Torchdrug 数据集

# 数据集参考 ## 概述 TorchDrug 提供了 40 多个跨多个领域的精选数据集：分子性质预测、蛋白质建模、知识图谱推理和逆合成。所有数据集均支持懒加载、自动下载和可定制的特征提取。 ## 分子性质预测数据集 ### 药物发现分类 | 数据集 | 大小 | 任务 | 类别 | 描述 | |---------|------|------|---------|-------------| | **BACE** | 1,513 | 二分类 | 2 | 阿尔茨海默病 β-分泌酶抑制 | | **BBBP** | 2,039 | 二分类 | 2 | 血脑屏障渗透性 | | **HIV** | 41,127 | 二分类 | 2 | HIV 复制抑制 | | **ClinTox** | 1,478 | 多标签 | 2 | 临床试验毒性 | | **SIDER** | 1,427 | 多标签 | 27 | 系统器官分类副作用 | | **Tox21** | 7,831 | 多标签 | 12 | 12 个靶点的毒性 | | **ToxCast** | 8,576 | 多标签 | 617 | 高通量毒理学 | | **MUV** | 93,087 | 多标签 | 17 | 筛选的无偏验证 | **关键特性：** - 全部使用支架拆分（scaffold splits）以进行真实评估 - 二分类指标：AUROC, AUPRC - 多标签处理缺失值 **用例：** - 药物安全性预测 - 虚拟筛选 - ADMET 性质预测 ### 药物发现回归 | 数据集 | 大小 | 性质 | 单位 | 描述 | |---------|------|----------|-------|-------------| | **ESOL** | 1,128 | 溶解度 | log(mol/L) | 水溶性 | | **FreeSolv** | 642 | 水合作用 | kcal/mol | 水合自由能 | | **Lipophilicity** | 4,200 | LogD | - | 辛醇/水分配系数 | | **SAMPL** | 643 | 溶剂化 | kcal/mol | 溶剂化自由能 | **指标：** MAE, RMSE, R² **用例：** ADME 优化，先导化合物优化 ### 量子化学 | 数据集 | 大小 | 性质 | 描述 | |---------|------|------------|-------------| | **QM7** | 7,165 | 1 | 原子化能 | | **QM8** | 21,786 | 12 | 电子光谱，激发态 | | **QM9** | 133,885 | 12 | 几何、能量、电子、热力学 | | **PCQM4M** | 3.8M | 1 | 大规模 HOMO-LUMO 能隙 | **性质 (QM9)：** - 偶极矩 - 各向同性极化率 - HOMO/LUMO 能量 - 内能、焓、自由能 - 热容 - 电子空间范围 **用例：** - 量子性质预测 - 方法开发基准测试 - 分子模型预训练 ### 大分子数据库 | 数据集 | 大小 | 描述 | 用例 | |--------