医疗 AI-Ready 训练数据集库（上万即取即用）

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 84

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） 46

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 49

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 59

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 42