药理学晶格量化数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.21205540

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 7.1 MB。

数据说明

一个用于被忽视疾病药物发现的诚实计算平台：基于配体的分诊 + 基于结构的生成式设计（抗菌药物耐药性与疟疾） 类型：软件 + 数据 + 计算预测数据集（研究原型） > 请先阅读。本数据集包含两个层次。基于配体的层次在留出 > （骨架拆分）数据上经过验证，并报告真实、可复现的指标。基于结构的（SBDD）层次 > 作为方法经过阳性对照验证，但其生成的分子为计算 > 预测，无实验验证且无基准测试，属于待检验的假设，而非命中化合物。 > 两个层次均未对临床疗效进行建模。仅供研究优先级排序使用，不可用于临床。 描述 本数据集支持一个用于被忽视疾病药物发现的两层计算平台，聚焦于抗菌药物耐药性与疟疾：（A）一个基于配体的药物分诊与去风险平台，以及（B）在其之上构建的基于结构的生成式设计流程（SBDD）。

它提供了经过清洗、可复现且经诚实评估的生物活性数据，以及判断模型可靠性所需的结果，还包括完整的基于结构的流程及其产生的候选分子。A. 基于配体的分类与风险消减平台 数据来自两个开放资源：ChEMBL（生物活性，CC BY-SA 3.0）和Open Targets Platform（人类靶点-疾病遗传学，CC BY 4.0）。生物活性记录被标准化为p标度（p = -log10摩尔浓度；结合试验为pIC50，全细胞抗菌试验为pMIC，通过分子量将ug/mL转换为该标度），按InChIKey去重，重复测量值取中位数聚合，并使用RDKit进行规范化。每个化合物都带有Bemis-Murcko骨架划分（训练/测试），因此留出评估可以精确复现，且划分之间没有类似物泄漏。该层包含：（1）五个生物活性表——恶性疟原虫（疟疾，IC50）、金黄色葡萄球菌和大肠

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。