ChronoMedKG 2.5：面向疾病、表型、基因与药物的证据分级可溯源文献知识图谱

数据集获取

源站：https://doi.org/10.5281/zenodo.23643778

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 1.15 GB。

数据说明

ChronoMedKG 是一个由语言模型从生物医学文献中读取的声明级知识图谱，每条声明都可追溯到陈述该声明的论文。2.5 版包含 12 种关系类型（疾病–表型、适应症、药物效应、疾病–基因、疾病–疾病等）的 3,777,966 条声明，引用了 713,208 篇 PubMed 文章，覆盖 17,120 种 MONDO 疾病。每条声明均包含：所引用的 PMID 及其首次和末次发表年份；证据指针，通过字符偏移量和 SHA-256 哈希在引用的 PubMed 记录中定位支持性段落（不重新分发文本）；质量层级（由两个盲法开放权重模型评审员验证；gold = 已验证且至少由两篇论文陈述；recommended = 已验证、非缺失表型声明、无撤稿论文）；撤稿和动物研究标记；以及相对于精选资源（已在 HPO 注释或 PrimeKG 中，或为新发现）的状态。一个罕见病富集层从开放获取病例报告中为 956 种注释不足的疾病增加了 12,104 对疾病–表型关系。导出内容以声明表、KGX（Biolink）TSV 和 PrimeKG 兼容边形式提供，并附有合并脚本。

与v0.0.1（2026年4月）相比的变化：该资源已从头重建。此版本不包含摘要或全文、摘录、引文或标题；不包含UMLS标识符或源自UMLS的字符串（UMLS被许可方可在本地使用tools/reattach_umls_cuis.py重新附加CUI）；也不包含数字发病年龄。第三方标识符和标签保留其自身条款，列于README和NOTICE中。v0.0.1已被取代，不应使用。文件：ChronoMedKG_2.5.zip（包含文件夹结构、CHECKSUMS.sha256和清单的完整导出），以及可直接阅读的README.md、LICENSE和NOTICE。在归档文件内部，导出文件夹和README使用构建名称ChronoMedKG-Lit 2.5。资助：Screen4Care已获得创新药物倡议2联合 undertaking（JU）的资助，资助协议编号为101

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。