datamol-io/safe-drugs

SAFE（基于顺序连接的片段嵌入）是一种新的分子线性表示法，用于通过生成模型改进分子设计。该数据集是用于基准测试的药物数据集，包含了药物成分、适应症类别、分子ID、分子类型、口服标志、首选名称、治疗标志、USAN词干、USAN词干定义、USAN年份、撤回标志、SMILES、InChIKey、切片、变形、基序、支架和超结构等特征。

The SAFE dataset is a benchmark dataset used in the field of molecular design. It includes various features related to drug molecules, such as dosed_ingredient, indication_class, molecule_chembl_id, molecule_type, oral, pref_name, therapeutic_flag, usan_stem, usan_stem_definition, usan_year, withdrawn_flag, smiles, inchikey, slices, morphing, motif, scaffold, and superstructure. The dataset is split into a training set with 26 examples. Additionally, the file mentions the SAFE notation, which is a novel molecular line notation used to represent molecules as an unordered sequence of fragment blocks.

原始信息汇总

数据集概述

许可证

• 该数据集遵循 CC BY 4.0 许可证。

配置

• 默认配置 (default) 包含以下数据文件：
  • 训练集 (train) 路径为 data/train-*。

数据集信息

特征

• dosed_ingredient: 布尔型 (bool)
• indication_class: 字符串型 (string)
• molecule_chembl_id: 字符串型 (string)
• molecule_type: 字符串型 (string)
• oral: 布尔型 (bool)
• pref_name: 字符串型 (string)
• therapeutic_flag: 布尔型 (bool)
• usan_stem: 字符串型 (string)
• usan_stem_definition: 字符串型 (string)
• usan_year: 浮点型 (float64)
• withdrawn_flag: 布尔型 (bool)
• smiles: 字符串型 (string)
• inchikey: 字符串型 (string)
• slices: 字符串型 (string)
• morphing: 字符串型 (string)
• motif: 字符串型 (string)
• scaffold: 字符串型 (string)
• superstructure: 字符串型 (string)

数据分割

• 训练集 (train)：
  • 字节数：12691
  • 样本数：26

数据集大小

• 下载大小：18556 字节
• 数据集大小：12691 字节