Skip to content

QUICKSTART.md

Latest commit

 

History

History
96 lines (69 loc) · 2.07 KB

QUICKSTART.md

File metadata and controls

96 lines (69 loc) · 2.07 KB

⚡ Quickstart - 60 secondes

Installation & Exécution

Option A : Depuis la Dernière Release (Recommandé)

# Télécharger directement les assets de la dernière release
wget https://github.com/Mythmaker28/arrest-molecules/releases/latest/download/arrest-molecules-latest.zip
unzip arrest-molecules-latest.zip
cd arrest-molecules
pip install -r Data_Package_FAIR2/requirements.txt

Option B : Cloner le Repo Complet

git clone https://github.com/Mythmaker28/arrest-molecules.git
cd arrest-molecules
pip install -r Data_Package_FAIR2/requirements.txt

2. Installer les dépendances

pip install -r Data_Package_FAIR2/requirements.txt

3. Exécuter le calcul API

cd Data_Package_FAIR2
python Python_Code_API_Monte_Carlo.py --all

Résultat attendu : Calcul API pour les 10 composés avec intervalles de confiance 95%

Reproduire une Figure

# Générer la figure S2 (oscillatory advantage)
cd Data_Package_FAIR2
Rscript R_Code_Figures_S2.R

Output : figures/Figure_S2_Oscillatory_Advantage.png

Explorer les Données

import pandas as pd

# Charger la base de composés
df = pd.read_csv('Data_Package_FAIR2/Compound_Properties_Database.csv')
print(f"{len(df)} composés caractérisés")
print(df[['Compound_Name', 'API_relative', 'Confidence_Grade']])

# Charger la matrice de prédictions
pred = pd.read_csv('Data_Package_FAIR2/Confidence_Grading_Matrix.csv')
print(f"\n{len(pred)} prédictions testables")
print(pred['Confidence_Level'].value_counts())

Tests

cd Data_Package_FAIR2
python -m pytest test_api_calculations.py -v

Citation

@dataset{lepesteur2025molecular,
  author    = {Lepesteur, Tommy},
  title     = {Molecular Arrest Framework Research Data Package},
  year      = 2025,
  publisher = {Zenodo},
  version   = {v1.1.0},
  doi       = {10.5281/zenodo.17420685}
}

DOI : https://doi.org/10.5281/zenodo.17420685

Temps total : < 3 minutes sur poste standard
Prérequis : Python 3.8+, R 4.0+ (optionnel pour figures)