bacbench抗生素耐药性蛋白质序列数据集
包含25,032个细菌基因组蛋白质序列及抗微生物药物耐药性标签，用于耐药性分类和MIC回归预测。
基本信息
资源简介
bacbench抗生素耐药性蛋白质序列数据集
【数据集背景】
本数据集源站标题为《macwiatrak/bacbench-antibiotic-resistance-protein-sequences》。源站首次发布：2025-05-05。
【数据内容】
源站原始描述：# Dataset for antibiotic resistance prediction from whole-bacterial genomes (protein sequences) A dataset of 25,032 bacterial genomes across 39 species with antimicrobial resistance labels. The genome protein sequences have been extracted from GenBank Each row contains whole bacterial genome, with spaces separating different contigs present in the genome. The antimicrobial resistance labels have been extracted from Antibiotic Susceptibility Test (AST) Browser accessed 23 Oct, 2024.) and in…
主表 binary_labels.csv 含 38 列、样本前 2000 行结构完整。
【数据结构与技术规格】
文件数 52 个，合计 34.22 GB。
【主题与分类】
主题标签：license:apache-2.0、size_categories:10K<n<100K、format:parquet、modality:text、library:datasets、library:dask、library:mlcroissant、library:polars、region:us、antibiotic。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。组学数据适用于生物标志物发现与分子分型相关建模研究。
【获取与许可】
源站页面：https://huggingface.co/datasets/macwiatrak/bacbench-antibiotic-resistance-protein-sequences
使用许可：apache-2.0。
【使用注意】
· 源站最后修改于 2025-08-21，引用时请注意版本时效。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("macwiatrak/bacbench-antibiotic-resistance-protein-sequences")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/macwiatrak/bacbench-antibiotic-resistance-protein-sequences
数据说明
本数据集包含25,032个细菌基因组（涵盖39个物种）的蛋白质序列，并带有抗微生物药物耐药性（AMR）标签。数据来源于GenBank，标签来自AST Browser，包括二分类（耐药/敏感）和最小抑菌浓度（MIC）回归值，适用于抗生素耐药性预测任务。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
完整数据卡：huggingface.co/datasets/macwiatrak/bacbench-antibiotic-resistance-protein-sequences
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。
