ChAlPred：化合物致敏性预测网络服务器

数据集获取

源站：https://doi.org/10.5281/zenodo.20085749

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 916.3 KB。

数据说明

ChAlPred是首个基于网络的工具，用于预测化合物的致敏潜力。它旨在帮助研究人员识别化学过敏原并设计与所需致敏性相符的化学类似物，填补了过敏预测领域长期以来主要关注蛋白质和多肽的重大空白。网络服务器：https://webs.iiitd.edu.in/raghava/chalpred/ 引用：Sharma, N., Patiyal, S., Dhall, A., Devi, N. L., & Raghava, G. P. S. (2021). ChAlPred: A web server for prediction of allergenicity of chemical compounds. Computers in Biology and Medicine, 136, 104746. https://doi.org/10.1016/j.compbiomed.2021.104746 关于本工作：过敏是暴露于过敏原时可能突然发生的免疫系统反应。尽管存在许多预测蛋白质和多肽致敏性的方法，但ChAlPred是专门为预测小化学分子的致敏潜力而开发的。这对于药物发现和安全性评估至关重要，因为化学过敏原可引起显著的不良反应。

数据集：该工具基于从IEDB数据库获取的403种致敏性和1，074种非致敏性化合物数据集开发而成。方法学：使用PaDEL软件计算分子描述符和指纹，以开发多种基于机器学习的预测模型。

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。