精选 EGFR/ErbB1 生物活性数据集与 QSAR 建模 notebook

数据集获取

源站：https://doi.org/10.5281/zenodo.23232521

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 27.8 MB。

数据说明

本记录包含用于支持人表皮生长因子受体（EGFR/ErbB1）抑制剂定量构效关系研究的精选数据集和分析笔记本。从ChEMBL数据库中检索了ChEMBL靶点CHEMBL203的IC50类型生物活性记录，筛选出以纳摩尔单位报告且具有有效规范SMILES的记录，并基于规范SMILES去重，最终得到13,577个独特化合物（9,331个活性，2,365个无活性，1,881个中间态）。包含的文件有：egfr_erbb1_bioactivity_descriptors.csv——化合物标识符、规范SMILES、生物活性类别、Lipinski描述符（分子量、LogP、氢键供体、氢键受体）以及pIC50值。egfr_erbb1_pubchem_fingerprints.csv——使用PaDEL-Descriptor计算的PubChem子结构指纹，与化合物标识符配对。EGFR_ErbB1_qsar_modeling.ipynb——用于数据检索、描述符计算、特征选择、模型筛选、调优和验证的Python笔记本。主要数据来源：ChEMBL（https://www.ebi.ac.uk/chembl/），靶点CHEMBL203。

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。