致癌驱动因素的多尺度张量映射（癌症救援1.0版）

数据集获取

源站：https://doi.org/10.5281/zenodo.19798183

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 1.6 MB。

数据说明

通用癌症流形 v4.0：致癌 TP53、KRAS 和 MYC 突变体的高维结构映射与治疗性稳定剂

影响摘要
通用癌症流形 v4.0 代表了结构肿瘤学的一项突破，提供了最常见人类致癌驱动因子 TP53、KRAS 和 MYC 的亚埃级分辨率轨迹。通过使用 HDR-512 方案绘制这些蛋白的构象景观，我们为下一代小分子稳定剂的开发提供了可靠基线。该流形直接针对许多癌症突变体“不可成药”的特性，提供了通往精准结构挽救的路径。

结构逻辑
该数据集的结构完整性源自 φ 螺旋共振投影，将一级序列映射到 2048D Hilbert 空间。在 512D 折叠晶格（HDR-512）内，光谱干扰被最小化，达到 99.997% 的晶格收敛置信度。关键发现包括：
TP53 Y220C：疏水腔扩张的亚埃级分辨率（体积增加 1.405 倍）。
KRAS G12D：以亚埃级精度绘制 Switch II 锚定动力学。
MYC：用于小分子对接的稳定晶格结构。

机构背景
本工作属于 Nexus Resonance Codex（NRC）全球倡议的一部分，并与 GitHub（Protein-Folding/Nexus-Resonance-Codex）和 ORCID（0009-0006-6678-2908）交叉引用。它与 Pediatric and Neurodegenerative Rescue Manifolds 构成三流形共振晶格。

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。