AD-MTL-Bench：阿尔茨海默病药物发现多任务基准数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.20257688

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 16.4 MB。

数据说明

AD-MTL-Bench是一个精心构建的基准数据集，用于阿尔茨海默病（AD）药物发现中的多任务分子性质预测。它整合了63，105种独特化合物，涵盖12个二分类任务，横跨三个药理学维度：AD疾病修饰靶点（BACE1、GSK3β、MAO-B）、症状性胆碱酯酶靶点（AChE、BChE）以及中枢神经系统ADMET风险终点（来自两个来源的BBB渗透性、hERG、CYP3A4、CYP2D6、CYP2C9、P-糖蛋白）。该数据集采用基于Murcko骨架的划分方式分为训练集/验证集/测试集（49，832/6，310/6，310），确保没有任何骨架出现在多个分区中，从而对结构新颖化合物的泛化能力提供贴近实际的评估。每条化合物记录包括：InChIKey、RDKit标准化的SMILES、Murcko骨架SMILES、PAINS和Brenk结构警示标志、二分类任务标签（未标注条目为NaN）以及划分归属。在骨架测试集上的基线AUROC：Chemprop单任务0.835，Chemprop多任务0.864，Uni-Mol多任务0.893（全部12个任务的宏平均，5个随机种子）。

数据来源：ChEMBL 33（BACE1、AChE、BChE、GSK3β、MAO-B、hERG）、B3DB（血脑屏障通透性）以及TDC ADMET基准（CYP3A4、CYP2D6、CYP2C9、Pgp、BBB-Martins）。包含文件：- multitask_dataset.csv：含所有标签的完整化合物表 - split_scaffold.csv：骨架拆分分配（inchikey、split）- dataset_card.md：完整文档（模式、统计、基线、已知偏差）

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。