QMugs, quantum mechanical properties of drug-like molecules.
QMugs, quantum mechanical properties of drug-like molecules.
复制标题
DOI：
10.1038/s41597-022-01390-7
复制
发表时间：
2022-06-07
期刊：
影响因子：
9.8
通讯作者：
Schneider, Gisbert
中科院分区：
文献类型：
--
作者：
Isert, Clemens;Atz, Kenneth;Jimenez-Luna, Jose;Schneider, Gisbert
药物发现以及化学科学其他领域的机器学习方法受益于精心策划的物理分子特性数据集。然而，目前缺乏以大型生物活性分子和第一原理量子化学信息为特征的数据收集。开放获取的 QMugs（类药分子的量子力学特性）数据集填补了这一空白。 QMugs 系列包含从 ChEMBL 数据库中提取的超过 665 k 个生物学和药理学相关分子的量子力学特性，总计约 2 M 构象异构体。 QMugs 包含通过半经验方法 GFN2-xTB 获得的优化分子几何形状和热力学数据。 GFN2-xTB 和理论密度泛函水平（DFT、ωB97X-D/def2-SVP）提供了原子和分子特性。 QMugs 的分子尺寸明显大于之前报道的分子集合，并包含各自的量子力学波函数，包括 DFT 密度和轨道矩阵。该数据集旨在促进模型的开发，这些模型可以从不同理论层面的分子数据中学习，同时还提供对分子结构和生物活性之间对应关系的深入了解。
Machine learning approaches in drug discovery, as well as in other areas of the chemical sciences, benefit from curated datasets of physical molecular properties. However, there currently is a lack of data collections featuring large bioactive molecules alongside first-principle quantum chemical information. The open-access QMugs (Quantum-Mechanical Properties of Drug-like Molecules) dataset fills this void. The QMugs collection comprises quantum mechanical properties of more than 665 k biologically and pharmacologically relevant molecules extracted from the ChEMBL database, totaling ~2 M conformers. QMugs contains optimized molecular geometries and thermodynamic data obtained via the semi-empirical method GFN2-xTB. Atomic and molecular properties are provided on both the GFN2-xTB and on the density-functional levels of theory (DFT, ωB97X-D/def2-SVP). QMugs features molecules of significantly larger size than previously-reported collections and comprises their respective quantum mechanical wave functions, including DFT density and orbital matrices. This dataset is intended to facilitate the development of models that learn from molecular data on different levels of theory while also providing insight into the corresponding relationships between molecular structure and biological activity.
登录
查看更多内容
影响因子：
64.8
作者：
Harris CR;Millman KJ;van der Walt SJ;Gommers R;Virtanen P;Cournapeau D;Wieser E;Taylor J;Berg S;Smith NJ;Kern R;Picus M;Hoyer S;van Kerkwijk MH;Brett M;Haldane A;Del Río JF;Wiebe M;Peterson P;Gérard-Marchant P;Sheppard K;Reddy T;Weckesser W;Abbasi H;Gohlke C;Oliphant TE
通讯作者：
Oliphant TE
影响因子：
4.4
作者：
Christensen, Anders S.;Bratholm, Lars A.;von Lilienfeld, O. Anatole
通讯作者：
von Lilienfeld, O. Anatole
影响因子：
15
作者：
Goulet-Hanssens, Alexis;Utecht, Manuel;Hecht, Stefan
通讯作者：
Hecht, Stefan
影响因子：
5.6
作者：
Balcells D;Skjelstad BB
通讯作者：
Skjelstad BB
影响因子：
21.8
作者：
Huang, Bing;von Lilienfeld, O. Anatole
通讯作者：
von Lilienfeld, O. Anatole