cmxflow

cmxflow 🧪

使用可组合的模块构建化学信息学和计算化学工作流。使用贝叶斯优化调整端到端流程，或者让大模型 Agent 来完成。

快速示例

为分子对接准备配体

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")

对一组同系化合物进行对接

纯 Python 对接。默认使用自由对接（index_poses=False）；基于骨架索引的模式会按 Bemis–Murcko 骨架缓存构象，在构象对齐一致的同系化合物组中可将吞吐量提升约 3 倍。

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")

调优基于配体的虚拟筛选

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}

系统会自动搜索上述四个指纹参数——每个模块都会向优化器公开其可变参数。

或通过大模型 Agent 以对话方式构建

claude mcp add cmxflow -- cmxflow-mcp

“library.csv 中有多少分子符合 Lipinski 规则？”

“我需要构建一个基于配体的虚拟筛选工作流。我不确定 2D 还是 3D 更好。你能优化两种工作流吗？”

“使用 crystal_ligand.sdf 作为参考，将 hits.csv 中的分子对接到 receptor.pdb。”

Agent 可以构建、运行并优化工作流。完整对话记录请参阅与 Claude 搭配使用。

包含内容

• 15 个以上用于分子来源、转换、筛选、聚类、评分和对接的模块
• 通过 Optuna 对工作流参数进行贝叶斯优化
• 支持计算密集型模块（构象生成、分子对接）并行执行
• 支持工作流序列化，以便保存、加载和复用
• 一个包含五种工具的 MCP 服务：build_workflow、run_workflow、optimize_workflow、manage_workflows、view_structures

安装

pip install cmxflow

MCP 服务

claude mcp add cmxflow -- cmxflow-mcp

可选：PyMOL

仅 view_structures MCP 工具（3D 可视化）需要：

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

文档

• 文档站点
• 模块目录
• 与 Claude 搭配使用 — Agent 对话记录
• examples/basic_usage.ipynb — 完整教程
• examples/docking/docking.ipynb — 分子对接指南（ILS、基于骨架索引和模板模式）

项目

采用 MIT 许可证。请参阅 CONTRIBUTING.md 和 RELEASING.md。