Machine_Learning_Based_查尔酮衍生物抗胆碱酯酶活性电子性质分析数据

数据集概述

本数据集围绕查尔酮衍生物的抗胆碱酯酶活性展开，通过机器学习方法分析其电子性质与生物活性的关联。包含22个查尔酮骨架分子的几何结构、电子结构计算参数，以及用于模型训练的特征数据，支持药物活性预测相关研究。

文件详解

• molecular_structures_xyz.zip
• 文件格式：ZIP
• 内容介绍：压缩包，包含22个查尔酮衍生物分子的几何结构与电子结构数据，由Orca软件计算生成，涵盖原子电子布居、分子轨道能量等参数
• train_pearson.dat
• 文件格式：DAT
• 内容介绍：机器学习训练用数据文件，包含从电子结构计算中提取的特征参数，用于区分高活性与低活性分子组

适用场景

• 药物活性预测模型开发: 利用电子性质参数训练机器学习模型，预测查尔酮衍生物的抗胆碱酯酶活性
• 药物分子设计优化: 通过分析关键电子性质与活性的关联，指导高活性查尔酮类药物分子的结构优化
• 计算化学与生物学交叉研究: 探索计算所得电子性质与生物活性的定量构效关系
• 药物研发效率提升: 基于机器学习模型快速筛选潜在高活性化合物，减少实验成本与时间