具有泛癌治疗效力的小分子蛋白组装调节剂数据集
该数据集来自 Dryad,聚焦两种结构不相关的小分子化学型 PAV-617 与 PAV-951 的抗癌效力研究。两者分别具有抗 Mpox 病毒和抗 HIV 活性,并表现出泛癌细胞毒性、合理药代动力学及小鼠活性浓度下无毒性

基本信息
资源简介
具有泛癌治疗效力的小分子蛋白组装调节剂数据集
Data from: Small molecule protein assembly modulators with Pan-Cancer therapeutic efficacy
该数据集来自 Dryad,聚焦两种结构不相关的小分子化学型 PAV-617 与 PAV-951 的抗癌效力研究。两者分别具有抗 Mpox 病毒和抗 HIV 活性,并表现出泛癌细胞毒性、合理药代动力学及小鼠活性浓度下无毒性。其抗肿瘤特性在 A549 人肺癌小鼠异种移植中得到验证,其中一种化学型还在 HT-29 结直肠癌中验证。化合物靶向不同的瞬时能量依赖多蛋白复合物,处理后可改变这些复合物,似乎解除对癌症生存和进展至关重要的稳态连接阻断。数据可用于泛癌治疗相关预测研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2024。
【数据内容】
源站描述(机器翻译,仅供参考):两种结构不相关的小分子化学型,分别以化合物 PAV-617 和 PAV-951 为代表,在细胞培养中分别具有抗 Mpox 病毒(曾称猴痘病毒)和抗人类免疫缺陷病毒(HIV)活性,被研究其抗癌效力。每种化合物均表现出明显的泛癌细胞毒性、合理的药代动力学,以及在小鼠活性浓度下无毒性。两种化学型的抗肿瘤特性均在小鼠异种移植中针对 A549 人肺癌得到验证,其中一种化学型还针对 HT-29 结直肠癌得到验证。这些化合物的靶点非常规:每种化合物结合不同的瞬时、能量依赖的多蛋白复合物。用这些化合物处理会以似乎移除一种阻断的方式改变靶多蛋白复合物,该阻断对癌症生存和进展至关重要,位于一个稳态连接上。
【主题与分类】
主题标签:Chemical synthesis、xenograft、Cell cultures、NCI-60。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.k3j9kd5hf
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.k3j9kd5hf
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 141.4 KB。
数据说明
本研究探讨了两种结构无关的小分子化学型(分别以化合物PAV-617和PAV-951为代表,它们在细胞培养中分别对Mpox病毒(曾称为猴痘病毒)和人类免疫缺陷病毒(HIV)具有抗病毒活性)的抗癌效果。每种化合物均表现出明显的泛癌细胞毒性、合理的药代动力学特征,并且在有效浓度下对小鼠无毒。两种化学型的抗肿瘤特性均在小鼠异种移植模型中针对A549人肺癌得到验证,其中一种化学型还针对HT-29结直肠癌进行了验证。这些化合物的靶点非常规:每种化合物分别与不同的瞬态、能量依赖性多蛋白复合物结合。使用这些化合物处理会改变靶点多蛋白复合物,其方式似乎解除了对不受控增殖与凋亡之间稳态联系的关键阻断,而这一阻断对癌症的生存和进展至关重要。这些化合物为开发新型、下一代、无毒、泛癌疗法提供了起点。
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。




