c:3] fffff6d4a752349dce0db6afa525867fde3c248d45809392d62549ec926d30d0 0.0 Unrecognized 84<\/code><\/pre>\n\n\n\n<\/p>\n\n\n\n
Constitution du fichier smiles.txt <\/p>\n\n\n\n
Cc1cccc(c1N(CC(=O)Nc2ccc(cc2)c3ncon3)C(=O)C4CCS(=O)(=O)CC4)C<\/p>\n\n\n\n
Pour ex\u00e9cuter le script il suffit de lancer la commande suivante : <\/p>\n\n\n\n
(aizynth-envv2) ystroppa@dragon:~\/ICOA\/aizynthfinder_v2\/aizynthfinder$ aizynthcli --config config.yml --smiles smiles.txt
Loading template-based expansion policy model from uspto_model.onnx to full
Loading templates from uspto_templates.csv.gz to full
Loading stock from InMemoryInchiKeyQuery to zinc
Selected as stock: zinc
Compounds in stock: 17422831
Selected as expansion policy: full
Done with Cc1cccc(c1N(CC(=O)Nc2ccc(cc2)c3ncon3)C(=O)C4CCS(=O)(=O)CC4)C in 24.1 s and is solved
Output saved to output.json.gz<\/code><\/pre>\n\n\n\nAnalyse et visualisation des r\u00e9sultats \u00e0 partit du fichier output.json.gz<\/p>\n\n\n\n
BenechMarks pour valider les r\u00e9sultats obtenus \u00e0 partir de la solution :<\/p>\n\n\n\n
Mol\u00e9cules d’EMOLGINE<\/a>
Mol\u00e9cules ICOA<\/a><\/p>\n\n\n\nEtape 2 : conteneurisation de la solution <\/p>\n\n\n\n
L’id\u00e9e est de r\u00e9unir l’ensemble des \u00e9l\u00e9ments de aizf et d’ajouter tous les fichiers n\u00e9cessaires \u00e0 son fonctionnement. Plusieurs tentatives ont \u00e9t\u00e9 ex\u00e9cut\u00e9es avec entre autre anaconda3 mais dans ce cas on a eu un probl\u00e8me de chargement de contexte conda pour ex\u00e9cuter le pip n\u00e9cessaire “RUN conda activate aizynth-env && python -m pip install aizynthfinder[all]”<\/strong><\/em> , erreur de la cr\u00e9ation d’image lors du chargement du contexte conda. Le syst\u00e8me nous indique qu’il faut ex\u00e9cuter au pr\u00e9alable conda init. Du coup on s’est report\u00e9 sur miniconda en version 22.11.1 avec en natif un python 3.10 ce qui \u00e9vite le chargeent de l’environnement conda car on l’a en natif. <\/p>\n\n\n\n
Fichier Dockerfile <\/p>\n\n\n\n
FROM continuumio\/miniconda3:22.11.1\nRUN addgroup --gid 1000 icoa\nRUN adduser --uid 1000 --gid 1000 --disabled-password --gecos \"\" icoa\nWORKDIR \/home\/icoa\nUSER icoa\nRUN git clone https:\/\/github.com\/MolecularAI\/aizynthfinder.git\nCOPY --chown=icoa:icoa config.yml .\/\nCOPY --chown=icoa:icoa smiles.txt .\/\nCOPY --chown=icoa:icoa uspto_model.onnx .\/\nCOPY --chown=icoa:icoa uspto_templates.csv.gz .\/\nCOPY --chown=icoa:icoa zinc_stock_17_04_20.hdf5 .\/\nENV bashrc \/home\/icoa\/.bashrc\nRUN echo 'export PATH=\/home\/icoa\/.local\/bin:$PATH'>> ~\/.bashrc\nRUN python -m pip install aizynthfinder[all]\n<\/code><\/pre>\n\n\n\nUtilisation de l’image : <\/p>\n\n\n\n
#docker run -it icoa bash
Syntaxe de la commande aizynthcli : <\/p>\n\n\n\nusage: aizynthcli [-h] --smiles SMILES --config CONFIG [--policy POLICY [POLICY \u2026]] [--filter FILTER [FILTER \u2026]]\n[--stocks STOCKS [STOCKS \u2026]] [--output OUTPUT] [--log_to_file] [--nproc NPROC] [--cluster]\n[--route_distance_model ROUTE_DISTANCE_MODEL] [--post_processing POST_PROCESSING [POST_PROCESSING \u2026]]\n[--pre_processing PRE_PROCESSING] [--checkpoint CHECKPOINT]\n<\/code><\/pre>\n\n\n\nExemple d’ex\u00e9cution dans le conteneur : <\/p>\n\n\n\n
icoa@599068b1cb84:~$ aizynthcli --config config.yml --smiles smiles.txt \nLoading template-based expansion policy model from uspto_model.onnx to full\nLoading templates from uspto_templates.csv.gz to full\nLoading stock from InMemoryInchiKeyQuery to zinc\nSelected as stock: zinc\nCompounds in stock: 17422831\nSelected as expansion policy: full\nDone with c1(F)cccc(F)c1S(=O)(=O)N(c2c(F)c(c3nc(CC(=O)NC)sc(c4ccnc(Nc5ccccc5)n4)3)ccc2) in 20.1 s and is not solved\nOutput saved to output.json.gz\n<\/code><\/pre>\n\n\n\nPossibilit\u00e9 de d\u00e9marrer un Jupyter Notebook \u00e0 partir d’un conteneur via la commande suivante :<\/p>\n\n\n\n
docker run -it -p 8888:8888 icoa .local\/bin\/jupyter notebook --ip='*' --port=8888 --allow-root<\/code><\/pre>\n\n\n\nIl suffit de relever dans les logs du d\u00e9marrage du conteneur le token inscrit dans l’url suivante : http:\/\/127.0.0.1:8888\/?token=865bc85149cfc0274c6ff4f72fb9c2006f41bf547ddeef58<\/a> et de lancer un navigateur sur la machine ex\u00e9cutant le conteneur. Ce qui permet d’acc\u00e9der \u00e0 jupyter notebook. <\/p>\n\n\n\n
- A trained Keras expansion model that is called uspto_expansion.onnx<\/a> : voir<\/a><\/li>\n\n\n\n
![\"\"](\"https:\/\/spgoo.org\/wp-content\/uploads\/2026\/01\/Capture-du-2026-01-13-17-38-21-1024x466.png\")
<\/figure>\n<\/div>\n\n\n![\"\"](\"https:\/\/spgoo.org\/wp-content\/uploads\/2026\/01\/Capture-du-2026-01-13-17-43-09-1024x542.png\")
<\/figure>\n<\/div>\n\n\n