Diverse Subset
简介
基于多种2D指纹选择分子子集，使用MaxMin或可用的分层聚类方法，并将它们写入文件。RDKit中可用的Dice和Tanimoto相似性函数能够处理对应于IntVect和BitVect的指纹。然而，所有其他相似性函数都期望使用BitVect指纹来计算成对相似性。因此，对于AtomPairs、Morgan、MorganFeatures和TopologicalTorsions的相似性计算，使用ExplicitBitVect指纹代替默认的IntVect指纹。
参数说明
Input File
小分子结构文件，SDF或者SMILES格式。
Output File
输出文件名称。
Diverse Numbers
指定划分数量。
Mode
利用最大最小距离（MaxMin）或分层聚类方法（Hierarchical Clustering）进行聚类，从而选择不同的分子子集类型。
Similarity Metric
用于计算分子间相似性的方法，有Tanimoto、Cosine以及Dice。
谷本系数——Tanimoto：只关心个体间共同具有的特征是否一致这个问题，用于比较有限样本集之间的相似性与差异性。计算公式如下：
余弦相似度——Cosine：通过n维空间中两个n维向量之间角度的余弦来判断相似程度。计算公式如下：
Dice相似度：是一种集合相似度度量指标。计算公式如下所示：
Fingerprints
用于计算分子间相似性/距离的指纹。
结果说明
按划分数量得到聚类结果，输出每个聚类中的第一个分子文件diverse_set.sdf。
参考文献
Ashton, M., Barnard, J., Casset, F. et al. Identification of Diverse Database Subsets using Property-Based and Fragment-Based Molecular Descriptions. Quantitative Structure-Activity Relationships. 2002 Dec 27; 21:598-604.
