cardiotox

• Descrição :

O conjunto de dados de cardiotoxicidade de drogas [1-2] é uma tarefa de classificação de moléculas para detectar a cardiotoxicidade causada pela ligação do alvo hERG, uma proteína associada ao ritmo cardíaco. Os dados abrangem mais de 9.000 moléculas com atividade hERG.

Observação:

1. Os dados são divididos em quatro divisões: train, test-iid, test-ood1, test-ood2.

2. Cada molécula no conjunto de dados possui anotações em gráficos 2D, projetadas para facilitar a modelagem de redes neurais em gráficos. Os nós são os átomos da molécula e as arestas são as ligações. Cada átomo é representado como um vetor que codifica as informações básicas do átomo, como o tipo de átomo. Lógica semelhante se aplica aos títulos.

3. Incluímos a distância da impressão digital Tanimoto (para dados de treinamento) para cada molécula nos conjuntos de teste para facilitar a pesquisa sobre mudança de distribuição no domínio do gráfico.

Para cada exemplo, os recursos incluem: átomos: um tensor 2D com forma (60, 27) armazenando recursos de nó. Moléculas com menos de 60 átomos são preenchidas com zeros. Cada átomo tem 27 características atômicas. pares: um tensor 3D com forma (60, 60, 12) armazenando recursos de borda. Cada borda tem 12 recursos de borda. atom_mask: um tensor 1D com forma (60, ) armazenando máscaras de nós. 1 indica que o átomo correspondente é real, caso contrário, é preenchido. pair_mask: um tensor 2D com forma (60, 60) armazenando máscaras de borda. 1 indica que a borda correspondente é real, caso contrário, é preenchida. ativo: um vetor one-hot indicando se a molécula é tóxica ou não. [0, 1] indica que é tóxico, caso contrário [1, 0] não tóxico.

Referências

[1]: VB Siramshetty et al. Avaliação Crítica de Métodos de Inteligência Artificial para Predição da Inibição do Canal hERG na Era do Big Data. JCIM, 2020. https://pubs.acs.org/doi/10.1021/acs.jcim.0c00884

[2]: K. Han et al. Redes neurais de gráfico confiáveis ​​para descoberta de medicamentos sob mudança de distribuição. NeurIPS DistShift Workshop 2021. https://arxiv.org/abs/2111.12951 See More

• Página inicial : https://github.com/google/uncertainty-baselines/tree/main/baselines/drug_cardiotoxicity

• Código fonte : tfds.graphs.cardiotox.Cardiotox

• Versões :

  • 1.0.0 (padrão): versão inicial.

• Tamanho do download : Unknown size

• Tamanho do conjunto de dados : 1.66 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'test'	839
'test2'	177
'train'	6.523
'validation'	1.631

• Estrutura de recursos :

FeaturesDict({
    'active': Tensor(shape=(2,), dtype=int64),
    'atom_mask': Tensor(shape=(60,), dtype=float32),
    'atoms': Tensor(shape=(60, 27), dtype=float32),
    'dist2topk_nbs': Tensor(shape=(1,), dtype=float32),
    'molecule_id': string,
    'pair_mask': Tensor(shape=(60, 60), dtype=float32),
    'pairs': Tensor(shape=(60, 60, 12), dtype=float32),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	RecursosDict
ativo	tensor	(2,)	int64
máscara_atômica	tensor	(60,)	float32
átomos	tensor	(60, 27)	float32
dist2topk_nbs	tensor	(1,)	float32
molécula_id	tensor		corda
pair_mask	tensor	(60, 60)	float32
pares	tensor	(60, 60, 12)	float32

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Figura ( tfds.show_examples ): Não suportado.

• Exemplos ( tfds.as_dataframe ):

• Citação :

@ARTICLE{Han2021-tu,
  title         = "Reliable Graph Neural Networks for Drug Discovery Under
                   Distributional Shift",
  author        = "Han, Kehang and Lakshminarayanan, Balaji and Liu, Jeremiah",
  month         =  nov,
  year          =  2021,
  archivePrefix = "arXiv",
  primaryClass  = "cs.LG",
  eprint        = "2111.12951"
}