大肠杆菌中L,D-转肽酶介导的肽聚糖交联及β-内酰胺耐药必需因素数据
β-内酰胺类抗生素的靶点是青霉素结合蛋白(PBPs)的D,D-转肽酶活性,该活性负责合成细菌细胞壁肽聚糖中的4→3交联。由L,D-转肽酶形成的非常规3→3交联最早于四十多年前在大肠杆菌中检测到,但此前尚未发现其合成与任何表型相关

基本信息
资源简介
大肠杆菌中L,D-转肽酶介导的肽聚糖交联及β-内酰胺耐药必需因素数据
β-内酰胺类抗生素的靶点是青霉素结合蛋白(PBPs)的D,D-转肽酶活性,该活性负责合成细菌细胞壁肽聚糖中的4→3交联。由L,D-转肽酶形成的非常规3→3交联最早于四十多年前在大肠杆菌中检测到,但此前尚未发现其合成与任何表型相关
Data from: Factors essential for L,D-transpeptidase-mediated peptidoglycan cross-linking and β-lactam resistance in Escherichia coli
【数据集背景】
源站首次发布:2017。
【数据内容】
源站描述(机器翻译,仅供参考):β-内酰胺类抗生素的靶点是青霉素结合蛋白(PBPs)的D,D-转肽酶活性,该活性负责合成细菌细胞壁肽聚糖中的4→3交联。由L,D-转肽酶形成的非常规3→3交联最早于四十多年前在大肠杆菌中检测到,但此前尚未发现其合成与任何表型相关。本研究表明,L,D-转肽酶YcbB的产生与RelA介导的(p)ppGpp警报素合成增加共同作用,可完全绕过PBPs的D,D-转肽酶活性,并导致广谱β-内酰胺耐药性。因此,YcbB的产生足以将(p)ppGpp的作用从抗生素耐受转变为高水平β-内酰胺耐药性。该观察结果揭示了大肠杆菌中一种新的肽聚糖聚合模式,其依赖于数量出乎意料少的酶活性:除YcbB的L,D-转肽酶活性外,还包括A类PBP1b的糖基转移酶活性和DacA的D,D-羧肽酶活性。
【主题与分类】
主题标签:感染性疾病、细菌感染、抗生素耐药、实验数据、分子机制、表型分析、基因调控、药物靶点。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.t5r8m
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.t5r8m
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 941.0 MB。
数据说明
β-内酰胺类抗生素的靶点是青霉素结合蛋白(PBPs)的D,D-转肽酶活性,该活性负责合成细菌细胞壁肽聚糖中的4→3交联。由L,D-转肽酶形成的非常规3→3交联最早于四十多年前在大肠杆菌中检测到,但此前尚未发现其合成与任何表型相关。本研究表明,L,D-转肽酶YcbB的产生与RelA介导的(p)ppGpp警报素合成增加共同作用,可完全绕过PBPs的D,D-转肽酶活性,并导致广谱β-内酰胺耐药性。因此,YcbB的产生足以将(p)ppGpp的作用从抗生素耐受转变为高水平β-内酰胺耐药性。该观察结果揭示了大肠杆菌中一种新的肽聚糖聚合模式,其依赖于数量出乎意料少的酶活性:除YcbB的L,D-转肽酶活性外,还包括A类PBP1b的糖基转移酶活性和DacA的D,D-羧肽酶活性。
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。




