6000种化合物解偶联活性筛选：输入参数、预测解偶联活性及结构警报结果
该数据集来自 search.dataone.org，主题为6000种化合物的解偶联活性筛选，包含输入参数、预测的解偶联活性以及结构警报相关结果
基本信息
资源简介
6000种化合物解偶联活性筛选：输入参数、预测解偶联活性及结构警报结果
Screening of 6000 compounds for uncoupling activity: input parameters, the predicted uncoupling activity, as well as the results in respect to structural alerts
该数据集来自 search.dataone.org，主题为6000种化合物的解偶联活性筛选，包含输入参数、预测的解偶联活性以及结构警报相关结果。数据涉及基于ab-initio COSMO-RS输入参数的生物物理模型，以分子结构为唯一外部输入，并联合基线毒性（麻醉）模型，识别出1250余种可能解偶联剂及硫代磷酸等新类别。可用于评估化学物质毒性、研究解偶联活性与肿瘤、糖尿病或肥胖等疾病治疗的相关性，并支持解偶联剂预测模型的验证与开发（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：在评估化学物质的毒性时，磷酸化质子解偶联是一个重要因素，并且最近在制药研究中因涉及癌症、糖尿病或肥胖等疾病的治疗而受到关注。因此，可靠地识别解偶联活性是一个有价值的目标。为此，我们使用基于ab-initio COSMO-RS输入参数的生物物理模型，以分子结构作为唯一外部输入，筛选了6000多种阴离子化合物的体外解偶联活性。我们将这些结果与基线毒性（麻醉）模型相结合。我们的模型在筛选数据集中识别出超过1250种可能的解偶联剂，并识别出可能的新解偶联剂类别，如硫代磷酸。当针对数据集中423种已知解偶联剂和612种已知无活性化合物进行测试时，该模型达到了83%的灵敏度。
【主题与分类】
主题标签：structural alerts、COSMOtherm、Mitotox、uncoupling of phosphorylation、baseline toxicity。本站分类：肿瘤。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A80dd895025c5d7b7ec1c583e40eb57919dea1bd018e6e45618df02fc89e0fd22
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。
使用方式
数据集获取
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:
数据说明
在评估化学物质的毒性时，质子载体解偶联磷酸化是一个重要因素，并且最近在制药研究中，针对癌症、糖尿病或肥胖等疾病的治疗，这一因素已逐渐成为焦点。因此，可靠地识别解偶联活性成为一个有价值的目标。为此，我们利用基于从头算COSMO-RS输入参数的生物物理模型，仅以分子结构作为外部输入，筛选了超过6000种阴离子化合物的体外解偶联活性。我们将这些结果与基线毒性（麻醉）模型相结合。我们的模型在筛选数据集中识别出超过1250种可能的解偶联剂，并发现了可能的新解偶联剂类别，如硫代磷酸。当与数据集中423种已知解偶联剂和612种已知非活性化合物进行测试对比时，该模型达到了83%的灵敏度和96%的特异性。在直接比较中，它显示出与结构…相似的特异性。
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。
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。
