EticaHub实验室计算蛋白质设计数据集——癌症免疫治疗——运行5ab658e8-9ff4-4d5a-a480-8c79b579ddab

数据集获取

源站：https://doi.org/10.5281/zenodo.23668848

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 30.2 KB。

数据说明

计算数据集/研究审计记录，非经验证的治疗方案。本次单独运行包含来自1次报告迭代的3个归档候选方案。流程选中的候选方案为#0；其内部自动评级为弱。拟议研究问题（非已证实结果）：工程化改造分泌MOTS-c的CAR-T细胞，使其携带线粒体靶向结构域，以增强代谢适应性并防止在实体瘤微环境中耗竭。证据与局限性：仅为计算预测。未提供实验或临床证据。评分、自动检查及已解析标识符不能确立结合能力、新颖性、有效性、安全性或医学获益。存储的“已验证”评级为内部自动检查，并非同行评审或独立科学验证。下文中的假设、方法及成功标准为拟议研究，并非已进行的实验。检查点版本、随机种子及完整工具输入未由本归档导出确立；不主张精确重跑可复现性。

自动警告：低复杂度区域：14个12个氨基酸的窗口低于1.8比特 自动警告：折叠置信度：平均pLDDT为55 自动警告：三级结构：长程接触很少（0.00/残基）——单一二级结构元件 内部发布门槛：验证等级较弱 内部发布门槛：未解析到PubMed引用 内部发布门槛：未在UniProt中解析到命名靶标 内部发布门槛：未解析的靶标符号：MOTS、CAR、MTS 文件：证据报告、原始JSON、所有候选序列、来源清单、许可证及SHA-256校验和。已包含可用的预测坐标导出文件并明确标注；缺失结构未进行重建。AI辅助研究由EticaHub Labs自动驾驶程序生成。Deaven Mabry被列为负责项目创建者，隶属EticaHub Labs。所引用文献仍为原作者的作品；标识符解析不构成主张支持

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。