数据集概述
本数据集支撑药物性肝损伤（DILI）预测研究，包含1241种化合物的分子指纹信息及肝毒性标注，通过集成学习方法构建预测模型。数据覆盖模型训练验证所需的化合物结构与毒性关联信息，可用于药物研发阶段的肝毒性风险评估，共含4个补充表格文件。
文件详解
- 文件名称：Supplementary_Table_1.csv
- 文件格式：CSV
- 字段映射介绍：包含化合物相关数据，具体字段及内容需结合研究背景解析（预览显示含XML相关字符，可能为结构化数据存储）
- 文件名称：Supplementary_Table_2.csv
- 文件格式：CSV
- 字段映射介绍：包含Smiles（化合物结构编码）、Hepatotoxicity（肝毒性标注）字段，记录化合物分子结构与肝毒性关联信息
- 文件名称：Supplementary_Table_3.xlsx
- 文件格式：XLSX
- 字段映射介绍：补充表格数据，具体内容未明确预览，推测为研究相关的辅助分析数据
- 文件名称：Supplementary_Table_4.xlsx
- 文件格式：XLSX
- 字段映射介绍：补充表格数据，具体内容未明确预览，推测为模型性能评估或分子特征分析相关数据
数据来源
论文“Predicting drug-induced liver injury using ensemble learning methods and molecular fingerprints”
适用场景
- 药物研发肝毒性预测：基于化合物分子指纹预测肝损伤风险，辅助药物早期安全性筛选
- 机器学习模型训练：用于构建和验证集成学习肝毒性预测模型，优化算法性能
- 分子结构-毒性关联研究：分析化合物结构特征与肝毒性的相关性，识别肝损伤相关分子亚结构
- 药物安全评估：为药物研发企业提供化合物肝毒性风险评估的数据支持，降低研发失败率
