血液与凝血靶点的精修坐标结构及口袋分析数据集
该数据集聚焦血液与凝血相关靶点，涵盖关键凝血因子与氧运输蛋白（如 F8、F9、HBB），提供精修的坐标结构与口袋分析结果
基本信息
资源简介
血液与凝血靶点的精修坐标结构及口袋分析数据集
Refined Coordinate Structures and Pocket Analyses for Hematology and Coagulation Targets
该数据集聚焦血液与凝血相关靶点，涵盖关键凝血因子与氧运输蛋白（如 F8、F9、HBB），提供精修的坐标结构与口袋分析结果。其映射的口袋构型可用于设计伴侣分子，以稳定突变酶并恢复血液疾病中的凝血或氧结合活性。结构经 NRC CASP-17 Pure Math Folding Engine 优化，采用 C-alpha 谐波引导势约束进行比较建模或从头建模，随后进行侧链弛豫与口袋扩展模拟，以识别变构与活性腔。所有坐标经 Trageser Tensor Theorem（TTT-7）晶格奇偶校验审核，以消除空间冲突（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：数据集标题：血液与凝血靶点的精修坐标结构及口袋分析。概述：聚焦关键凝血因子与氧运输蛋白（如 F8、F9、HBB）。映射的口袋构型可用于设计伴侣分子，以稳定突变酶，从而在血液疾病中恢复凝血或氧结合活性。计算方法：靶点结构使用 NRC CASP-17 Pure Math Folding Engine 进行优化。该流程应用 C-alpha 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），随后进行侧链弛豫与口袋扩展模拟，以识别变构与活性腔。所有坐标均使用 Trageser Tensor Theorem（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
【主题与分类】
主题标签：ACE2、BY、CASP、CC、CFTR、DMD、DPP4、F8、F9、GBA。本站分类：血液及造血器官疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.21132958
使用许可：Creative Commons Attribution 4.0 International。
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.21132958
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 1.1 MB。
数据说明
数据集标题：面向血液学与凝血靶点的精修坐标结构与口袋分析
概述：聚焦关键凝血因子与氧转运蛋白（如F8、F9、HBB）。通过映射的口袋构型，可设计伴侣分子以稳定突变酶，从而恢复血液疾病中的凝血或氧结合活性。
计算方法：使用NRC CASP-17纯数学折叠引擎优化靶点结构。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，以识别变构与活性腔。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）和环区幻象。
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、商业及学术性治疗药物设计。
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。
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。
