💻
Quimioinformática
GitHub
  • 📖Quimioinformática aplicada al diseño de fármacos
  • 🔎1. Búsqueda de información química
    • 📑1.1 SciFinder-n
    • 📑1.2 Web of Science
    • 📑1.3 Scopus
    • 📑1.4 CAS Source Index (CASSI)
    • 📑1.5 Herramientas de visualización bibliométrica
  • 🐍2. Introducción a Python, Google Colab y Linux
    • 💻2.1 Fundamentos de programación
    • 🧹2.2 Manejo y limpieza de datos
    • 🐧2.3 Linux
      • 🪟2.3.1 Subsistema de Windows para Linux (WSL)
        • 👩‍💻2.3.1.1 Creación de usuarios
        • 🧑‍💻2.3.1.2 Selección de usuario de inicio por defecto
        • 🐍2.3.1.3 Instalación de Python, pip3 y VSCode desde WSL
        • 🔰2.3.1.4 Instalación de Anaconda desde WSL
        • ⚗️2.3.1.5 RDKit e instalación de ambientes
      • 👩‍✈️2.3.2 Comandos Linux
        • 📂2.3.2.1 Comandos de navegación
        • 💽2.3.2.2 Exploración y manipulación de archivos
    • 📚Recursos y ejercicios
  • 🧑‍🔬3. Representación molecular
    • 💻3.1 SMILES
    • 💻3.2 SMARTS
    • 💻3.3 InChI Keys
    • 📚Recursos y ejercicios
  • 🔎4. Bases de datos moleculares
    • 💊4.1 PubChem
      • 4.1.1 API
    • 💊4.2 ChEMBL
      • 4.2.1 API
    • 💊4.3 DrugBank
    • 💊4.4 ZINC
    • 💊4.5 ChemSpider
    • 📚Recursos y ejercicios
  • 🗃️5. Construcción y curado de bases de datos moleculares
    • 🧱5.1 Construcción de bases de datos
    • 🧹5.2 Curado de bases de datos
    • 📚Recursos y ejercicios
  • 📊6. Análisis y visualización de información química
    • ✍️6.1 Descriptores moleculares
      • 📈6.1.2 Principios para el Análisis de Bases de Datos Moleculares
      • 🔎6.1.3 Caso de estudio
    • ⚛️6.2 Espacio químico
      • 🎨6.2.1 Multiverso químico y "Chemical art gallery"
    • 📊Recursos y ejercicios
  • 🪞7. Similitud química
    • 🔢7.1 Representación molecular
    • 💱7.2 Función de similitud
    • 📉7.3 Estudios cuantitativos de relación estructura-actividad (QSAR)
    • 🏞️7.4 Panorama y acantilados de actividad
    • 📚Recursos y ejercicios
  • ⚗️8. Enumeración de bibliotecas químicas
    • 👩‍🔬8.1 Reacciones químicas
    • 👨‍🔬8.2 Reglas de transformación
    • 📚Recursos y ejercicios
  • 🔐9. Acoplamiento molecular
    • 9.1 LeDock
    • 9.2 AutoDock Vina
      • 📖9.2.1 Tutorial de acoplamiento
Powered by GitBook
On this page
  1. 2. Introducción a Python, Google Colab y Linux
  2. 2.3 Linux
  3. 2.3.1 Subsistema de Windows para Linux (WSL)

2.3.1.4 Instalación de Anaconda desde WSL

Previous2.3.1.3 Instalación de Python, pip3 y VSCode desde WSLNext2.3.1.5 RDKit e instalación de ambientes

Last updated 1 year ago

Anaconda es una distribución de Python y R para ciencia de datos y machine learning que permite simplificar el manejo de librerías y paquetes. Incluye herramientas y librerías para Windows, Linux y macOS.

En el siguiente enlace, dar click derecho sobre la versión de Anaconda para Linux de 64-Bit (x86) y copiar la dirección del enlace , ejecutar el siguiente comando en la terminal de Ubuntu (importante la letra "o" se encuentra en mayúscula):

wget -O anaconda.sh <enlace_copiado>

Se confirma la descarga del archivo por medio del comando:

ls

Por medio del comando a continuación, se ejecuta la instalación del programa:

bash anaconda.shs

Se confirman los requerimientos de licencia y la ubicación del archivo, y se procede con la instalación. Finalmente el programa consulta si se quiere inicializar con el comando:

conda init

Lo que es recomendable dado que permite comunicar otros programas con Conda. Finalmente es recomendable reiniciar la terminal con Ctrl + t, o cerrar y volver a abrir la misma, para que se cargue la configuración definida. Puede comprobarse la correcta instalación por medio del comando:

conda info

Como Conda es una distribución para ciencia de datos, incluye su propia instalación de Jupyter, que puede ser consultada desde la terminal con el comando:

jupyter-notebook

Dando lugar a la generación de los enlaces para ingresar a los notebooks. Se recomienda copiar-pegar el segundo, que inicia con "localhost". Algunas versiones de la terminal pueden interactuar con los enlaces por medio de Ctrl + click. Recordatorio, el proceso se "mata" con Ctrl + c. Igualmente es posible ejecutar Conda desde VSCode, iniciando VSCode dentro de WSL, por medio de la terminal con el comando:

code . 

Con lo que se ejecuta VSCode desde la carpeta home de Ubuntu dentro de WSL. Seguido se puede ejecutar un notebook de jupyter con VSCode, seleccionando el kernel de Conda como intérprete.

🐍
🐧
🪟
🔰
https://www.anaconda.com/products/distribution