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:

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

docker build -t conda-pyfingerprint:2.0 .

Docker Pull from Registry

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):

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).