Особливості формування спеціалізованого набору даних для прогнозування хімічних властивостей фторвмісних сполук

Abstract

The paper presents the features and results of forming a specialized dataset for predicting the physicochemical properties of saturated fluorine-containing compounds. The proposed dataset includes experimental pKa and LogP values for 183 compounds and covers several structural classes relevant to medicinal chemistry. Data preprocessing was performed, including outlier removal, stratified splitting, and molecular similarity control. Preliminary analysis revealed nonlinear relationships between the number and position of fluorine atoms and the properties of the compounds, which justifies the use of machine learning methods for further modeling.У роботі представлено особливості та результати формування спеціалізованого набору даних для прогнозування фізико-хімічних властивостей насичених фторвмісних сполук. Пропонований датасет містить експериментальні значення pKa та LogP для 183 сполук і охоплює кілька структурних класів, що мають значення для медичної хімії. Проведено попередню обробку даних, включно з видаленням викидів, стратифікованим поділом та контролем структурної подібності молекул. Первинний аналіз виявив нелінійні залежності між кількістю та положенням атомів фтору і властивостями сполук, що обґрунтовує доцільність застосування методів машинного навчання для подальшого моделювання.