具有抗葡萄球菌活性的千年抗菌疗法数据集
该数据集来自 Dryad,对应一项关于 10 世纪盎格鲁-撒克逊药方重建与抗菌活性验证的研究。数据覆盖植物来源天然物质对 Staphylococcus aureus 生物膜及 MRSA 的作用评价,涉及体外软组织感染模型和小鼠慢性伤口模型

基本信息
资源简介
具有抗葡萄球菌活性的千年抗菌疗法数据集
Data from: A 1,000-year-old antimicrobial remedy with antistaphylococcal activity
该数据集来自 Dryad,对应一项关于 10 世纪盎格鲁-撒克逊药方重建与抗菌活性验证的研究。数据覆盖植物来源天然物质对 Staphylococcus aureus 生物膜及 MRSA 的作用评价,涉及体外软组织感染模型和小鼠慢性伤口模型。可用于抗菌药物发现、天然产物活性筛选、耐药菌感染治疗研究,以及历史医学与实验科学交叉验证等方向(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2016。
【数据内容】
源站描述(机器翻译,仅供参考):植物来源化合物及其他天然物质是杀死或减弱对现有抗生素耐药病原体的化合物的丰富潜在来源。中世纪社会使用一系列此类天然物质来治疗现代眼光可明确识别为微生物感染的病症,而这些疗法的可能疗效一直存在诸多争议。我们由科学与人文领域研究人员组成的跨学科团队,从一份 10 世纪盎格鲁-撒克逊药书中识别并重建了一种针对 Staphylococcus aureus 感染的潜在疗法。该疗法在软组织感染的体外模型中反复杀灭已形成的 S. aureus 生物膜,并在小鼠慢性伤口模型中杀灭耐甲氧西林 S. aureus(MRSA)。虽然该疗法含有几种单独已知具有某些抗菌活性的成分
【主题与分类】
主题标签:medicine、Allium cepa、Antibiotic、Allium ampeloprasum (porrum)、History、Anglo-Saxon、Allium sativum、Staphylococcus aureus。本站分类:感染性疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.mn17p
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.mn17p
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 85.0 KB。
数据说明
植物来源的化合物及其他天然物质是杀灭或减弱对现有抗生素具有耐药性的病原体的丰富潜在来源。中世纪社会使用一系列此类天然物质来治疗现代人眼中明显属于微生物感染的病症,对于这些疗法的可能疗效一直存在诸多争议。我们的跨学科团队由科学和人文学科的研究人员组成,从一本10世纪的盎格鲁-撒克逊医书中鉴定并重建了一种针对金黄色葡萄球菌感染的潜在疗法。在软组织感染的体外模型中,该疗法反复杀灭了已形成的金黄色葡萄球菌生物膜,并在小鼠慢性伤口模型中杀灭了耐甲氧西林金黄色葡萄球菌(MRSA)。虽然该疗法包含几种各自已知具有一定抗菌活性的成分,但完全疗效需要多种成分的联合作用,这凸显了前现代医生的学术造诣以及古代文献作为新型抗菌药物来源的潜力。
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。




