基于随机建模的Palytoxin诱导Na/K泵通道二聚体酶复合物假设数据
该数据集来自 Dryad,与 Palytoxin 诱导的 Na+/K+ 泵通道研究相关。研究使用 Statistical Model Checker 和 UPPAAL-SMC 平台,对通道构象亚状态之间的反应系统进行建模,参数、亚状态浓度和反应速率取自基于全细胞构型电生理记录的文献模拟

基本信息
资源简介
基于随机建模的Palytoxin诱导Na/K泵通道二聚体酶复合物假设数据
Data from: Hypothesised diprotomeric enzyme complex supported by stochastic modelling of Palytoxin-induced Na/K pump channels
该数据集来自 Dryad,与 Palytoxin 诱导的 Na+/K+ 泵通道研究相关。研究使用 Statistical Model Checker 和 UPPAAL-SMC 平台,对通道构象亚状态之间的反应系统进行建模,参数、亚状态浓度和反应速率取自基于全细胞构型电生理记录的文献模拟。通过比较随机系统语义的模拟与概率查询和实验数据,提出额外反应以复现单通道动态。数据可用于离子泵机制建模、随机模拟与概率分析等研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2018。
【数据内容】
源站描述(机器翻译,仅供参考):钠钾泵(Na+/K+ 泵)对细胞生理至关重要。尽管对该离子泵系统的理解取得了很大进展,但其机制尚未完全清楚。我们提出使用统计模型检查器来研究 Palytoxin 诱导的 Na+/K+ 泵通道。我们建立了一个反应系统模型,表示通道构象亚状态之间的转换,其参数、亚状态浓度和反应速率取自文献中报道的模拟,这些模拟基于全细胞构型下的电生理记录。该模型使用 UPPAAL-SMC 平台实现。通过将随机系统语义的模拟和概率查询与实验数据进行比较,可以提出额外的反应来复现单通道动态。概率分析和模拟 su
【主题与分类】
主题标签:Palytoxin、Na/K Pump、Probabilistic Model、Statistical Model Checker。本站分类:化学诱发性障碍/其他。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.qn254
使用许可:Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.qn254
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:
数据集大小约 125.7 KB。
数据说明
钠钾泵(Na+/K+泵)对细胞生理至关重要。尽管在理解这一离子泵送系统方面取得了巨大进展,但其机制尚未完全明了。我们提出使用统计模型检测器来研究海葵毒素诱导的Na+/K+泵通道。我们建立了一个反应系统模型,代表通道构象亚态之间的转换,其中的参数、亚态浓度和反应速率均提取自文献中基于全细胞构型电生理记录的模拟报道。该模型使用UPPAAL-SMC平台实现。通过将随机系统语义的模拟和概率查询与实验数据进行比较,我们得以提出额外的反应以重现单通道动力学。概率分析和模拟表明,海葵毒素诱导的Na+/K+泵通道作为一个二聚体复合物发挥作用,其中蛋白质-蛋白质相互作用增加了Na+/K+泵对海葵毒素的亲和力。
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。




