cmxflow

cmxflow 🧪

合成可能なブロックを使って、ケモインフォマティクスおよび計算化学のパイプラインを構築できます。ベイズ最適化でエンドツーエンドに調整できます。あるいは、LLM エージェントに任せることもできます。

クイック例

ドッキング用のリガンドを準備する

from cmxflow import Workflow
from cmxflow.sources import MoleculeSourceBlock
from cmxflow.operators import (
    MoleculeStandardizeBlock,
    IonizeMoleculeBlock,
    EnumerateStereoBlock,
    ConformerGenerationBlock,
)
from cmxflow.sinks import MoleculeSinkBlock

# Standardize → ionize (pH 6.4–8.4) → enumerate stereo → generate 3D conformers
workflow = Workflow()
workflow.add(
    MoleculeSourceBlock(),
    MoleculeStandardizeBlock(),
    IonizeMoleculeBlock(),
    EnumerateStereoBlock(),
    ConformerGenerationBlock(),
    MoleculeSinkBlock(),
)
workflow("library.smi", "prepared.sdf")

同族化合物系列をドッキングする

純粋な Python によるドッキングです。デフォルトでは自由ドッキング（index_poses=False）が使用されます。足場インデックスモードでは、Bemis–Murcko 足場ごとにポーズをキャッシュするため、ポーズのアラインメントが一貫した同族化合物系列で、スループットが約3倍になります。

from cmxflow import Workflow
from cmxflow.sources import MoleculeSourceBlock
from cmxflow.operators import ConformerGenerationBlock, MoleculeDockBlock
from cmxflow.sinks import MoleculeSinkBlock
from cmxflow.utils.parallel import make_parallel

workflow = Workflow()
workflow.add(
    MoleculeSourceBlock(),
    ConformerGenerationBlock(),
    make_parallel(
        MoleculeDockBlock(
            receptor="receptor.pdb",
            site_reference="crystal_ligand.sdf",
            index_poses=True,  # omit for free docking
        )
    ),
    MoleculeSinkBlock(),
)
workflow("library.smi", "docked.sdf")

リガンドベースのバーチャルスクリーニングを調整する

from cmxflow import Workflow
from cmxflow.sources import MoleculeSourceBlock
from cmxflow.operators import MoleculeSimilarityBlock
from cmxflow.scores import EnrichmentScoreBlock
from cmxflow.opt import Optimizer

# Rank a library by 2D similarity to a known active, then tune the
# fingerprint end-to-end to maximize enrichment AUC.
workflow = Workflow()
workflow.add(
    MoleculeSourceBlock(),
    MoleculeSimilarityBlock(queries="crystal_ligand.sdf"),
    EnrichmentScoreBlock(target="active"),
)

opt = Optimizer(workflow, "benchmark.csv")
opt.optimize(n_trials=30, direction="maximize")

print(f"Best enrichment AUC: {opt.best_score:.3f}")
print(opt.best_params)
# Best enrichment AUC: 0.836
# {'fingerprint_type': 'morgan', 'similarity_metric': 'sokal', 'radius': 2, 'nbits': 2545}

上記の4つのフィンガープリントパラメーターは自動で探索されます。すべてのブロックは、最適化ツールに変更可能なパラメーターを公開します。

または、LLM エージェントとの会話を通じて構築する

claude mcp add cmxflow -- cmxflow-mcp

「library.csv 内の分子のうち、リピンスキーのルールを満たすものはいくつありますか？」

「リガンドベースのバーチャルスクリーニングのワークフローを構築したいです。2Dと3Dのどちらがよいか分からないので、2つのワークフローを最適化してもらえますか？」

「hits.csv 内の分子を、crystal_ligand.sdf を参照構造として使い、receptor.pdb に対してドッキングしてください。」

エージェントはワークフローの構築、実行、最適化ができます。会話の全記録については、Claude での使用方法をご覧ください。

含まれる機能

• 分子の取得、変換、フィルタリング、クラスタリング、スコアリング、ドッキングを行う15個以上のブロック
• Optuna によるパイプラインパラメーターのベイズ最適化
• 計算負荷の高いブロック（コンフォマー生成、ドッキング）の並列実行
• ワークフローのシリアライズによる保存／読み込み／再利用
• 5つのツール（build_workflow、run_workflow、optimize_workflow、manage_workflows、view_structures）を備えた MCP サーバー

インストール

pip install cmxflow

MCP サーバー

claude mcp add cmxflow -- cmxflow-mcp

オプション：PyMOL

view_structures MCP ツール（3D可視化）を使う場合にのみ必要です。

conda install -c conda-forge pymol-open-source

ドキュメント

• ドキュメントサイト
• ブロックカタログ
• Claude での使用方法 — エージェントとの会話記録
• examples/basic_usage.ipynb — チュートリアル全編
• examples/docking/docking.ipynb — ドッキングの手順（ILS、足場インデックス、テンプレートの各モード）

プロジェクト

MIT ライセンスです。CONTRIBUTING.md と RELEASING.md をご覧ください。