https://github.com/fzl-22/in-silico-approach-on-herbal-compound-identification

Repository ini adalah repository untuk tim PKM-RE dengan judul "Pendekatan In Silico dengan Menggunakan Molecular Fingerprint dan Support Vector Classifier untuk Identifikasi Senyawa Herbal Indonesia sebagai Treatment Pasien Alzheimer"
https://github.com/fzl-22/in-silico-approach-on-herbal-compound-identification

Last synced: about 2 months ago
JSON representation

Repository ini adalah repository untuk tim PKM-RE dengan judul "Pendekatan In Silico dengan Menggunakan Molecular Fingerprint dan Support Vector Classifier untuk Identifikasi Senyawa Herbal Indonesia sebagai Treatment Pasien Alzheimer"

• Host: GitHub
• URL: https://github.com/fzl-22/in-silico-approach-on-herbal-compound-identification
• Owner: fzl-22
• Created: 2023-06-27T11:00:47.000Z (over 1 year ago)
• Default Branch: master
• Last Pushed: 2023-12-19T02:28:22.000Z (about 1 year ago)
• Last Synced: 2023-12-19T17:16:57.284Z (about 1 year ago)
• Language: Jupyter Notebook
• Size: 16.6 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# in-silico-approach-on-herbal-compound-identification

Repository ini dibuat untuk kolaborasi tim dalam program PKM-RE dengan judul "_Pendekatan In Silico dengan Menggunakan Molecular Fingerprint dan Support Vector Classifier untuk Identifikasi Senyawa Herbal Indonesia sebagai Treatment Pasien Alzheimer_" 

Pada folder ini, terdapat 2 direktori utama dan 1 file Dockerfile:

## src

Direktori ini digunakan untuk menyimpan source code. Source code baik dalam ekstensi `.py` maupun `.ipynb` dapat disimpan di direktori ini.

Catatan: harap gunakan nama file yang menjelaskan tujuan dari source code tersebut. Misalnya source code untuk melakukan web scrapping data di PubChem dapat diberi nama berikut:

`pubchem-web-scrapping.ipynb`.

## data

Direktori ini berisi dataset-dataset yang akan diolah oleh program yang ada di source code. Harap gunakan nama file yang menjelaskan isi dari dataset tersebut. Misalnya dataset yang berisi smiles dari senyawa ligand dapat diberi nama:

`ligand-smiles.csv`

Catatan: Apabila ada perubahan terhadap isi file dataset, wajib beri nama baru dengan tambahan tanggal file tersebut terakhir diubah. Misalnya:

`ligand-smiles.27-juni-2023.csv`

## Environment

Environment lokal yang digunakan pada project ini dapat dibuat dari file `environment.yml` yang telah disediakan. Cukup jalankan perintah berikut:

```bash

conda env create -f environment.yml

```

Namun, apabila ingin menggunakan Docker, lanjut ke subbab berikutnya.

## Dockerfile

File dengan nama `Dockerfile` merupakan file yang berisi perintah-perintah untuk membuat sebuah docker image baru. Untuk mem-_build_-nya, gunakan perintah berikut:

### Docker Build

```bash

docker build -t conda-pyfingerprint:2.0 .

```

### Docker Pull from Registry

```bash

docker image pull fzl22/conda-pyfingerprint:2.0

```

Kemudian, untuk menjalankan container dari image tersebut, gunakan perintah di bawah ini di Windows Powershell (ganti path host ke path project anda):

```bash

docker run -it --rm -p 8889:8889 -v /home/ahmadfaisal/Documents/PKM-RE:/root/project conda-pyfingerprint:2.0

```

Setelah itu, klik link yang diberikan oleh jupyter. Link berbentuk seperti berikut:

```

http://127.0.0.1:8889/lab?token=29c88118b379099f669716be8ab2c4fab6b479979c3edb9a

```

Dockerized jupyter lab siap dijalankan!

**Note:** Pastikan bahwa tidak ada aplikasi lain yang berjalan di port 8889. Apabila ada, matikan aplikasi tersebut atau ganti portnya (ex: `-p 8890:8889`).