人源GluN1-2A与Fab 003-102的ATD局部精修结构

该数据集为通过冷冻电镜解析的人源NMDA受体亚型GluN1-2A与Fab抗体003-102复合物的氨基末端结构域(ATD)局部精修结构,包含蛋白质三维结构数据,主要用于研究抗NMDA受体自身免疫性脑炎的结构与功能机制,支持结构生物学和神经免疫学领域的靶点分析与药物开发。

Protein Data Bank Japan
2025-05-21 更新
浏览 20
MEMBRANE PROTEIN/IMMUNE SYSTEM
Human GluN1-2A with Fab 003-102 Local refinement of ATD

基本信息

创建/更新时间
2025-05-21

资源简介

人源GluN1-2A与Fab 003-102的ATD局部精修结构

【数据集背景】

本数据集源站标题为《Human GluN1-2A with Fab 003-102 Local refinement of ATD》。

【数据内容】

源站原始描述:Channel, heterotetramer, receptor, antibody, MEMBRANE PROTEIN-IMMUNE SYSTEM complex

【数据结构与技术规格】

数据集 DOI:10.1038/s41594-024-01386-4。

【主题与分类】

主题标签:MEMBRANE PROTEIN/IMMUNE SYSTEM。

【获取与许可】

源站页面:https://www.rcsb.org/structure/8VUL

规范引用:Structural and functional mechanisms of anti-NMDAR autoimmune encephalitis. (2024) Nat.Struct.Mol.Biol

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://pdbj.org/mine/summary/8vul

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。

数据说明

该数据集是通过冷冻电镜技术(分辨率为3.83 Å)解析的人源NMDA受体亚型GluN1-2A与Fab抗体片段003-102复合物的氨基末端结构域(ATD)局部精修结构。数据包含003-102抗体的重链和轻链序列、离子型谷氨酸受体等蛋白质结构信息,由Michalski和Furukawa等研究人员于2024年提交至PDBj(Protein Data Bank Japan)。该结构源自《自然·结构与分子生物学》2024年发表的研究“Structural and functional mechanisms of anti-NMDAR autoimmune encephalitis”,主要用于揭示抗NMDA受体自身免疫性脑炎的分子机制,支持结构生物学、神经免疫学及药物靶点研究。

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。

获取专属数据定制方案