Boost.Python.ArgumentError: Типы аргументов Python в ~ не соответствуют сигнатуре C ++. Как я могу это обработать? - PullRequest
Новая
       14

Boost.Python.ArgumentError: Типы аргументов Python в ~ не соответствуют сигнатуре C ++. Как я могу это обработать?

0 голосов
/ 10 сентября 2018

enter image description here

Я хочу предсказать данные Knoell, используя ppar_ligand_model. Но некоторые улыбки отображают это сообщение об ошибке. Как я могу справиться с этим? Это проблема структуры SMILE? И какой код я должен добавить, чтобы исключить УЛЫБКУ материала, которая вызывает ошибку?

Вот код Soruce и ссылка на GitHub run_pparg_ligand_model.py 

import numpy
import pandas
import sys
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import StratifiedKFold
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.metrics import confusion_matrix
from rdkit.Chem import AllChem
from rdkit import DataStructs
from rdkit.Chem import Draw
from rdkit.Chem.Draw import SimilarityMaps
from rdkit import Chem, DataStructs
import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt
from keras.models import load_model


def main():
    """Run the main function."""
    outfile = open(sys.argv[1] + "_predictions.txt", 'w')
    outfile.write("Chemical Name\tPrediction\n")
    model = load_model("pparg_ligand_model.h5")
    dataframe = pandas.read_csv(sys.argv[1], sep="\t")
    mols = []
    fps = []

    for index, row in dataframe.iterrows():
#         try : 
#             mol = Chem.MolFromSmiles(row['SMILES'])
#             break
#         except :
#             continue
        mol = Chem.MolFromSmiles(row['SMILES'])

        fp = AllChem.GetMorganFingerprintAsBitVect(mol, 2)
        mols.append(mol)
        fps.append(fp)

    np_fps = []
    for fp in fps:
        arr = numpy.zeros((1,))
        DataStructs.ConvertToNumpyArray(fp, arr)
        np_fps.append(arr)

    np_fps_array = numpy.array(np_fps)
    predictions = model.predict(np_fps_array, batch_size=5)
    i = 0
    for prediction in predictions:
        y_prediction = ''
        if(prediction < 0.50):
            y_prediction = "ligand"
        else:
            y_prediction = "not_ligand"
        outfile.write(dataframe['Chemical_Name'][i] + "\t" + y_prediction + "\n")
        i += 1
    outfile.close()


if __name__ == "__main__":
    main()
...