pubchem-04-18-2025
收藏资源简介：
PubChem数据集是一个开放的化学信息资源，由美国国立卫生研究院（NIH）下属的国家生物技术信息中心（NCBI）提供。该数据集包含大量的小分子和部分大分子信息，如核苷酸、碳水化合物、脂质、肽以及化学修饰的大分子等。数据集收集了化学物质的化学结构、标识符、化学与物理性质、生物活性、专利、健康、安全性和毒性数据等多种信息。
The PubChem Dataset is an open chemical information resource provided by the National Center for Biotechnology Information (NCBI), which is affiliated with the U.S. National Institutes of Health (NIH). This dataset contains extensive information on small molecules and a portion of macromolecules, including nucleotides, carbohydrates, lipids, peptides, and chemically modified macromolecules. It collects a wide range of data associated with chemical substances, such as their chemical structures, identifiers, chemical and physical properties, bioactivities, patent information, health-related data, safety and toxicity data, and more.
PubChem Dataset (version 04-18-2025) 概述
数据集基本信息
- 名称: pubchem-04-18-2025
- 标签: pubchem, small-molecules, InChI, SMILES, molecular-geometry, molecular-properties, chemical-properties, cheminformatics
- 许可证: pddl (Free Public Domain License)
- 许可证链接: https://opendatacommons.org/licenses/pddl
- 数据集大小: 100M<n<200M
- 来源数据集: pubchem-compound, pubchem-04-18-2025
- 任务类别: tabular-regression, other
- 任务ID: tabular-single-column-regression
数据集描述
- 主页: https://pubchem.ncbi.nlm.nih.gov
- 论文: https://doi.org/10.1093/nar/gkac956
- 联系人:
- Sunghwan Kim (kimsungh@ncbi.nlm.nih.gov)
- Mohammad Mostafanejad (smostafanejad@vt.edu)
- MolSSI-AI Hub (hub@molssi.org)
数据集摘要
PubChem是一个开放的化学数据库，包含小分子、核苷酸、碳水化合物、脂质、肽等化学结构、标识符、化学和物理性质、生物活性、专利、健康、安全、毒性数据等。
数据集结构
数据实例
数据实例以JSON格式存储，包含化合物的CID、SMILES、InChI、分子量、分子式、氢键供体/受体数量、拓扑极性表面积等字段。
数据字段
| 字段 | 描述 |
|---|---|
| PUBCHEM_COMPOUND_CID | PubChem化合物ID |
| PUBCHEM_SMILES | 异构SMILES |
| PUBCHEM_IUPAC_INCHI | InChI |
| PUBCHEM_MOLECULAR_WEIGHT | 分子量 |
| PUBCHEM_MOLECULAR_FORMULA | 分子式 |
| PUBCHEM_CACTVS_HBOND_ACCEPTOR | 氢键受体数量 |
| PUBCHEM_CACTVS_HBOND_DONOR | 氢键供体数量 |
| PUBCHEM_CACTVS_TPSA | 拓扑极性表面积 |
数据分割与配置
- 仅包含一个
train分割 - 配置名称:
pubchem-04-18-2025(默认)
数据集创建
创建理由
从PubChem原始FTP仓库提取数据，转换为字典格式并存储为JSON。
来源数据
- 原始FTP仓库: https://ftp.ncbi.nlm.nih.gov/pubchem/Compound/
使用注意事项
社会影响
该数据集可用于药物发现和材料科学等领域。
附加信息
数据集维护者
包括Sunghwan Kim、Jie Chen等来自美国国立卫生研究院国家生物技术信息中心的研究人员。
引用信息
tex @article{Kim:2022:D1373, author = {Kim, Sunghwan and Chen, Jie and Cheng, Tiejun and Gindulyte, Asta and He, Jia and He, Siqian and Li, Qingliang and Shoemaker, Benjamin A and Thiessen, Paul A and Yu, Bo and Zaslavsky, Leonid and Zhang, Jian and Bolton, Evan E}, title = "{PubChem 2023 update}", journal = {Nucleic Acids Research}, volume = {51}, pages = {D1373-D1380}, year = {2022}, doi = {10.1093/nar/gkac956} }
贡献者
- Mohammad Mostafanejad (The Molecular Sciences Software Institute)
