数据集概述
该数据集是一个面向药物发现领域的综合数据库，涵盖hERG、Nav1.5和Cav1.2三种心脏离子通道的小分子活性数据。数据以压缩文件形式组织，每个离子通道目标包含开发集（含训练/验证子集）及两个不同结构相似度阈值的外部测试集，为离子通道毒性预测模型的构建与评估提供标准化数据支持。
文件详解
- 压缩文件:
- dataset.rar: RAR格式压缩包，包含所有目标离子通道的子文件夹及数据文件
- 可视化文件:
- _upstream_source_composition.png: PNG格式图片，可能展示数据上游来源的构成情况
- 离子通道目标子文件夹（以hERG为例）:
- 开发集文件（CSV格式）: 含训练集（80%）和验证集（20%），用于模型超参数调优
- 外部测试集文件1（CSV格式）: 化合物与开发集结构相似度≤60%（Tanimoto系数）
- 外部测试集文件2（CSV格式）: 化合物与开发集结构相似度≤70%（Tanimoto系数）
- 通用字段说明:
- InChI Key: 化学结构唯一标识符
- SMILES: 化学结构字符串表示
- Source: 上游数据源
- ChEMBL ID: ChEMBL数据库化合物标识符（如有）
- PubChem CID: PubChem数据库化合物标识符（如有）
- pIC50: 半数抑制浓度的负对数（反映化合物活性）
- USED_AS: 标记化合物用于训练或验证
适用场景
- 药物研发: 构建和评估心脏离子通道毒性预测模型，加速药物安全性筛选
- 计算化学研究: 分析小分子结构与离子通道抑制活性的构效关系
- 机器学习应用: 开发基于化学结构的定量构效关系（QSAR）模型
- 药物安全性评估: 预测候选药物对心脏离子通道的潜在抑制作用，降低药物研发风险
