钆贝葡胺结构的小分子渗透性预测评价数据

造影剂因分子量大（通常500～1500 g/mol）、极性表面积高（TPSA普遍超过140 Ų），整体理化性质处于"类药性边界"区域，远超传统Lipinski五规则适用范围，通用ADMET预测工具对此类分子的渗透性预测精度严重不足。细胞膜渗透性是限制造影剂口服吸收及组织分布的关键瓶颈，然而现有公开Caco-2渗透性数据库对造影剂母核结构及其药典法定杂质的覆盖极为有限，导致研发团队在早期候选物筛选阶段缺乏可靠的渗透性预测依据，只能依赖耗时耗力的体外Caco-2细胞实验逐一评估。
本数据集以公开Caco-2渗透性数据集（caco2_wang.csv）为基础，专项补充纳入钆贝葡胺母核原料药及主要国家药典收载的法定杂质渗透性数据，构建面向该特定化学空间的专属训练数据集，训练图卷积神经网络（GCN）预测模型，实现对钆贝葡胺结构域内候选分子渗透性的高精度预测。所产生的预测评价数据可直接用于候选化合物高通量虚拟筛选、先导化合物结构优化、合成杂质渗透性风险评估及新药申报渗透性评估的辅助支撑，填补了现有通用数据集在造影剂专属结构域预测能力上的空白，相关模型及预测数据也可授权给其他医学影像或生物材料企业

搜集汇总

背景与挑战

背景概述

该数据集专注于钆贝葡胺结构的小分子渗透性预测评价，旨在通过数据驱动方法评估小分子化合物的渗透性特性，可能应用于药物研发或生物医学分析领域。它可能包含结构特征、渗透性实验数据或预测模型，以支持化合物筛选和优化过程。数据集的设计可能强调准确性和实用性，帮助研究人员快速评估分子性能，从而加速相关科学或工业应用的进展。