如何在Django中部署Tanimoto相似度计算函数并实现用户交互

我有一段计算分子样本与数据库Tanimoto相似度的Python脚本：

from openbabel import pybel

def get_similar(targetmol):
    results = []
    # 计算样本分子指纹
    targetfp = targetmol.calcfp()
    for mol in pybel.readfile("smi", "/path/to/db.smi"):
        # 计算数据库分子指纹
        fp = mol.calcfp()
        # 通过"|"运算符计算Tanimoto指数
        tan = fp | targetfp
        if tan[0] >= 0.8:
            results.append(tan)
    return results

targetmol = next(pybel.readfile("smi", "/path/to/sample.smi"))
print(get_similar(targetmol))

我想把这个函数加到Django开发的网站里，实现用户提交自己的分子后，点击触发计算，在新页面显示数据库中最相似的分子列表。核心困惑是不知道怎么在Django框架里部署这个函数：

• 如何注册函数
• 如何实现点击调用
• 怎么修改代码替代本地的sample.smi

系统环境：

NAME="Ubuntu"
VERSION="20.04.4 LTS (Focal Fossa)"
Django==3.1.13
django-admin==2.0.1
openbabel-wheel==3.1.1.7

1. 项目结构准备 #

假设你的Django项目名为mol_sim，先新建一个名为similarity的应用：

python manage.py startapp similarity

将similarity添加到项目settings.py的INSTALLED_APPS中：

INSTALLED_APPS = [
    ...
    'similarity',
]

2. 编写视图函数（处理提交与计算逻辑） #

修改similarity/views.py，替换原脚本的本地文件读取逻辑，直接处理用户输入：

from django.shortcuts import render, redirect
from openbabel import pybel

def get_similar(target_smi):
    results = []
    # 替换为你的数据库文件实际路径，建议用项目根目录相对路径
    for mol in pybel.readfile("smi", "./db.smi"):
        fp = mol.calcfp()
        # 用用户提交的SMILES直接创建分子对象，替代本地sample.smi读取
        target_mol = pybel.readstring("smi", target_smi)
        target_fp = target_mol.calcfp()
        tan = fp | target_fp
        if tan[0] >= 0.8:
            # 存储分子SMILES和相似度，方便前端展示
            results.append({
                'smiles': mol.write("smi").strip(),
                'tanimoto': tan[0]
            })
    # 按相似度从高到低排序
    results.sort(key=lambda x: x['tanimoto'], reverse=True)
    return results

# 显示用户提交页面
def index(request):
    return render(request, 'similarity/index.html')

# 处理提交请求并返回计算结果
def calculate(request):
    if request.method == 'POST':
        user_smi = request.POST.get('smiles_input')
        if not user_smi:
            return render(request, 'similarity/index.html', {'error': '请输入有效的SMILES字符串'})
        try:
            similar_mols = get_similar(user_smi)
            return render(request, 'similarity/results.html', {'results': similar_mols})
        except Exception as e:
            return render(request, 'similarity/index.html', {'error': f'计算出错：{str(e)}'})
    # GET请求直接跳转回提交页面
    return redirect('index')

3. 配置URL路由 #

在项目根目录的urls.py中添加应用路由：

from django.contrib import admin
from django.urls import path, include

urlpatterns = [
    path('admin/', admin.site.urls),
    path('similarity/', include('similarity.urls')),
]

在similarity目录下新建urls.py，定义应用内部路由：

from django.urls import path
from . import views

urlpatterns = [
    path('', views.index, name='index'),
    path('calculate/', views.calculate, name='calculate'),
]

4. 编写前端模板 #

在similarity目录下新建templates/similarity文件夹，创建两个模板文件：

index.html（用户提交页面） #

<!DOCTYPE html>
<html>
<head>
    <title>分子相似度计算</title>
</head>
<body>
    <h1>输入分子SMILES字符串</h1>
    {% if error %}
        <p style="color: red;">{{ error }}</p>
    {% endif %}
    <form method="post" action="{% url 'calculate' %}">
        {% csrf_token %}
        <textarea name="smiles_input" rows="3" cols="50" placeholder="例如：CCO"></textarea>
        <br>
        <button type="submit">计算相似度</button>
    </form>
</body>
</html>

results.html（结果展示页面） #

<!DOCTYPE html>
<html>
<head>
    <title>相似度计算结果</title>
</head>
<body>
    <h1>相似分子列表（相似度≥0.8）</h1>
    {% if results %}
        <table border="1">
            <tr>
                <th>分子SMILES</th>
                <th>Tanimoto相似度</th>
            </tr>
            {% for mol in results %}
            <tr>
                <td>{{ mol.smiles }}</td>
                <td>{{ mol.tanimoto|floatformat:3 }}</td>
            </tr>
            {% endfor %}
        </table>
    {% else %}
        <p>未找到相似度≥0.8的分子</p>
    {% endif %}
    <br>
    <a href="{% url 'index' %}">返回重新计算</a>
</body>
</html>

5. 测试运行 #

1. 将你的db.smi文件放在项目根目录（或视图函数中指定的路径）
2. 启动Django开发服务器：

python manage.py runserver

3. 访问http://localhost:8000/similarity/，输入SMILES字符串点击计算即可查看结果。

注意事项 #

• 若数据库文件过大，循环计算会变慢，后续可优化为预计算指纹并存储到数据库，避免重复读取文件
• 可添加更严格的SMILES格式验证，提升用户输入容错性
• 生产环境部署需替换开发服务器，推荐使用Gunicorn+Nginx组合

内容的提问来源于stack exchange，提问作者Giuliano