LipoKG：面向脂蛋白代谢研究的综合知识图谱数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.23074632

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 365.6 KB。

数据说明

LipoKG是一个符合FAIR原则的知识图谱，整合了多源数据用于脂蛋白代谢研究。它将蛋白质-蛋白质相互作用（STRING v12.0）、致病性变异（ClinVar）、疾病与性状关联（DisGeNET、OMIM、GLGC 2021、Orphanet及专家审编）以及通路信息（KEGG、Reactome、WikiPathways）整合到一个单一图谱中，其中脂蛋白颗粒——乳糜微粒、VLDL、IDL、LDL、HDL、Lp(a)和残粒——被建模为一等实体。该图谱包含6,214个核心节点和36,568条核心边，涵盖7种节点类型和7种关系类型；扩展的Neo4j模式另外声明了425个节点和4,929条关系，总计在32种节点类型和26种关系类型中拥有6,639个节点和41,497条关系。三个构建数据库的通路完整性为74.9%（346个参考基因中的259个）：KEGG hsa05417为72.7%（157/216），Reactome血浆脂蛋白通路为85.9%（61/71），WikiPathways脂质通路为79.3%（73/92）。

四个独立基准评估了构建来源之外的覆盖范围：GO:0042157“脂蛋白代谢过程”92.3%（132/143个基因）；GLGC 2021全基因组显著脂质位点64.9%（244/376）；ClinGen脂质相关剂量敏感基因100%（25/25）；以及专家整理的54基因临床参考集100%（54/54）。该数据集支持系统性注释缺口发现、靶点优先级排序、药物重定位以及心血管疾病中的精准医学应用。版本1.2.1重新提取了KEGG层为hsa05417（“脂质与动脉粥样硬化”，216个基因）以及Reactome和WikiPathways参考集，并新增了data/LICENSE.md——一份按文件和按来源分层的许可证。来源允许的组件以CC0发布；源自限制性更强来源的层保留其条款，仓库级别的CC BY 4.0标签不覆盖这些条款。该数据集包括data/extended/下的六个扩展模式CSV导出文件、一份按文件清单及

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。