・先日、化学構造からMordredを用いてDescriptorをたくさん算出した。
・1600を超えるDescriptorを提示いただけたが、エラーが生じているものも少なくなかった。そこで、エラーが生じた記述子列を除去するワークフローを考えてみた（下図）。
・ここでいうエラーは、目的のDescriptorが正しく算出されなかったものではなく、Descriptorに数値が返ってこなかったことを指すことにする。そこで本ワークフローでは、「算出されたDescriptorの表から、数値以外のセルを含む列を除去する」ことを目指した。
・流れは以下の通り。
・以前の記事の通り、Python Scriptを用いてMordredでDescriptorを算出した。
・次に、ColumnSplitterで、消したくないString列を分離した。今回は、StructureのSMILESは残したかったので、SMILESとその他で分離した。
・次に、分離したSMILES以外の列の型を判別した。Python Scriptの出力は、数値だけを含む列もStringになってしまっているので、そういう列をちゃんと数値型と認識させなければならない。Column Auto Type Castというノードが便利で、型を自動で判別して振りなおしてくれる。
・次に、型を振りなおした表から、Column Filterで数値型の列だけを抽出した（設定は下図）。
・最後に、分離したSMILES列と数値型だけの列を結合しした（下図は出力）。もともとPython Scriptで出た表は1615列あったが、1462列になっており、構造情報を除く列がすべてNumberになっている。
・今回は、「すべての化合物について数値データである場合のみDescriptorを残す」ことにしたので、1化合物だけで算出不可だった（文字列データを返してきた）場合でもDescriptorを削除している。そのため、情報ロスが若干多く感じる。化合物数が多いのであれば、Descriptorではなく化合物を除去することで対応するなどの手もあると思う。
終わり。
