TCM-MS2Link：一个统一的、适用于AI的数据集，整合了中医药草本知识与质谱（MS/MS）光谱数据 作者：李倩进（Qianjin Li）、赵飞帆（Feifan Zhao）、张吉航（Jihang Zhang）、周恒（Heng Zhou）、郭林（Lin Guo）和熊兴创（Xingchuang Xiong）

《Data》：TCM-MS2Link: A Unified AI-Ready Dataset Integrating TCM Herb–Compound Knowledge and MS/MS Spectral Data Qianjin Li, Feifan Zhao, Jihang Zhang, Heng Zhou, Lin Guo and Xingchuang Xiong

　　

摘要

本研究介绍了TCM-MS2Link，这是一个基于标准化质谱技术的传统中医（TCM）关联数据集，为中医领域的天然产物研究提供了重要的资源。该数据集采用双层“知识-数据”架构：第一层TCM-MolLink包含了精心整理的草药-化合物关联数据，通过整合多个异构数据库并经过严格的一致性过滤，建立了中医草药与其化学成分之间的高可信度关联；第二层MS2-MLReady是一个基于质谱技术的机器学习基准数据集，在经过系统的数据清洗、标准化预处理以及合理的数据分割后，可以直接支持人工智能模型的训练和评估。通过解决现有公共资源中的关键问题，如数据碎片化、注释不一致以及计算可用性不足等问题，TCM-MS2Link有效地克服了中医成分系统分析和数据驱动研究中的主要瓶颈。本研究显著提高了草药-化合物关联的可靠性以及质谱数据的建模适用性，为中医知识库构建和自动化光谱-结构识别等应用提供了高质量、标准化且可重复使用的数据基础，从而推动了中医信息学和数据驱动研究的进步。