筛选的PTB相关药物的计算机预测药代动力学特征

该数据集来自 plos.figshare.com,包含一个 Excel 文件,提供经筛选的 PTB 相关药物在计算机模拟环境下的药代动力学预测特征

google_dataset
2023-06-13 更新
浏览 2
基因组预测tissue expression databaseterbutaline (- 6stereochemical quality checkssingle nucleotide polymorphismsfunctional impact analysesdiv >< pblind docking approachallylestrenol (- 725 – 4017 transcript sequencesrare coding variantsidentify damaging variants
In-silico predicted pharmacokinetics profile of screened PTB-related drugs.

基本信息

模态
基因组
大小
0.000012736 GB
任务类型
预测
许可
CC BY 4.0
创建/更新时间
2023-06-13
版本
v1

资源简介

筛选的PTB相关药物的计算机预测药代动力学特征

In-silico predicted pharmacokinetics profile of screened PTB-related drugs.

该数据集来自 plos.figshare.com,包含一个 Excel 文件,提供经筛选的 PTB 相关药物在计算机模拟环境下的药代动力学预测特征。数据覆盖结核病相关药物的药代动力学属性,涉及组织表达数据库、单核苷酸多态性、功能影响分析及盲对接等方法背景。该数据可用于药物候选筛选、药代动力学性质评估及相关计算分析,为结核病治疗靶点与药物研究提供参考(来源 figshare,CC BY 4.0 许可)。

【数据集背景】

配套论文《Identification of potential therapeutic intervening targets by in-silico analysis of nsSNPs in preterm birth-related genes》发表于 PLOS ONE(2023),DOI:10.1371/journal.pone.0280305。源站首次发布:2023-03-07。

【数据内容】

源站描述(机器翻译,仅供参考):筛选出的PTB相关药物的计算机预测药代动力学特征。

【数据结构与技术规格】

文件数 1 个,合计 12.74 KB。数据集 DOI:10.1371/journal.pone.0280305.s007。

【主题与分类】

源站学科分类:Biochemistry、Genetics、Molecular Biology、Environmental Sciences not elsewhere classified、Chemical Sciences not elsewhere classified、Biological Sciences not elsewhere classified。主题标签:tissue expression database、terbutaline (- 6、stereochemical quality checks、single nucleotide polymorphisms、functional impact analyses、blind docking approach、allylestrenol (- 7、25 – 40、17 transcript sequences、rare coding variants。本站分类:感染/结核病。

【适用方向】

源站学科分类标注为 Biochemistry、Genetics、Molecular Biology、Environmental Sciences not elsewhere classified、Chemical Sciences not elsewhere classified、Biological Sciences not elsewhere classified。

【获取与许可】

源站页面:https://plos.figshare.com/articles/dataset/_i_In-silico_i_predicted_pharmacokinetics_profile_of_screened_PTB-related_drugs_/22228899

使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。

规范引用:Azmi, Muhammad Bilal; Khan, Waqasuddin; Azim, M. Kamran; Nisar, Muhammad Imran; Jehan, Fyezah (2023). In-silico predicted pharmacokinetics profile of screened PTB-related drugs.. PLOS ONE. Dataset

【使用注意】

· 源站最后修改于 2023-06-13,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取(Figshare)

命令行下载

curl -L -o "pone.0280305.s007.xlsx" "https://ndownloader.figshare.com/files/39507975"

文件清单

  • pone.0280305.s007.xlsx(12.74 KB)

文件总体积 12.74 KB(源站 API 实测)。

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。

数据说明

In-silico predicted pharmacokinetics profile of screened PTB-related drugs.

许可

CC BY 4.0

引用

学术使用请引用 DOI 10.1371/journal.pone.0280305.s007(source: https://plos.figshare.com/articles/dataset/_i_In-silico_i_predicted_pharmacokinetics_profile_of_screened_PTB-related_drugs_/22228899)。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。