Robertium 假设目录：基于生物医学文献的跨领域药物重定位候选
该数据集来自 Robertium 开源平台，基于生物医学文献构建知识图谱，并应用 Swanson 的 ABC 推理模型，识别跨领域药物重定位候选
基本信息
资源简介
Robertium 假设目录：基于生物医学文献的跨领域药物重定位候选
Robertium hypothesis catalog: cross-domain drug repurposing candidates from biomedical literature
该数据集来自 Robertium 开源平台，基于生物医学文献构建知识图谱，并应用 Swanson 的 ABC 推理模型，识别跨领域药物重定位候选。数据覆盖胶质母细胞瘤、癫痫、ALS、阿尔茨海默病、胰腺癌和重度抑郁症六个治疗领域，共包含 672 条外展质量假设，其中 62 条高置信度、610 条中等置信度。每条假设描述药物 A 通过共享分子中介 B 可能影响另一领域结局 C，并附完整证据链、中介类型、谓词词表、质量分类及临床试验状态，可用于药物重定位假设生成与验证研究（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【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）：Robertium 是一个开源平台，用于基于文献的药物发现，通过将 Don R. Swanson 的 ABC 推理模型应用于从生物医学文献中提取的知识图谱，识别跨领域药物重定位候选。该数据集包含在六个治疗领域（胶质母细胞瘤、癫痫、ALS、阿尔茨海默病、胰腺癌和重度抑郁症）中发现的 672 条外展质量跨领域假设（62 条高置信度，610 条中等置信度）。每条假设描述一个候选，其中药物 A（在领域 X 中）可能通过共享分子中介 B 调节结局 C（在领域 Y 中）。所有假设均包括：- 完整证据链（A→B 和 B→C 两段的 PubMed ID）- 中介类型和谓词词表 - 外展质量分类（高/中）- 通过 ClinicalTrials.gov v2 API 获取的临床试验状态（active/completed/preclinical/none）- Literatur
【主题与分类】
主题标签：drug repurposing、literature-based discovery、Swanson ABC、knowledge graph、biomedical informatics、cross-domain、glioblastoma、Alzheimer disease、amyotrophic lateral sclerosis、pancreatic cancer。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.20110978
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.20110978
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:
数据集大小约 1.2 MB。
数据说明
Robertium是一个基于文献的药物发现开源平台，通过将Don R. Swanson的ABC推理模型应用于从生物医学文献中提取的知识图谱，识别跨领域药物重定位候选物。该数据集包含672个外展质量跨领域假设（62个高置信度，610个中等置信度），涵盖六个治疗领域：胶质母细胞瘤、癫痫、ALS、阿尔茨海默病、胰腺癌和重度抑郁症。每个假设描述了一个候选物，其中药物A（在领域X中）可能通过共享的分子介体B调节结果C（在领域Y中）。所有假设均包括：- 完整证据链（A→B和B→C两段的PubMed ID）- 介体类型和谓词词汇表- 外展质量分类（高/中）- 通过ClinicalTrials.gov v2 API获取的临床试验状态（进行中/已完成/临床前/无）- 通过PubMed E-utilities获取的文献状态（新信号/部分证据/重现已知）源语料库：99,132篇论文，47,255篇通过生物医学相关性过滤器（PubTator），通过DeepSeek V4 Flash提取了140,178条结构化声明。
该目录旨在作为研究者主导调查的起点。假设未经实验验证，不得影响临床诊疗。方法学和局限性见 robertium.com/method。模式版本：1.2格式：JSON生成日期：2026-05-10 源代码：https://github.com/routewise96/robertium网页界面：https://robertium.com
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
