化合物性质预测数据集CompoundPropertyPrediction-user2333
数据来源：互联网公开数据
标签：化合物, 药理学, 分子描述符, ADMET, 机器学习, 结构-活性关系, 数据挖掘, 毒性预测
数据概述：
该数据集包含来自公开数据库的化合物相关数据，记录了化合物的结构信息、分子描述符以及ADMET性质预测值。主要特征如下：
时间跨度：数据未明确标注时间，可视为静态化合物性质数据集。
地理范围：数据覆盖范围不限，化合物结构及性质具有普适性。
数据维度：数据集包含以下关键数据：SMILES字符串（化合物的简化分子线性输入规范）、Caco-2（细胞渗透性）、CYP3A4（细胞色素P450 3A4抑制）、hERG（心脏毒性）、HOB（人吸收，分布，代谢和排泄）和MN（致突变性）等ADMET性质的预测结果，以及ALogP、ALogp2、nS等分子描述符。
数据格式：数据集以CSV格式提供，其中包含ADMET预测结果的CSV文件（ADMETcsv）和分子描述符的CSV文件（Molecular_Descriptor_PartAcsv），以及一个pkl文件（fea_dict_PartCpkl）。
数据来源：数据来源于化学、药理学等相关领域的公开数据库，经过了标准化处理。
该数据集适合用于药物研发、药理学研究和ADMET性质预测等领域。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于药物设计、药效团分析、毒性预测等领域的学术研究，如基于结构的药物性质预测、结构-活性关系（SAR）研究等。
行业应用：可用于药物研发公司和CRO（合同研究组织）进行先导化合物的筛选、ADMET性质预测、药物代谢动力学研究等。
决策支持：支持药物研发过程中的早期筛选和优化，帮助决策者选择具有更好ADMET性质的候选药物。
教育和培训：作为药物化学、药理学、计算机辅助药物设计（CADD）等课程的实训材料，帮助学生理解化合物结构与性质之间的关系，以及预测模型的构建。
此数据集特别适合用于探索化合物结构与药理性质之间的关联，构建预测模型，从而加速药物研发过程，提高研发效率。
