多巴胺受体pEC50预测数据集-2023-bhawakshi
数据来源：互联网公开数据
标签：多巴胺受体,pEC50,ChEMBL,RDKit,分子描述符,药物-靶点相互作用,化学信息学,机器学习
数据概述：
本数据集包含约3000个实例，每个实例代表一种独特的分子及其与多巴胺受体的相互作用。数据集来源于ChEMBL数据库，并进一步通过RDKit计算了分子性质，为化学信息学和机器学习任务，特别是药物-靶点相互作用研究提供了宝贵资源。
数据涵盖了多巴胺受体的五个亚型（D1, D2, D3, D4 和 D5），每个实例包含以下关键特征：
- ChEMBL ID 和 SMILES：分子标识符和结构信息。
- 实验数据：EC50值（nM）、pEC50值（对数转换的效力度量）。
- 实验类型和靶点名称：实验背景和受体亚型。
- 分子描述符：
- MW（分子量）：以道尔顿（Da）为单位的分子重量。
- LogP（脂溶性）：指示疏水性。
- H_Donors 和 H_Acceptors（氢键供体和受体）：指示氢键能力。
- TPSA（拓扑极性表面积）：对生物利用度重要。
- Ring_Count（环数）和 Rotatable_Bonds（可旋转键）：衡量分子复杂性。
数据用途概述：
该数据集适用于化学信息学研究、机器学习模型训练、药物设计和多巴胺受体相关的靶点相互作用分析等多种场景。研究人员可以利用此数据集进行分子结构与生物活性之间的关系研究，助力新药开发；教育机构可以将其用于教学和实验演示，帮助学生理解药物-靶点相互作用的原理与方法。
