ML_QM_Based药物化学分子描述符关联研究数据

数据集概述

本数据集聚焦于机器学习（ML）与量子力学（QM）方法在药物化学分子描述符中的应用，包含N:=原子类型和N1原子类型的dEmin与QM电子势的关联数据，以及dEmin与氢键碱性、酸性尺度的关联内容，为药物化学中更具化学感知的分子描述符研究提供支持。

文件详解

• 文件名称：ResultsData.xlsx
• 文件格式：XLSX
• 字段映射介绍：包含两类核心关联数据，一是N:=原子类型和N1原子类型的dEmin（能量差）与QM（量子力学）电子势的相关性数据；二是dEmin与氢键碱性尺度、氢键酸性尺度的关联数据。

适用场景

• 药物化学分子描述符优化: 利用ML与QM结合的方法，开发更具化学感知的分子描述符，提升药物分子筛选效率。
• 量子力学与机器学习交叉研究: 探索ML模型对QM电子势数据的拟合能力，验证数据驱动方法在量子化学领域的应用价值。
• 氢键相互作用机制分析: 通过dEmin与氢键酸碱尺度的关联数据，研究药物分子与靶点间的氢键作用规律。
• 药物分子性质预测: 基于分子描述符数据，构建药物分子活性、选择性等关键性质的预测模型。