chemprop
Chemprop 分子性质模型训练技能,基于图神经网络(GNN)。适用于:分子 SMILES 数据训练、多靶点毒性模型训练、分子性质模型训练、Tox21 格式数据处理。当用户需要对分子进行毒性/性质模型训练时使用本技能。
SKILL.mdskills/chemprop/SKILL.md
GitHubChemprop 分子性质模型训练
通过调用 Chemprop 图神经网络工作站,对输入的分子 SMILES 数据进行多靶点毒性/性质模型训练。
前置条件
- 工作站 API 地址:
http://114.214.211.25:30082 - 镜像地址:
114.214.255.82:18080/internal/job:yaml.arm
触发关键词
- Chemprop、分子性质训练、毒性模型训练
- SMILES 训练、分子毒性模型训练
- Tox21 格式、多靶点训练
- 对分子进行性质/毒性模型训练
工作流程概述
所有 Chemprop 训练计算遵循三步流程:
- 上传文件:将输入数据文件(CSV)上传至文件服务器,获取文件 URL
- 提交任务:将文件 URL 和计算参数提交至工作站 API,获取任务 ID
- 下载结果:通过任务 ID 下载计算结果 ZIP 压缩包(包含训练好的模型和日志)
功能:Chemprop 分子性质模型训练
1. 收集参数
| 参数 | 必填 | 说明 |
|---|---|---|
inputfile |
是 | 输入数据文件的 URL 地址(CSV 格式)。第一列必须为 smiles(分子 SMILES 字符串),后续列为各靶点标签(0/1,空值表示未测定),如 Tox21 格式 |
objective |
是 | 模型模板标识,当前固定填写 "chemprop" |
CSV 文件格式要求:
- 第一列必须为
smiles(分子 SMILES 字符串) - 后续列为各靶点标签(0/1,空值表示未测定)
- 建议至少包含 50 条以上的数据以获得稳定的训练效果
- 空值可以用空字符串、
NA、null等表示
CSV 格式示例:
smiles,target1,target2,target3
CCO,0,1,NA
c1ccccc1,1,0,1
CC(C)CC(C)(C)C,0,0,0
CC(=O)OC1=CC=CC=C1C(=O)O,1,1,NA
CN1C=NC2=C1C(=O)N(C(=O)N2C)C,0,1,1
如果用户未提供输入文件,必须询问用户需要训练哪些分子的性质模型。
2. 执行计算(推荐使用 Python 脚本)
python scripts/chemprop_run.py \
--inputfile http://example.com/input.csv \
--objective chemprop
3. 手动调用 REST API(备选方案)
3a. 上传文件
curl -s -X POST http://114.214.215.131:40080/worker/file/upload \
-H "identifies: 691c9f24af764bd6ac955a0e8dd0dba9" \
-F "file=@input.csv"
响应示例:
{
"code": 0,
"data": "http://114.214.215.131:40080/files/pan-dev/20260330165337547input.csv",
"message": ""
}
data 字段即为文件 URL,后续作为 inputfile 参数使用。
3b. 提交任务
curl -X POST 'http://114.214.211.25:30082/api/jobs' \
-H 'Content-Type: application/json' \
-d '{
"params": {
"inputfile": "http://114.214.215.131:40080/files/pan-dev/20260330165337547input.csv",
"objective": "chemprop"
},
"image": "114.214.255.82:18080/internal/job:yaml.arm",
"parentId": "<task-id>",
"taskId": "<task-id>",
"createdBy": "<用户名>"
}'
<task-id>为 UUID 格式的任务标识符,可使用 Python 的uuid.uuid4()生成。
查询任务状态
任务提交后,通过以下 API 轮询查询任务状态:
API:GET http://114.214.211.25:30082/api/jobs?id=<job_id>
<job_id> 为提交任务时返回的 data.id(integer)。
任务状态说明:
| 状态 | 含义 | 是否终态 |
|---|---|---|
PENDING |
等待调度 | 否 |
DISPATCHED |
已下发到集群 | 否 |
RUNNING |
执行中 | 否 |
SUCCEEDED |
执行成功 | ✅ 是 |
FAILED |
执行失败 | ✅ 是 |
CANCELLED |
已取消 | ✅ 是 |
TIMEOUT |
超时终止 | ✅ 是 |
轮询建议:非终态(PENDING / DISPATCHED / RUNNING)时持续轮询,直到变为终态。
响应格式:
{
"code": 200,
"status": true,
"data": {
"id": 12345,
"taskId": "e3a0a335-17db-44ea-8b39-a3c7f02572j6",
"status": "SUCCEEDED",
"output": {}
}
}
data.output为空对象{},执行结果通过下载接口获取。
下载计算结果
任务进入终态(SUCCEEDED / FAILED 等)后,通过 taskId 下载该任务工作目录的 zip 压缩包。
API:GET http://114.214.211.25:30082/api/tasks/download?taskId=<task_id>
<task_id> 为提交任务时请求体中的 taskId(UUID),与查询时的 data.id(integer)不同。
下载示例:
curl -OJ 'http://114.214.211.25:30082/api/tasks/download?taskId=e3a0a335-17db-44ea-8b39-a3c7f02572j6'
返回 application/octet-stream 二进制流,Content-Disposition 为 attachment; filename="{taskId}.zip"。
输出结果
向用户汇报:
- 任务提交是否成功
- API 返回的任务信息(任务 ID、状态等)
- 计算完成后,提供结果下载链接
- 计算参数确认(objective、inputfile 等)
错误处理
| 错误 | 原因 | 处理 |
|---|---|---|
| 文件上传失败 | 网络问题或文件过大 | 检查网络连接,确认文件大小合理 |
| HTTP 404 | API 地址或镜像错误 | 确认使用正确的镜像地址 |
| HTTP 400 | 参数缺失或格式错误 | 检查 inputfile、objective 是否正确 |
| CSV 格式错误 | 输入文件不符合要求 | 确认第一列为 smiles,后续列为靶点标签(0/1) |
| 连接被拒绝 | 工作站服务未启动 | 提示用户确认服务状态 |
| 任务状态为 FAILED | 计算执行失败 | 查看 data.message 字段排查原因 |
| Job has reached the specified backoff limit | 数据量不足或训练配置问题 | 确认数据量是否足够(建议至少 50 条),或联系管理员检查镜像配置 |
注意事项
- 输入文件必须先上传到文件服务器获取 URL,不能直接传本地路径
- 输入文件格式为 CSV,第一列必须为
smiles(分子 SMILES 字符串) - 后续列为各靶点标签(0/1,空值表示未测定),如 Tox21 格式
- 任务本身不返回结构化数据,
data.output为空对象{},执行结果通过下载接口获取 - 工作站计算为异步任务,提交后需要等待服务器完成计算
- 查询任务状态使用
data.id(integer),下载结果使用taskId(UUID)
与其他技能联动
典型工作流:
- 使用
mol-qc(molatom/xTB)或mol-toolkit生成/处理分子结构 - 导出分子 SMILES 列表为 CSV 格式(包含靶点标签)
- 使用本技能进行多靶点毒性/性质模型训练
- 训练完成后,使用训练好的模型进行预测(需要额外的预测接口)