数据集概述
本数据集记录了HDAC6潜在特异性抑制剂的开发过程，包含基于随机森林模型筛选的化合物数据、分子对接结果、量子力学分析及ADMET性质预测等内容，为HDAC6抑制剂的研究提供支持。
文件详解
- 随机森林模型相关文件（位于Random forest Model/目录下）：
- HDAC6 Descriptors.csv：CSV格式，包含HDAC6抑制剂的描述符数据
- HDAC6_Random Forest Trained model.pkl：模型文件，存储训练好的随机森林模型
- 多个.ipynb格式的Jupyter笔记本文件，如EDA.ipynb、TPOT Analysis-0.83.ipynb等，记录模型训练与分析过程
- 分子对接相关文件（位于Molecular docking/目录下）：
- Bond Informations/目录下的多个CSV文件，如CAY10609-Induced-Fit Docking-Bond-info.csv、14660440-QM-Polarized Docking-Bond-Info.csv等，记录不同化合物对接的键信息
- Images/目录下的多个PNG格式图片，如14660440-IFD.png、QM-polarized Docking CAY10603 (2D and 3D).png等，展示对接结果的可视化图像
- ADMET相关文件（位于ADMET/目录下）：
- HIT-compounds_admet-Predictions.xlsx：Excel格式，包含候选化合物的ADMET性质预测数据
- ADMET-Absorption Plot.png：PNG格式，展示ADMET吸收性质的图表
- 先导化合物文件（位于Lead and Optimized compounds/目录下）：
- HDAC6-final-Compounds.smi：SMI格式，存储最终筛选出的HDAC6抑制剂化合物结构
- 量子力学相关文件（位于Quantum mechanics/目录下）：
- HOMO_LUMO.png：PNG格式，展示化合物的最高占据分子轨道与最低未占据分子轨道图像
- 补充文件：
- Supplementary Data.pdf：PDF格式，提供研究的补充数据说明
适用场景
- 癌症治疗药物研发：筛选与优化HDAC6特异性抑制剂
- 分子对接技术研究：验证不同对接方法在抑制剂开发中的应用效果
- 机器学习模型应用：探索随机森林模型在化合物活性预测中的性能
- 药物ADMET性质分析：评估潜在抑制剂的药代动力学性质
