鸭腺病毒4型Fiber2 knob及同源禽腺病毒纤维头分子动力学分析数据
该数据集包含选定的处理后分子动力学坐标、衍生结果、分析定义、可用的模拟输入、复现脚本和验证记录,支持研究“鸭腺病毒4型Fiber2 knob结构域的晶体结构与分子动力学”

基本信息
资源简介
鸭腺病毒4型Fiber2 knob及同源禽腺病毒纤维头分子动力学分析数据
该数据集包含选定的处理后分子动力学坐标、衍生结果、分析定义、可用的模拟输入、复现脚本和验证记录,支持研究“鸭腺病毒4型Fiber2 knob结构域的晶体结构与分子动力学”
Molecular dynamics analysis data for the duck adenovirus 4 Fiber2 knob and homologous avian adenovirus fibre heads
【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):该数据集包含选定的处理后分子动力学坐标、衍生结果、分析定义、可用的模拟输入、复现脚本和验证记录,支持研究“鸭腺病毒4型Fiber2 knob结构域的晶体结构与分子动力学”。数据包涵盖与PDB登录号27HU相关的DAdV-4 Fiber2 knob模型的三条1000 ns轨迹、一条1000 ns替代模型敏感性对照,以及7VXO和2VTW同源物各三条1000 ns轨迹。所含材料支持结构偏差、波动、二级结构、环区动力学、相关性、主成分和采样构象分布的选定分析。同源连接器RMSF比较使用500–1000 ns区间;处理后的7VXO Cα轨迹及相关RMSD分析覆盖0–1000 ns。数据包包含一个
【主题与分类】
主题标签:分子动力学、鸭腺病毒4型、Fiber2 knob、禽腺病毒、结构偏差、主成分分析、构象分布。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.23631874
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/10.5281/zenodo.23631874
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:
数据说明
本数据集包含精选的处理后分子动力学坐标、衍生结果、分析定义、可用的模拟输入、复现脚本及验证记录,以支持研究《鸭腺病毒4型Fiber2 Knob结构域的晶体结构与分子动力学》。该数据包涵盖与PDB登录号27HU相关的DAdV-4 Fiber2 knob模型的三个1000 ns轨迹、一个1000 ns替代模型敏感性对照,以及7VXO和2VTW同源物各三个1000 ns轨迹。所含材料支持对结构偏差、波动、二级结构、环区动力学、相关性、主成分及采样构象分布的部分分析。同源连接子RMSF比较采用500–1000 ns区间;处理后的7VXO Cα轨迹及相关RMSD分析覆盖0–1000 ns。数据包包含SHA-256文件清单及数值一致性检查记录。数据包相对的7VXO复现脚本重新生成了八个存档CSV表格,无数值差异。
这是一个分析数据包,而非原始模拟轨迹或重启检查点的完整存档。验证所确立的是指定保存分析的一致性,并不证明能够复现整个手稿工作流程、系综收敛或生物学功能。各组件README文件和PACKAGE_SCOPE.md描述了所包含的材料及其局限性。
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。




