DeepHeal用HepG2药物扰动蛋白质组学处理数据

数据集获取

源站：https://doi.org/10.5281/zenodo.23399715

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 2.1 MB。

数据说明

该数据集支持“DeepHeal：一种用于计算药物重定位的可解释蛋白质组学优先框架”中的18种特征HepG2分析。它包含所提供的经处理的蛋白质log2倍数变化（相对于DMSO）、相应的18 × 9,960对齐特征矩阵、Average-194和SupCon-257冻结共识表示、特征覆盖度、化合物元数据以及36个保存的RealTabPFN-v2.5预测结果。HepG2细胞用18种化合物在10微摩尔浓度下处理24小时，设生物学重复。17个候选特征谱提供于一个经处理的表格中（6,442个蛋白质行），MI-773则提供于单独表格中（7,520个蛋白质行）。所提供的对比为平均后的特征谱。未包含单个重复的强度值和原始质谱文件。这与早期的367化合物数据集和遗留的17特征谱数据集不同。对齐矩阵使用归档的HCT116蛋白质顺序，对缺失/非有限特征进行零填充，并将绝对值不超过0.15的log2FC值设为零。两个分支均使用冻结的模型组件；未在HepG2上进行拟合或阈值调优。

Average-194 是主分析（14/18 阳性判定），SupCon-257 是敏感性分析（15/18）。这些是假定阳性面板的回收结果，并非特异性或平衡准确度估计。评分为未校准的筛选读数。36 行代表对 18 份谱图的两种分析。1.0.0 版打包了 2026 年 10 月 5 日现有的冻结分析输出。数据附带 README、字段字典、实验元数据和 SHA-256 校验和。源代码和仪器原始数据不在本次处理后数据发布范围内。联系人：李华（lihua@fjtcm.edu.cn）和陈丽霞（syzyclx@163.com）。资助：国家自然科学基金（U24A20784）；福建省科技创新联合资金项目（2024Y9503）；福建省自然科学基金（2025J01929）；福建[后续文字不完整]高层次人才科研启动基金。

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。