分子生成负向外推生成分子与分析数据
数据集简介
研究目标与实验设计
该数据包服务于分子生成器编辑中的负向外推研究:在生成阶段有选择地移除反应性、金属结合、带电以及会干扰测定读数的基序,从而考察生成分子在性质与可用产率上的变化。实验覆盖三类生成器——基于 GuacaMol 训练的循环神经网络与 Transformer 模型、预训练的 REINVENT4 prior,以及三维生成器 SemlaFlow。验证性实验采用十组配对随机种子:13、17、19、23、29、31、37、41、43、47,以保证结果可比。
归档内容与文件组织
主归档文件为 negative_extrapolation_molgen_data_v1.zip,体积 5.3 GB;该版本数据总量 10.7 GB,全部版本累计 22.4 GB。压缩包内汇集生成分子库、目标筛选集、分子打分、汇总指标、分析输出与模型检查点等表格与文本文件。内部 manifest 逐条给出仓库相对路径、文件大小与 SHA-256 校验和,便于下载后核验完整性;归档旁另提供 negative_extrapolation_molgen_data_v1.zip.sha256 校验文件。
分析维度
数据中的分析输出围绕生成分子的质量与可控性展开,包含 QED 对照实验、结构多样性分析、Fréchet ChemNet Distance 计算、PoseBusters 评估以及验证性统计分析。这些结果可直接用于比较不同生成器在负向外推约束下的表现,也可作为后续方法改进的基线参照。
版本与引用
数据于 2026 年 10 月 5 日发布,以知识共享署名 4.0 国际许可(CC BY 4.0)开放获取,允许在适当署名前提下再分发与再利用。归档对应代码仓库 https://github.com/JoshuaHesse/negative_extrapolation_molgen ,作者为慕尼黑工业大学的 Joshua Hesse。使用数据时请引用该数据集及其配套代码。
技术元数据
数据以 zip 压缩包与 sha256 校验文件形式提供,解压后为表格与文本文件。获取入口为 Zenodo 记录页,下载后建议先依据 manifest 中的 SHA-256 校验和核对文件完整性,再开展分析。