ChemSearch_Based_原始化合物数据集_2023

数据集概述

本数据集为ChemSearch研究的原始数据集，包含分别来源于ChEMBL和PubChem的两个化合物数据集。数据涵盖特定时间节点的化合物SMILES字符串，经随机打乱处理，可用于化学信息检索相关研究。

文件详解

• 文件名称：Datasets.zip
• 文件格式：ZIP
• 字段映射介绍：压缩包内包含两个数据集，分别为：
• ChEMBL数据集：截至2023年2月的230万化合物SDF文件转换的SMILES字符串，随机打乱后取前100万条记录。
• PubChem数据集：截至2023年4月的1.15亿化合物SMILES字符串，随机打乱后按100万条/块拆分。

数据来源

ChEMBL、PubChem

适用场景

• 化学信息检索算法训练：用于训练和测试化合物检索相关的算法模型。
• 化合物数据挖掘：分析不同来源化合物数据的特征和差异。
• 化学数据库构建：作为基础数据构建化合物检索数据库。
• 药物研发辅助：为药物研发中的化合物筛选提供数据支持。