即取即用的 AI-Ready 医疗数据集库

牛津 OPIG 把 SAbDab（2013 起）重构成 ML 时代的抗体结构库：21,237 个抗体实例 / 11,085 个 PDB ID / 6,540 个 SAbDab2 ID，IMGT+ANARCII 编号，CC-BY 4.0，附带 15,641 条 ML-grade 可变区结构与版本化 train/test 划分

Protein Data Bank (PDB) 全部公开抗体结构（PDBx/mmCIF 格式）经 ANARCII 识别与 IMGT 编号后重新注释；ML-grade 子集为 X 射线/冷冻电镜、分辨率 ≤3.5 Å、非致病性、裁剪至可变区 IMGT 位 1–128 的结构 39

基因组学与多组学蛋白质组学变异与注释知识图谱评测基准

InterPro — 蛋白质家族与结构域整合分类资源

原始数据知识库注释数据开放数据不适用（非患者数据集，为蛋白序列注释参考资源；UniProtKB 150,006,383 条序列中 127,708,989 条（85.1%）被注释）

EMBL-EBI 主导、13 家成员库整合的蛋白质序列功能注释元数据库——54,922 个 InterPro entry 覆盖 UniProtKB 85.1% 蛋白，CC0 公共领域奉献、API 六端点与 FASTA/JSON/TSV 批量下载全开放

UniProtKB（Swiss-Prot + TrEMBL）与 UniParc 蛋白序列；PDB 结构；13 家成员库签名（Pfam 38.2 / CDD 3.21 / HAMAP / NCBIFAM / PANTHER / PIRSF / PRINTS / PROSITE / SFLD / SMART / SUPERFAMILY / CATH-Gene3D + MobiDB Lite）；经 InterProScan 整合并附 InterPro2GO 映射 41

基因组学与多组学蛋白质组学变异与注释知识图谱生物医学文献

Pfam — 蛋白质家族与结构域数据库，InterPro 联盟最大成员库

参考数据序列数据开放许可不适用（非患者数据集；规模以 Pfam 条目/家族/clan 计）

Pfam 用「seed 多序列比对 + profile 隐马尔可夫模型（HMM）」表征蛋白质家族与结构域——2015 起隶属 InterPro 联盟并成为其覆盖主力（Pfam 38.2 的 30,134 条签名中 96.7% 被 InterPro 整合），数据 CC0；本条目重点消歧「Pfam = 单一成员库」与「InterPro = 整合框架」的分工

Pfam-A 条目集（25,545@38.0 / 27,481@38.1 / 30,134@38.2）= seed 多序列比对 + profile HMM + full 比对 + clan 归并表；源自 UniProt Reference Proteomes 与 UniProtKB，随 InterPro 发布 37

医学影像CT医学图像分割COVID-19评测基准

COVID-19 CT Lung and Infection Segmentation Dataset

人工标注影像数据原始数据20 例 COVID-19 CT 体数据（Zenodo 本体）；论文基准扩展口径 70 例 annotated COVID-19 cases

20 例像素级标注 COVID-19 CT 体数据——双放射科医生标注加资深医生终审，左肺/右肺/感染三类掩码，配套首个医学分割数据高效学习基准（少样本/域泛化/知识迁移三任务、40+ 预训练基线），CC BY-4.0 Zenodo 公开直链

20 例 COVID-19 胸部 CT 体数据（NIfTI .nii.gz）+ 左肺/右肺/感染三类逐像素掩码（四种掩码组合包：Infection_Mask、Lung_Mask、Lung_and_Infection_Mask 与病例影像本体）+ 三基准任务官方划分与评估代码（Gitee 仓库） 31

药物发现与化学化学信息学知识图谱分子性质预测代谢组学

LOTUS — 开放天然产物结构-生物体对数据库

原始数据文献挖掘知识图谱750,000+ 引用的结构-生物体对；290,000+ 独特化学结构；40,000+ 独特生物体；75,000+ 文献引用（eLife 2022 论文口径，冻结时间戳 2021-12-20）

LOTUS（naturaL prOducTs occUrrence databaSe）：把 40+ 个孤立天然产物资源整合为 75 万+ 条带文献引用的结构-生物体对，托管 Wikidata、镜像 LNPN、冻结快照发布 Zenodo，CC0 完全开放——天然产物研究的知识管理基础设施

整合自 36 个有价值的公开天然产物资源（COCONUT 及其底层资源、KNApSAcK、NAPRALERT 子集、Dr. Duke/USDA、Cyanometdb、Datawarrior、Wakankensaku、DiaNat-DB 等），经 LOTUS 清洗管道去重验证后发布 31

生理信号脑电信号心电信号可穿戴传感多模态

DREAMER — 消费级可穿戴 EEG+ECG 情感识别数据库

人工标注生理信号数据原始数据自评标签23 名健康受试者（14 男 / 9 女；年龄 22-33 岁，均值 26.6 岁）

西苏格兰大学用 Emotiv EPOC 14 通道脑电与 Shimmer2 心电、让 23 名受试者观看 18 段电影片段并自评效价-唤醒-支配三维情感的首个低成本低功耗可穿戴多模态情感生理数据库——证明消费级设备可达到医疗级设备的分类性能

Emotiv EPOC 14 通道 EEG（128 Hz）+ Shimmer2 2 通道 ECG（256 Hz）+ 逐段效价-唤醒-支配 1-5 自评分；23 人 × 18 段电影片段 = 414 组记录（含基线段）；单文件 DREAMER.mat 分发 42

生理信号脑电信号评测基准神经科学

RSVP 脑电：3 档闪现速度下的目标检测

二〇一三年在英国做的 RSVP 脑电实验，八个枕顶电极、2048 赫兹采样，每秒五张、六张、十张图切过去，其中一成带飞机。数据躺了四年才公开，而它最值钱的部分——目标出现的横向位置——暴露了一件事：刺激序列并不是每个人现做的

牛津大学工程科学系生物医学工程研究所（Institute of Biomedical Engineering, University of Oxford）；EPSRC 与 Wellcome Trust 资助 27

生理信号步态与运动评测基准神经科学

GaitPDB：帕金森步态足底压力 2 分钟记录

帕金森病步态垂直地反力足底压力步时变异性双任务力传感器166

脚垫下八枚压力传感器、100 赫兹、每人走两分钟平路，Galit、Ju、Si 三项研究合成一份 302 MB 的原始垂直地反力数据。本页把 306 个数据文件逐行算了一遍：三万三千一百七十五百五十行、总时长九个多小时，并把步时与步幅变异性两组指标重算出来——结果与条目页引用的那个 2.7% 并不一致。

以色列特拉维夫 Sourasky 医学中心运动障碍单元步态与神经动力学实验室；美国波士顿 Beth Israel Deaconess 医学中心 24