pKaDatabase for Stacking Gaussian Processes to Improve pKa Predictions in the SAMPL7 Challenge

A curated a database of small molecules with experimentally measured pKa values. This pickle file can be loaded into memory using Pandas. In the code block below we will print out the columns of the DataFrame: <pre><code class="language-python">import pandas as pd df = pd.load("pKaDatabase.pkl") print(df.keys()). # print the columns</code></pre> ['deprotonated microstate ID', 'protonated microstate ID', 'deprotonated microstate smiles', 'protonated microstate smiles', 'AM1BCC partial charge (prot. atom)', 'AM1BCC partial charge (deprot. atom)', 'AM1BCC partial charge (prot. atoms 1 bond away)', 'AM1BCC partial charge (deprot. atoms 1 bond away)', 'AM1BCC partial charge (prot. atoms 2 bond away)', 'AM1BCC partial charge (deprot. atoms 2 bond away)', 'Gasteiger partial charge (prot. atom)', 'Gasteiger partial charge (deprot. atom)', 'Gasteiger partial charge (prot. atoms 1 bond away)', 'Gasteiger partial charge (deprot. atoms 1 bond away)', 'Gasteiger partial charge (prot. atoms 2 bond away)', 'Gasteiger partial charge (deprot. atoms 2 bond away)', 'Extented Hückel partial charge (prot. atom)', 'Extented Hückel partial charge (deprot. atom)', 'Extented Hückel partial charge (prot. atoms 1 bond away)', 'Extented Hückel partial charge (deprot. atoms 1 bond away)', 'Extented Hückel partial charge (prot. atoms 2 bond away)', 'Extented Hückel partial charge (deprot. atoms 2 bond away)', '∆G_solv (kJ/mol) (prot-deprot)', 'SASA (Shrake)', 'SASA (Lee)', 'Bond Order', 'Change in Enthalpy (kJ/mol) (prot-deprot)', 'pKa','href', 'num ionizable groups', 'Weight', 'pKa source'] For more information regarding feature calculations, please read the following paper: Raddi, Robert, and Vincent Voelz. "Stacking Gaussian Processes to Improve pKa Predictions in the SAMPL7 Challenge." (2021). 10.26434/chemrxiv.14650302.v1本数据集为经人工筛选整理的小分子数据库，收录了经实验测定的pKa值。该Pickle格式文件可通过Pandas加载至内存。如下代码块将打印该DataFrame（数据框）的列名： <pre><code class="language-python">import pandas as pd df = pd.load("pKaDatabase.pkl") print(df.keys()). # print the columns</code></pre> 各列依次为： ['去质子化微态ID', '质子化微态ID', '去质子化微态SMILES（简化分子线性输入规范，SMILES）', '质子化微态SMILES', 'AM1BCC部分电荷（质子化原子）', 'AM1BCC部分电荷（去质子化原子）', 'AM1BCC部分电荷（与质子化原子相隔1根键的原子）', 'AM1BCC部分电荷（与去质子化原子相隔1根键的原子）', 'AM1BCC部分电荷（与质子化原子相隔2根键的原子）', 'AM1BCC部分电荷（与去质子化原子相隔2根键的原子）', 'Gasteiger部分电荷（质子化原子）', 'Gasteiger部分电荷（去质子化原子）', 'Gasteiger部分电荷（与质子化原子相隔1根键的原子）', 'Gasteiger部分电荷（与去质子化原子相隔1根键的原子）', 'Gasteiger部分电荷（与质子化原子相隔2根键的原子）', 'Gasteiger部分电荷（与去质子化原子相隔2根键的原子）', '扩展休克尔（Extended Hückel）部分电荷（质子化原子）', '扩展休克尔部分电荷（去质子化原子）', '扩展休克尔部分电荷（与质子化原子相隔1根键的原子）', '扩展休克尔部分电荷（与去质子化原子相隔1根键的原子）', '扩展休克尔部分电荷（与质子化原子相隔2根键的原子）', '扩展休克尔部分电荷（与去质子化原子相隔2根键的原子）', '溶剂化自由能差值（∆G_solv，单位：kJ/mol，质子化-去质子化）', '溶剂可及表面积（Solvent Accessible Surface Area，SASA，Shrake法）', '溶剂可及表面积（SASA，Lee法）', '键级', '焓变（单位：kJ/mol，质子化-去质子化）', 'pKa', '链接（href）', '可电离基团数目', '分子量（Weight）', 'pKa数据来源'] 如需了解特征计算的更多细节，请参阅以下论文：Raddi, Robert 与 Voelz, Vincent. 《堆叠高斯过程以优化SAMPL7挑战赛中的pKa预测性能》(2021). DOI: 10.26434/chemrxiv.14650302.v1