ATC分类接受药物属性数据集
数据来源：互联网公开数据
标签：ATC分类,药物属性,医学药物,虚拟筛选,药物化学,分类系统,制药行业,药物发现
数据概述：
本数据集包含了通过LigandBox和KEGG数据库获取的、具有结构信息的ATC分类药物的详细信息。数据集包括药物的分子标识符、分子指纹（如FP2和FP4）、3D静电分子描述符（如PED）以及分子性质（如Lipinski规则的5个参数）。这些数据通过OpenBabel和Python程序进行处理和生成。需要注意的是，由于许多药物的结构信息未在KEGG_DRUG数据库中提供，且药物接受列表随时间变化，数据集并未包含所有ATC分类药物。
数据用途概述：
该数据集适用于虚拟筛选、药物发现、药物化学研究和医学药物分类等多种场景。制药行业可以利用此数据集查找类似化合物以提高候选药物的搜索效率；研究人员可以创建治疗类别核以提高药物发现的成功率；此外，数据集也适用于教育培训，帮助学习者理解药物分类系统及其在药物发现中的作用。
举例：
此数据集为紧凑的信息集合，包含了在ATC数据库中作为医疗护理接受药物分类的化合物信息。尽管数据集规模不大，但其内容经过了从首次实验到市场化的长期验证。该数据库的价值在于化合物按照治疗作用进行分类，使得用户可以轻松创建如抗病毒药物或其子类（如J05AE类蛋白酶抑制剂）等类别组。这些分类有助于制药行业查找类似化合物，提高候选药物的搜索效率，或生成治疗类别核以提高药物发现的成功率。
