网络药理学与机器学习提名PPARG为乳腺癌中Aegle marmelos植物化学物的候选靶点
该数据集伴随一项网络药理学与机器学习研究，围绕Aegle marmelos (L.) Correa植物化学物在乳腺癌中的候选靶点PPARG展开
基本信息
资源简介
网络药理学与机器学习提名PPARG为乳腺癌中Aegle marmelos植物化学物的候选靶点
Network Pharmacology and Machine Learning Nominate PPARG as a Candidate Target of Aegle marmelos (L.) Correa Phytochemicals in Breast Cancer
该数据集伴随一项网络药理学与机器学习研究，围绕Aegle marmelos (L.) Correa植物化学物在乳腺癌中的候选靶点PPARG展开。数据覆盖从138个植物化学物筛选出6个先导化合物、252个预测靶点、10个枢纽基因，以及基于GSE42568转录组（104例肿瘤、17例正常）的分类器评估，并包含分子对接、DFT、KEGG、分子动力学模拟等文件，可用于靶点预测与天然产物抗乳腺癌机制研究（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2026-10-20。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集伴随论文《Network Pharmacology and Machine Learning Nominate PPARG as a Candidate Target of Aegle marmelos (L.) Correa Phytochemicals in Breast Cancer》。乳腺癌仍是女性癌症死亡的主要原因，毒性、肿瘤异质性和获得性耐药持续推动人们寻找天然来源的多靶点药物。Aegle marmelos (L.) Correa是一种传统药用物种，其在乳腺癌中的分子靶点尚未被系统界定。对138个已报道的植物化学物按类药性、口服生物利用度和预测毒性进行过滤后留下6个先导化合物，其252个预测靶点通过蛋白质-蛋白质相互作用度数得到10个枢纽基因。在嵌套十折交叉验证下，基于独立乳腺癌转录组（GSE42568，104例肿瘤、17例正常）训练的3个分类器达到合并曲线下面积为0
【数据结构与技术规格】
文件数 9 个，合计 15.05 GB。数据集 DOI：10.6084/m9.figshare.34716786.v1。
【主题与分类】
源站学科分类：Bioinformatic methods development。主题标签：Machine Learning、PPARG、Aegle marmelos (L.) Correa、Breast Cancer。本站分类：肿瘤/乳腺癌。
【适用方向】
源站学科分类标注为 Bioinformatic methods development。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/_b_Network_Pharmacology_and_Machine_Learning_Nominate_PPARG_as_a_Candidate_Target_of_b_b_i_Aegle_marmelos_i_b_b_L_Correa_Phytochemicals_in_Breast_Cancer_b_/34716786
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Khan, Hayat; Zulfiqar, Humaira (2026). Network Pharmacology and Machine Learning Nominate PPARG as a Candidate Target of Aegle marmelos (L.) Correa Phytochemicals in Breast Cancer. figshare. Dataset
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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。
使用方式
数据集获取
源站：https://doi.org/10.6084/m9.figshare.34716786
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 15.05 GB。
数据说明
本数据集随稿件《网络药理学与机器学习提名PPARG为乳腺癌中Aegle marmelos (L.) Correa植物化学物的候选靶点》一同发布。乳腺癌仍是女性癌症死亡的主要原因之一，毒性、肿瘤异质性和获得性耐药持续推动着对天然来源多靶点药物的探索。Aegle marmelos (L.) Correa是一种传统药用物种，其在乳腺癌中的分子靶点尚未被系统界定。对138种已报道的植物化学物按类药性、口服生物利用度和预测毒性进行筛选后，剩余6个先导化合物，其252个预测靶点通过蛋白质–蛋白质相互作用度产生了10个枢纽基因。在嵌套十折交叉验证下，基于独立乳腺癌转录组（GSE42568，104例肿瘤，17例正常）训练的3个分类器达到汇总曲线下面积0.939–0.974，其标志物集在PPARG和ERBB2处相交。全部6个先导化合物均与6个候选受体进行对接，其中marmeline在6个受体中的4个上为最强先导化合物。
分子动力学与Hartree–Fock级别量子化学表征显示，marmeline在PPARG中的作用以PPARG自身共结晶参考配体罗格列酮为基准，发现两种复合物在200 ns内均保持稳定，MM/PBSA结合自由能分别为−26.5和−29.6 kcal mol⁻¹。综合这些发现，PPARG被确定为支持证据最强的靶点，marmeline则被确定为具有结构支持、可供实验验证的先导化合物。本数据存放包含支持该研究的原始数据和分析流程：- Network_Pharmacology.zip——化合物-靶点预测、GeneCards/MalaCards交集分析及STRING蛋白–蛋白相互作用网络构建- KEGG.zip——枢纽基因面板的通路富集分析- ML_Pipeline_R.zip——用于枢纽基因分类的完整R流程（LASSO、随机森林、SVM-RFE）、置换零假设显著性检验、bootstrap置信区间及基于SHAP的特征
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
