Transitive prediction of small molecule function through alignment of high-content screening resources

# Datasets used in Transitive prediction of small molecule function through alignment of high-content screening resources

This dataset supports the development of CLIPn, a contrastive-learning framework designed to align heterogeneous high-content screening (HCS) profile datasets.

***GitHub link:*** https://github.com/AltschulerWu-Lab/CLIPn

## Directory Structure

### Data Files
- **HCS_datasets.pkl**: Contains 13 high-content screening (HCS) datasets from multiple studies across 20 years.
- **Hypoxia.pkl**: Contains 8 profile datasets using different assays and treated under diverse hypoxia durations.
- **Expression.pkl**: Contains 2 transcriptional profile datasets and 6 image profile datasets for multimodal analysis.

### Folders
#### raw_profiles
##### HCS13/
- Contains raw data from 13 high-content screening (HCS) datasets. Each dataset includes meta and feature files.

##### L1000/
- **CDRP_feature_exp.csv**: Raw L1000 expression data from the CDRP dataset.
- **CDRP_meta_exp.csv**: Metadata associated with the CDRP expression data.
- **LINCS_feature_exp.csv**: Raw L1000 expression data from the LINCS dataset.
- **LINCS_meta_exp.csv**: Metadata associated with the LINCS expression data.

##### RxRx3/
- **RxRx3_feature_final.csv**: Profile data from the RxRx3 dataset.
- **RxRx3_meta_final.csv**: Metadata from the RxRx3 dataset.

##### Uncharacterized_compounds/
- **NCI_cpnData.csv**: Feature data for uncharacterized compounds from the NCI dataset.
- **NCI_cpnInfo.csv**: Information about uncharacterized compounds in the NCI dataset.
- **Prestwick_UTSW_cpnData.csv**: Feature data for uncharacterized compounds from the Prestwick UTSW dataset.
- **Prestwick_UTSW_cpnInfo.csv**: Information about uncharacterized compounds from the Prestwick UTSW dataset.

# 基于高内涵筛选（high-content screening, HCS）资源对齐的小分子功能传递预测研究所用数据集

本数据集用于支撑CLIPn的开发，CLIPn是一种专为对齐异构高内涵筛选（HCS）数据集而设计的对比学习框架。

***GitHub 链接：*** https://github.com/AltschulerWu-Lab/CLIPn

## 目录结构

### 数据文件
- **HCS_datasets.pkl**：包含20年来多项研究的13个高内涵筛选（HCS）数据集。
- **Hypoxia.pkl**：包含8个采用不同实验方法、在不同缺氧时长下处理得到的画像数据集。
- **Expression.pkl**：包含2个转录组画像数据集与6个图像画像数据集，用于多模态分析。

### 文件夹

#### 原始画像数据集
##### HCS13/
- 包含13个高内涵筛选（HCS）数据集的原始数据，每个数据集均包含元数据文件与特征文件。

##### L1000/
- **CDRP_feature_exp.csv**：来自CDRP数据集的原始L1000表达数据。
- **CDRP_meta_exp.csv**：与CDRP表达数据相关的元数据。
- **LINCS_feature_exp.csv**：来自LINCS数据集的原始L1000表达数据。
- **LINCS_meta_exp.csv**：与LINCS表达数据相关的元数据。

##### RxRx3/
- **RxRx3_feature_final.csv**：来自RxRx3数据集的画像数据。
- **RxRx3_meta_final.csv**：来自RxRx3数据集的元数据。

##### Uncharacterized_compounds/
- **NCI_cpnData.csv**：来自NCI数据集的未表征化合物特征数据。
- **NCI_cpnInfo.csv**：NCI数据集中未表征化合物的相关信息。
- **Prestwick_UTSW_cpnData.csv**：来自Prestwick UTSW数据集的未表征化合物特征数据。
- **Prestwick_UTSW_cpnInfo.csv**：Prestwick UTSW数据集中未表征化合物的相关信息。