katielink/moses
收藏资源简介：
该数据集基于ZINC数据库的Clean Leads集合，经过分子量（250至350道尔顿）、可旋转键数量（不超过7）、XlogP值（小于或等于3.5）等多重过滤，并移除了包含带电原子或除C、N、S、O、F、Cl、Br、H以外的原子以及环长超过8个原子的分子。数据集还应用了药物化学过滤器（MCFs）和PAINS过滤器。最终数据集包含1,936,962个分子结构，并划分为训练集（约160万分子）、测试集（约17.6万分子）和支架测试集（约17.6万分子）。支架测试集包含训练集和测试集中未出现的独特Bemis-Murcko支架，用于评估模型生成新支架的能力。
该数据集基于ZINC数据库的Clean Leads集合，经过分子量（250至350道尔顿）、可旋转键数量（不超过7）、XlogP值（小于或等于3.5）等多重过滤，并移除了包含带电原子或除C、N、S、O、F、Cl、Br、H以外的原子以及环长超过8个原子的分子。数据集还应用了药物化学过滤器（MCFs）和PAINS过滤器。最终数据集包含1,936,962个分子结构，并划分为训练集（约160万分子）、测试集（约17.6万分子）和支架测试集（约17.6万分子）。支架测试集包含训练集和测试集中未出现的独特Bemis-Murcko支架，用于评估模型生成新支架的能力。
分子集 (MOSES): 分子生成模型基准平台
数据集概述
MOSES 是一个用于药物发现机器学习研究的基准平台。它实现了几种流行的分子生成模型，并提供了一系列评估生成分子质量和多样性的指标。MOSES 旨在标准化分子生成研究，并促进新模型的共享和比较。
数据集详情
- 数据来源: 该数据集是从 ZINC 数据库中精炼出来的。
- 数据集大小: 包含 4,591,276 个分子。
- 筛选条件:
- 分子量范围: 250 至 350 道尔顿。
- 旋转键数量: 不超过 7 个。
- XlogP: 小于或等于 3.5。
- 分子中仅包含 C, N, S, O, F, Cl, Br, H 原子，且不含带电原子或超过 8 个原子的环。
- 通过药物化学过滤器 (MCFs) 和 PAINS 过滤器筛选。
- 数据集划分:
- 训练集: 约 1.6M 个分子。
- 测试集: 约 176k 个分子。
- 骨架测试集: 约 176k 个分子，包含训练集和测试集中未出现的独特 Bemis-Murcko 骨架。
引用信息
如果使用 MOSES 数据集进行研究，请引用以下文献:
@article{10.3389/fphar.2020.565644, title={{M}olecular {S}ets ({MOSES}): {A} {B}enchmarking {P}latform for {M}olecular {G}eneration {M}odels}, author={Polykovskiy, Daniil and Zhebrak, Alexander and Sanchez-Lengeling, Benjamin and Golovanov, Sergey and Tatanov, Oktai and Belyaev, Stanislav and Kurbanov, Rauf and Artamonov, Aleksey and Aladinskiy, Vladimir and Veselov, Mark and Kadurin, Artur and Johansson, Simon and Chen, Hongming and Nikolenko, Sergey and Aspuru-Guzik, Alan and Zhavoronkov, Alex}, journal={Frontiers in Pharmacology}, year={2020} }
