数据科学整合发现旋覆花细胞毒性二聚倍半萜类化合物

数据集获取

源站：https://doi.org/10.7910/DVN/ICVDOT

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 221.6 MB。

数据说明

从天然产物中发现新药的过程费时费力，需要大量资源和精力。将数据科学整合到天然产物研究中，可提高该过程的效率；正如本文所示，我们借助一种数据科学整合方法，从旋覆花（Inulae Flos，IF）中发现了细胞毒性成分。物质活性谱预测（Prediction of Activity Spectra for Substances，PASS）是一种用于构效关系预测的数据库和神经网络工具，它提示二聚倍半萜类化合物是有望具有抗肿瘤作用的候选物。通过分子网络引导分离，从IF的甲醇提取物中获得了7个二聚倍半萜类化合物（1–7），其中包括两个新化合物（1和2）。这些化合物的结构通过核磁共振（NMR）波谱、质谱（MS）和电子圆二色谱（ECD）实验得以阐明，并得到基于量子力学的分析支持，包括1H迭代全自旋分析（HiFSA）、规范不变原子轨道（GIAO）NMR和ECD计算。计算机预测的生物活性通过体外实验得到验证，在实验中，分离得到的二聚倍半萜类化合物对Hep G2和DU 145癌细胞系表现出显著细胞毒性，在10 μM剂量下抑制率为23.9–98.9%。这些发现验证了数据科学整合方法在天然产物药物发现流程中简化新型生物活性化合物发现的效用。该数据集包含新化合物1和2的NMR数据，将发表于Journal of Natural Products。

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。