CANDO平台多尺度分析及胶质瘤最优治疗候选发现的数据与代码

数据集获取

源站：https://doi.org/10.5061/dryad.g4f4qrg3j

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 1.96 GB。

数据说明

胶质瘤是一种高度恶性的脑肿瘤，治疗选择有限。本数据集伴随我们的研究，包含使用新药机会计算分析（CANDO）平台进行多尺度治疗发现以预测新的胶质瘤疗法时所使用的计算资源。它包括用于生成蛋白质组规模相互作用特征的化合物-蛋白质相互作用评分；模拟化合物跨靶标行为的排序相似性和共识列表（由随附脚本生成）；以及所有基准测试输出，这些输出使用多种指标在多个截断值下衡量已批准药物的回收率，并在所有适应症中进行随机对照比较。共识排名靠高但先前与胶质瘤无关的化合物作为新预测提供，并附有文献佐证标签，共产生23种潜在治疗方法（例如，维生素D、紫杉烷类、长春花生物碱、拓扑异构酶抑制剂、叶酸；研究性化合物包括人参皂苷、白杨素、树脂毒素、隐丹参酮）。

我们还提供了顶级靶点表和功能注释摘要，重点展示了与这些化合物预测相互作用最强的蛋白质，包括维生素D3受体、甲状腺激素受体、乙酰胆碱酯酶、细胞周期蛋白依赖性激酶2、微管蛋白α链、二氢叶酸还原酶和胸苷酸合成酶。总体而言，这些文件支持重现我们的排名和基准测试，扩展至其他化合物库或适应症，并可利用论文中支持候选化合物识别的同一多靶点、多尺度框架，对靶点/通路进行查询和再利用。

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。