遇见数据集

ATTN-Lab/bbbnuke-screening-1B

收藏
Hugging Face2026-05-23 更新2026-05-31 收录
官方服务:

资源简介:

BBB-Nuke数据集是一个用于血脑屏障渗透性筛选的大规模化学数据集,包含10.2亿个小分子化合物。该数据集通过BBB-Nuke管道(v0.12.0)进行筛选,涵盖标准化(使用RDKit进行SMILES规范化)、理化性质计算(如分子量、LogP、TPSA等)、pKa预测(使用MolGpKa)、CNS-MPO评分(多参数优化)、外排转运蛋白预测(针对8种蛋白质)以及分类器和启发式方法(最终生成BBB渗透概率评分,5折交叉验证AUROC为0.933)。数据来源包括Enamine REAL(约1.99亿化合物)、现有数据(如ZINC/ChEMBL,约6.66亿)、PubChem(约5900万)和CPU筛选数据(约9900万)。关键特征包括标准化SMILES、BBB渗透概率(p_bbb)、CNS-MPO评分、理化描述符、预测pKa值、外排转运蛋白亲和力评分以及数据来源标识。该数据集适用于药物发现、化学信息学和血脑屏障相关研究,遵循CC BY-NC 4.0许可证。

BBB-Nuke: 1 Billion Compound Blood-Brain Barrier Permeability Screen is a dataset of 1.02 billion small molecules screened for blood-brain barrier (BBB) permeability using the BBB-Nuke pipeline (v0.12.0). The screening process includes standardization (SMILES canonicalization via RDKit), physicochemical property calculation (e.g., MW, LogP, TPSA), pKa prediction (via MolGpKa), CNS-MPO scoring, efflux transporter prediction (for 8 proteins), and a classifier with heuristics to generate a final BBB permeability probability score (with 5-fold CV AUROC 0.933). Data sources include Enamine REAL (~199M compounds), existing data (e.g., ZINC/ChEMBL, ~666M), PubChem (~59M), and CPU screen data (~99M). Key columns cover standardized SMILES, BBB permeability probability (p_bbb), CNS-MPO score, physicochemical descriptors, predicted pKa, efflux transporter affinity scores, and data provenance. The dataset is intended for drug discovery, cheminformatics, and BBB-related research, licensed under CC BY-NC 4.0.

提供机构:
ATTN-Lab
二维码
社区交流群
二维码
科研交流群
商业服务