首页
/ RDKit中SimilarityMaps可视化背景色的自定义配置

RDKit中SimilarityMaps可视化背景色的自定义配置

2025-06-27 00:48:23作者:尤峻淳Whitney

在化学信息学领域,RDKit的SimilarityMaps功能是分子相似性分析的重要工具。该功能通过热力图直观展示分子中各个原子对整体相似性的贡献程度。本文将深入探讨其背景色配置机制及最新改进。

背景色默认行为分析

SimilarityMaps默认采用色彩映射表(cmap)的中间值作为背景色,这种设计在双色渐变色谱(如红-白-蓝)中表现良好,白色背景能清晰区分正负贡献值。然而当使用单色渐变色谱(如Greens)时,中间值会呈现该色谱的中间色调(如中绿色),导致可视化效果不够理想。

技术实现原理

在底层实现上,SimilarityMaps通过以下步骤处理颜色映射:

  1. 将贡献值归一化到[-1,1]区间
  2. 根据cmap将数值映射为RGB颜色
  3. 零值区域(背景)默认对应cmap的中点颜色值

新增配置方案

最新版本增加了背景色自定义参数background_color,支持以下配置方式:

  • 保持默认中点映射(None)
  • 指定固定颜色(如'white')
  • 使用透明度通道(RGBA)

以Greens色谱为例,通过设置background_color='white'可获得更清晰的视觉对比:

SimilarityMaps.GetSimilarityMap(mol, background_color='white')

应用场景建议

  1. 单色色谱场景:推荐使用白色背景增强可读性
  2. 双色色谱场景:保持默认中点映射可维持正负区分
  3. 特殊需求场景:可通过RGB值精确控制背景色

可视化效果对比

原始Greens色谱效果:

  • 背景呈现中绿色
  • 正贡献区域显示深绿色渐变

优化后效果:

  • 纯白背景
  • 正贡献保持绿色渐变
  • 视觉对比度显著提升

该改进使得SimilarityMaps在不同色谱方案下都能保持优秀的可视化效果,为药物发现、QSAR建模等应用场景提供了更灵活的配置选项。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
503
39
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
331
10
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
277
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70