预处理基因组噬菌体（gPhage）- 克氏锥虫
输入数据集 本目录包含 gPhage 项目的预处理文件，这些文件作为 EPIZAP 流程的输入数据，用于预测恰加斯病患者抗体反应识别的克氏锥虫表位
基本信息
资源简介
预处理基因组噬菌体（gPhage）- 克氏锥虫
Pre-processed Genome Phage (gPhage) - Trypanosoma cruzi 是一个面向恰加斯病免疫表位预测的预处理基因组噬菌体展示数据集。该数据集来源于 doi.org，在本站归类于循环系统疾病 / 其他。其核心用途是作为 EPIZAP 流程的输入数据，用于预测克氏锥虫（Trypanosoma cruzi）中能够被恰加斯病患者抗体反应所识别的表位。数据集由八个独立样本文件构成，覆盖两个生物学重复（A 和 B）以及四个不同的临床分组，分别代表健康对照、无症状患者、轻度恰加斯心肌病和重度恰加斯心肌病患者。为便于流程执行，所有患者组的数据还被合并为整合文件，并附有文件完整性说明。整体而言，该数据集服务于恰加斯病体液免疫应答的表位筛选与验证研究。
【数据集背景】
恰加斯病由克氏锥虫感染引起，可累及循环系统，导致不同程度的心肌病变。抗体反应在疾病免疫诊断和病理机制研究中具有重要意义。gPhage 项目通过预处理基因组噬菌体展示数据，为下游表位预测提供输入。EPIZAP 流程利用这些数据预测可被患者抗体识别的克氏锥虫表位，从而支持恰加斯病相关免疫表位研究。该数据集在本站被归入循环系统疾病 / 其他类别，反映了其与恰加斯心肌病等循环系统表现的关联。
【数据内容】
数据集包含八个独立样本文件，分别命名为 control_a、control_b、asympto_a、asympto_b、CCC_mild_a、CCC_mild_b、CCC_severe_a、CCC_severe_b。这些文件对应两个生物学重复（A 和 B）和四个临床分组：Control 为健康志愿者，恰加斯病检测阴性；Asymptomatic 为无 EKG 异常的患者；Mild CCC 为轻度恰加斯心肌病患者；Severe CCC 为重度恰加斯心肌病患者。为简化流程执行，所有患者组的数据已合并为整合文件。源站还提供了关于整合文件与文件完整性的说明表格。
【采集与来源】
数据集来源于 doi.org，属于 gPhage 项目的预处理文件。源站描述指出，这些文件是 EPIZAP 流程的输入数据，用于预测恰加斯病患者抗体反应识别的克氏锥虫表位。样本覆盖健康志愿者和不同临床阶段的恰加斯病患者，包括无症状、轻度心肌病和重度心肌病。关于具体的采集地点、时间、伦理审批信息，源站未提供。
【适用场景】
该数据集适用于以表位预测为目标的免疫信息学分析，尤其是利用 EPIZAP 流程预测克氏锥虫表位的研究。其临床分组设计可用于比较健康对照、无症状患者、轻度恰加斯心肌病患者和重度恰加斯心肌病患者之间的抗体识别差异。此外，整合文件可用于流程化批量分析，独立样本文件可用于重复性评估或分组比较。该数据集不适用于直接临床诊断，也不适用于未经预处理的原始测序数据分析。
【使用方法】
使用者可将八个独立样本文件或整合文件作为 EPIZAP 流程的输入，执行克氏锥虫表位预测。分析时可根据研究目的选择按临床分组比较，或利用 A、B 两个生物学重复评估技术重复性。整合文件有助于简化流程执行，减少逐个文件处理的步骤。使用前应参考源站提供的文件完整性说明，确认文件完整且对应关系正确。关于具体软件版本、参数设置和运行环境，源站未提供。
【质量与限制】
源站提供了文件完整性说明，并指出数据已合并为整合文件以简化流程执行。数据集包含两个生物学重复，可用于评估重复性。然而，源站未提供样本量、测序深度、预处理质控指标、批次效应信息以及临床元数据的详细定义。此外，该数据集仅针对克氏锥虫表位预测，结论不宜外推至其他病原体或其他疾病。临床分组信息基于源站描述，具体诊断标准和 EKG 异常判定细节源站未提供。
【引用与许可】
该数据集来源于 doi.org，具体引用格式、许可协议和使用限制源站未提供。使用者在发表相关研究时，应依据源站要求进行引用，并遵守相应的数据使用条款。关于商业使用、再分发或修改的许可条件，源站未提供。
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
源站：https://doi.org/10.5281/zenodo.20854185
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
输入数据集 本目录包含来自gPhage项目的预处理文件，这些文件作为EPIZAP流程的输入数据，用于预测被恰加斯病患者抗体反应识别的克氏锥虫表位。数据集包含八个独立样本文件，代表四个不同临床组中的两个生物学重复（A和B）：对照组：健康志愿者（恰加斯病阴性）无症状组：无心电图异常的患者轻度CCC：轻度恰加斯心肌病患者重度CCC：重度恰加斯心肌病患者 独立样本文件列表：control_a、control_b、asympto_a、asympto_b、CCC_mild_a、CCC_mild_b、CCC_severe_a、CCC_severe_b 合并文件与文件完整性 为简化流程执行，所有患者组的数据已合并为整合文件。下表提供了文件详情、总记录数以及MD5校验和，用于在运行EPIZAP前进行数据完整性验证。
文件名 记录数 MD5校验和 描述 DNA_inserts_all_patients_groups.fastq.zip 2,297,587 9fcc12426e2ebf6c520edc5dd42e818f 包含来自所有八个临床样本的合并编码DNA插入片段（压缩文件）。 DNA_insert_IDs_by_group.tsv.zip 2,297,587 785fb95877242e021d3b49772b5209aa 指明每个DNA插入片段ID属于哪个患者临床组（压缩文件）。 peptides_encoded_by_DNA_inserts.fasta.zip 62,282 a3ac336dc898e18a5571e5851e40f9bb 包含由DNA插入片段编码的独特肽段的氨基酸序列（压缩文件）。 peptides_encoded_by_DNA_inserts.tsv.zip 62,282 29e64a654489eea63a33690d9fe067fe 肽段数据的表格（.tsv）版本，包含序列长度信息（压缩文件）。 DNA插入片段到肽段的映射 重要的是，peptides_encoded_by_DNA_inserts中肽段的独特性是由其基因组来源（特定的编码DNA插入片段）决定的，而不仅仅是由其氨基酸序列决定。由于t
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。
