OpenVirus
OpenVirus是一个包含1570万病毒序列的全面数据集，涵盖所有已知病毒分类群，用于训练LucaVirus模型。
基本信息
资源简介
OpenVirus
【数据集背景】
本数据集源站标题为《LucaOne/LucaVirus》。源站首次发布：2025-05-28。
【数据内容】
源站原始描述：LucaVirus: Modeling the Evolutionary and Functional Landscape of Viruses with a Unified Genome-Protein Language Model # LucaVirus LucaVirus: Modeling the Evolutionary and Functional Landscape of Viruses with a Unified Genome-Protein Language Model ## TimeLine ### **2026/01/01** OpenVirus Datasets are now available on HuggingFace. The corpus comprises 15.7 million non-redundant viral sequences (including 10.4 million nucleotide sequences and 5.2 million protein sequences). This large-scale datase…
【主题与分类】
主题标签：ai、ai4nature、ai4science、ai4virus、artificial-intelligence、deeplearning、fundational-model-for-virus、llm、llm-for-virus、llm4virus。
【适用方向】
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://github.com/LucaOne/LucaVirus
使用许可：Apache-2.0。
【使用注意】
· 源站最后修改于 2026-05-25，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
git clone https://github.com/LucaOne/LucaVirus.git
curl -L -o repo.zip https://github.com/LucaOne/LucaVirus/archive/refs/heads/master.zip
unzip repo.zip
源站 README 摘录（使用方式）
5. Environment Installation
step1: update git
1) centos
sudo yum update
sudo yum install git-all
2) ubuntu
sudo apt-get update
sudo apt install git-all
step2: install python 3.9
1) download anaconda3
wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh
2) install conda
sh Anaconda3-2022.05-Linux-x86_64.sh
Notice: Select Yes to update ~/.bashrc
source ~/.bashrc
3) create a virtual environment: python=3.9.13
conda create -n lucavirus python=3.9.13
4) activate lucavirus
conda activate lucavirus
step3: install other requirements
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
Create kernel(Optional)
conda activate lucavirus
conda install ipykernel
python -m ipykernel install user name lucavirus display-name “Python(LucaVirus)”
install kernels for Jupyter
jupyter kernelspec list
remove kernel
jupyter kernelspec uninstall lucavirus
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))
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。
