基于GōMartini 3的SARS-CoV-2病毒粒子构象变化模拟数据

数据集获取

源站：https://doi.org/10.5281/zenodo.22918142

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 28.13 GB。

数据说明

该仓库包含与SARS-CoV-2 S蛋白在膜环境及SARS-CoV-2病毒粒子体系中的长时间分子动力学（MD）模拟相关的脚本、输入拓扑文件和轨迹文件。粗粒化（CG）MD模拟采用GōMartini 3方法生成。接触图通过以下文献中描述的高频接触（HFC）方法进行优化：https://doi.org/10.1016/j.bpj.2026.04.024 。对于膜环境中的SARS-CoV-2 S蛋白，MD模拟使用GROMACS v2025.3在GPU模式下进行；对于病毒粒子体系，则使用v2025.2在CPU模式下进行。膜环境中S蛋白的轨迹每1 ns保存一次（每个副本10,000帧，共10个副本），病毒粒子体系的轨迹每10 ns保存一次（共100帧，为单一轨迹）。数据集组织为若干压缩归档文件：1. Spike_in_membrane.tar.xz 该归档文件包含S蛋白在膜环境中MD模拟的10个副本。水和离子已被移除。所有轨迹（R1至R10）均包含每1 ns保存的帧。同时提供了初始PDB构型和*.tpr文件。protein_dry.pdb为经过NVT和NPT平衡后的初始构型（无溶剂）。

md_10us_{R1…R10}.xtc 是生产模拟（10 µs）的轨迹文件，每 1 ns 保存一次（共 10 个副本）。protein_dry.tpr 是干体系（无溶剂）的 tpr 文件。2. virion_SARS-CoV-2.tar.xz 该压缩包包含 SARS-CoV-2 病毒粒子体系（无溶剂）的单条 MD 模拟轨迹。所提供的病毒粒子体系包含 1,753,865 个 CG 粒子（珠子）。溶剂化体系（未提供）包含 32,636,170 个 CG 粒子。virion.gro 是组装后未经能量最小化/平衡的干体系（无溶剂）。md_1us_noW_noions.gro 是体系经 NVT 和 NPT 平衡后的拓扑文件（无溶剂）。md_1us_noW_noions.xtc 是单条生产模拟轨迹（1 µs，无溶剂），每 10 ns 保存一次（共 100 帧）。md_virion.tpr 是病毒粒子体系的 tpr 文件。

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。