用体外与计算机突变研究异二聚体膜转运复合物的形成
该数据集来自 search.dataone.org，聚焦心血管系统疾病/心肌病方向，研究 PLN 单体或五聚体在脂膜中形成 SERCA-PLN 复合物的过程，并将 PLN 跨膜区丙氨酸突变（I18A-L52A）引起的结合亲和力变化与 SERCA 钙转运活性的功能获得或缺失相关联
基本信息
资源简介
用体外与计算机突变研究异二聚体膜转运复合物的形成
Probing the formation of a hetero-dimeric membrane transport complex with dual in vitro and in silico mutagenesis.
该数据集来自 search.dataone.org，聚焦心血管系统疾病/心肌病方向，研究 PLN 单体或五聚体在脂膜中形成 SERCA-PLN 复合物的过程，并将 PLN 跨膜区丙氨酸突变（I18A-L52A）引起的结合亲和力变化与 SERCA 钙转运活性的功能获得或缺失相关联。数据包含三个文件，分别对应 SERCA-PLN 复合物（PDB: 4KYT）、PLN 单体（PDB: 1FJK）和 PLN 五聚体（PDB: 2KYV）中丙氨酸替换突变的自由能计算，由 VMD 1.9.4 的 ParseFEP 插件生成，可用于膜蛋白相互作用与突变效应研究（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究探讨 PLN 单体或 PLN 五聚体在脂膜中形成 SERCA-PLN 复合物的过程。具体而言，PLN 跨膜区丙氨酸突变（I18A - L52A）引起的结合亲和力变化与 SERCA 的钙转运活性相关——由于这些突变而表现出功能获得或功能缺失特征。该数据集包含三个文件，涉及 SERCA-PLN 复合物（PDB: 4KYT）、PLN 单体（PDB: 1FJK）和 PLN 五聚体（PDB: 2KYV）中丙氨酸替换突变的自由能计算。这些数据文件使用 VMD（版本 1.9.4）ParseFEP 插件生成。更多信息请参见相应出版物的方法部分（
【主题与分类】
主题标签：Medicine, Health and Life Sciences、Chemistry。本站分类：心血管系统疾病/心肌病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A2f2eae75cfdc4f3b54100d1925978a9bc046d0c5a29133503c410f61e9b98224
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
本研究探讨了在脂质膜中由PLN单体或PLN五聚体形成SERCA-PLN复合物的过程。具体而言，PLN跨膜区丙氨酸突变（I18A - L52A）导致的结合亲和力变化与SERCA的钙转运活性相关——这些突变表现出功能获得或功能丧失的特征。该数据集包含三个文件，涉及SERCA-PLN复合物（PDB：4KYT）、PLN单体（PDB：1FJK）和PLN五聚体（PDB：2KYV）中丙氨酸替换突变的自由能计算。这些数据文件使用VMD（版本1.9.4）ParseFEP插件生成。更多信息请参见相应出版物的方法部分（https://doi.org/10.1039/d4sc02915a）。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
