HowToPredict.md

⚠️ 주의사항

• 업로드된 코드 파일들은 모두 상대경로로 지정되어 있으므로 "model" 디렉토리까지 이동 후 사용해야 합니다.

---

📂 사용하는 파이썬 코드

model/prediction/Predict_data.py

🔧 수정하여 사용하는 부분

• input_excel_path = "./prediction/example_prediction_DBPs/example_assay_list_ER.xlsx"
• model_path_base = "./results/example_DBPs_ER/2025-03-25/model_save_path"
• input_fp_path_base = "./data/example_data_DBPs/for_predict/fingerprints"
• SMILES_path = "./data/example_data_DBPs/for_predict/example_DBPs_for_pred.xlsx"

---

📑 파일 구성 및 설명

1. input_excel_path (예측 대상 assay 정보가 있는 데이터)
   • 열의 구성: assay_name, Model, MF
2. model_path_base: 사용할 모델의 (model_save_path까지의) 디렉토리
3. input_fp_path_base: 예측 대상 화학물질의 분자지문 데이터 (fingerprints까지의 디렉토리)
   • 해당 디렉토리는 smiles2fing.py를 통해 생성됩니다. (아래 Step 1 참고)
4. SMILES_path: 예측 대상 화학물질의 "SMILES" 열이 있는 데이터

---

🚀 실행 단계

Step 1: fingerprints 파일 생성하기

• fingerprints 폴더를 생성할 디렉토리를 만든 후 smiles2fing.py를 실행합니다.
• 예시 경로:
  /model/data/example_data_DBPs/for_predict (fingerprints 폴더를 생성할 디렉토리)
     └─ fingerprints/ (smiles2fing.py 실행 후 생성된 폴더)
        ├─ Layered_fingerprints.csv
        └─ MACCS_fingerprints.csv

Step 2: 코드 수정 후 실행

• 위 코드에서 수정하여 사용하는 부분에 명시된 파일 및 디렉토리 경로를 확인 및 수정합니다.
• Predict_data.py를 실행하여 예측 작업을 수행합니다.