数据集概述
本数据集为咪唑氯化物最低抑菌浓度（MIC）预测研究的配套数据，包含双咪唑鎓化合物的分子描述符数据、主成分分析结果及描述符说明文档，支持基于CART、PCA和神经网络的混合机器学习建模流程。
文件详解
- 文件名称：Lorenc_imidazole_CART_PCA_NN_Saureus_Calbicans_dragon_molecular_descriptor_list.pdf
- 文件格式：PDF
- 内容说明：DRAGON软件生成的分子描述符参考文件，包含描述符名称、说明及对应分子模块，提供分析中描述符含义的可解释性与追溯性。
- 文件名称：Lorenc_imidazole_CART_PCA_NN_Saureus_Calbicans_full_initial_dataset.csv
- 文件格式：CSV
- 字段示例：No.（编号）、MIC_SAU（金黄色葡萄球菌MIC）、ln(MIC_SAU)（对数转换后MIC）、MW（分子量）、AMW（平均分子量）、nC（碳原子数）、nN（氮原子数）等超5000个分子描述符字段。
- 文件名称：Lorenc_imidazole_CART_PCA_NN_Saureus_Calbicans_PCs.csv
- 文件格式：CSV
- 字段示例：No.（编号）、MIC_SAU（金黄色葡萄球菌MIC）、PC1-PC12（主成分分析提取的12个主成分）等，为主成分分析降维后的特征数据集。
适用场景
- 药物化学研究：分析双咪唑鎓化合物分子结构与抑菌活性（MIC）的关联
- 机器学习建模：基于分子描述符构建最低抑菌浓度预测模型
- 特征工程研究：验证主成分分析（PCA）在高维分子数据降维中的应用效果
- 抗菌药物开发：辅助新型咪唑类抗菌化合物的设计与活性预测
