免疫与自身免疫疾病靶点的精修坐标结构与口袋分析数据集
该数据集聚焦炎症细胞因子、激酶调控因子与免疫检查点（如 TNF、IL6、JAK1、MMP9、FOXP3、HLA-DRB1），提供精修的靶点坐标结构与口袋分析结果，用于设计高选择性小分子抑制剂以调节自身免疫反应并降低脱靶免疫毒性
基本信息
资源简介
免疫与自身免疫疾病靶点的精修坐标结构与口袋分析数据集
Refined Coordinate Structures and Pocket Analyses for Immunology and Autoimmune Disease Targets
该数据集聚焦炎症细胞因子、激酶调控因子与免疫检查点（如 TNF、IL6、JAK1、MMP9、FOXP3、HLA-DRB1），提供精修的靶点坐标结构与口袋分析结果，用于设计高选择性小分子抑制剂以调节自身免疫反应并降低脱靶免疫毒性。靶点结构经 NRC CASP-17 Pure Math Folding Engine 优化，采用 C-alpha 谐波引导势约束进行建模，并经过侧链弛豫与口袋扩展模拟识别变构与活性空腔，所有坐标经 Trageser Tensor Theorem 晶格奇偶校验以消除空间冲突（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：免疫与自身免疫疾病靶点的精修坐标结构与口袋分析。概述：聚焦炎症细胞因子、激酶调控因子与免疫检查点（如 TNF、IL6、JAK1、MMP9、FOXP3、HLA-DRB1）。模型旨在设计高选择性小分子抑制剂，以调节自身免疫反应，同时尽量减少脱靶免疫毒性。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），随后进行侧链弛豫和口袋扩展模拟，以识别变构和活性空腔。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。
【主题与分类】
主题标签：ACE2、BY、CASP、CC、CFTR、DMD、DPP4、DRB1、F8、F9。本站分类：免疫系统疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.21132952
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.21132952
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 1.5 MB。
数据说明
数据集标题：面向免疫学与自身免疫性疾病靶点的精修坐标结构与口袋分析
概述：聚焦于炎性细胞因子、激酶调节因子及免疫检查点（如TNF、IL6、JAK1、MMP9、FOXP3、HLA-DRB1）。模型旨在设计高选择性小分子抑制剂，以调节自身免疫反应，同时尽量减少脱靶免疫毒性。
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、商业和学术性的治疗药物设计。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
