Additional file 1 of Predicting drug side effects by multi-label learning and ensemble learning

NIAID Data Ecosystem2026-03-09 收录

数据链接：

https://figshare.com/articles/dataset/Additional_file_1_of_Predicting_drug_side_effects_by_multi-label_learning_and_ensemble_learning/4355777 数据链接链接失效反馈

官方服务：

资源简介：

Datasets and source codes. (ZIP 13491Â kb)

创建时间：

2016-12-14

scikit-fingerprints/MoleculeNet_SIDER

精神药物副作用

化学/生物学

MoleculeNet SIDER数据集是MoleculeNet基准测试的一部分，主要用于预测药物不良反应（ADRs）作为药物副作用，涉及MedDRA分类中的27个系统器官类别。所有任务都是二分类任务。数据集包含12个任务，任务类型为多任务分类，总样本数为7831个。推荐的划分方法是scaffold划分，推荐的评估指标是AUROC。数据集适用于表格分类、图机器学习和文本分类任务，标签涉及化学、生物

Hugging Face2024-07-18 更新750

MOESM2 of Selectivity profiling of BCRP versus P-gp inhibition: from automated collection of polypharmacology data to multi-label learning

药物选择性

多标签学习

Additional file 2. The dense dataset (161 compounds) with the label-powerset transformation of the classes.

DataCite Commons2024-12-18 更新60

idti_RBM.zip

精神药物副作用

受限玻尔兹曼机

Side effect is one of the major causes of failure in drug development. Severe side effect that go undetected until the post-marketing phase a drug often lead to patient morbidity. Therefore, there is

Figshare2022-05-28 更新50

Decagon (Bio-decagon)

精神药物副作用

生物网络分析

Bio-decagon 是一个用于多种药物副作用识别问题的数据集，该问题被框架为两个节点类型的两层多模态图/网络中的多关系链接预测问题：药物和蛋白质。蛋白质-蛋白质相互作用网络描述蛋白质之间的关系。药物-药物相互作用网络包含 964 种不同类型的边缘（每种副作用类型一个），并描述了哪些药物对导致了哪些副作用。最后，药物-蛋白质链接描述了给定药物靶向的蛋白质。链接不同数据库使用的实体词汇后的最终网络

OpenDataLab2026-07-12 更新260

Prognostic biomarkers of antipsychotic-induced weight gain

精神药物副作用

个性化治疗

Antipsychotic drugs (APs) are used to treat psychiatric disorders but also have the prominent side effect of weight gain resulting in a higher incidence of metabolic disease in this patient group.

NIAID Data Ecosystem60

Additional file 1 of Predicting drug side effects by multi-label learning and ensemble learning

资源简介：

相关数据集