内分泌受体与病毒表面抗原的精修坐标结构及口袋分析数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.21163945

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 320.2 KB。

数据说明

数据集标题：内分泌受体与病毒表面抗原的精修坐标结构及口袋分析

概述：聚焦于GPCR内分泌网络与病毒刺突/糖蛋白复合物（例如SARS-CoV-2_S、HIV-1_Env、Influenza_HA、GCGR、GHR）。这些模型暴露开放表位环与GPCR配体腔，以筛选进入抑制剂和受体拮抗剂。

计算方法：使用NRC CASP-17纯数学折叠引擎优化靶标结构。该流程应用C-α谐波引导势约束（$k_{guide} = 0.5$）进行比较建模（或$k_{guide} = 0.0$用于从头建模），随后进行侧链弛豫和口袋扩展模拟，以识别变构腔和活性腔。所有坐标均使用Trageser张量定理（TTT-7）晶格奇偶校验进行审核，以消除空间冲突（最小原子间距离 > 1.10 Å）和环幻觉。

许可：根据知识共享署名4.0国际许可协议（CC BY 4.0）分发，以支持开放、商业和学术治疗药物设计。

首席研究员：James Paul Trageser
所属机构：Nexus Resonance Codex
ORCID：0009-0006-6678-2908
X（Twitter）：@jtrag
代码库：https://GitHub.com/Nexus-Resonance-Codex/Drug-Discovery

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。