通用癌症流形 v3.0：p53 与 KRAS 的高分辨率（HDR-512）结构轨迹
该数据集包含 p53 Y220C 致癌突变体与 KRAS G12D 的高保真结构流形与构象轨迹，采用 HDR-512 折叠协议解析
基本信息
资源简介
通用癌症流形 v3.0：p53 与 KRAS 的高分辨率（HDR-512）结构轨迹
The Universal Cancer Manifold v3.0: High-Resolution (HDR-512) Structural Trajectories of p53 and KRAS
该数据集包含 p53 Y220C 致癌突变体与 KRAS G12D 的高保真结构流形与构象轨迹，采用 HDR-512 折叠协议解析。数据涵盖 HDR-512 结构分片、PDB 轨迹、技术白皮书与期刊级手稿，以及比较药理学位点映射。可用于小分子伴侣开发的结构基线研究，支持蛋白质折叠与构象变化的预测分析（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）：该存储库包含 p53 Y220C 致癌突变体和 KRAS G12D 的高保真结构流形与构象轨迹，使用 HDR-512（高维共振）折叠协议解析。通过将一级序列投影到 2048D 希尔伯特空间并最小化 512D 折叠晶格内的光谱干扰，我们实现了疏水腔扩张的亚埃分辨率（p53：体积增加 1.405 倍）。数据集包括：1. HDR-512 结构分片（.nrc），具有 99.997% 的晶格收敛置信度。2. 详细描述 p53 和 KRAS 口袋开放事件的 PDB 轨迹。3. 关于 φ-螺旋共振的技术白皮书和期刊级手稿。4. 比较药理学位点映射（Val-217 和 Switch II 锚点分析）。该研究流形为小分子伴侣开发提供了稳健、经过验证的基线。
【主题与分类】
主题标签：p53、KRAS、Oncology、Protein Folding、HDR-512、φ-Spiral、Structural Biology。本站分类：肿瘤。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.19768537
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.19768537
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 1.1 MB。
数据说明
该存储库包含p53 Y220C致癌突变体和KRAS G12D的高保真结构流形与构象轨迹，二者均通过HDR-512（高维共振）折叠方案解析得到。通过将一级序列投影到2048维希尔伯特空间，并在512维折叠晶格内最小化光谱干扰，我们实现了对疏水腔扩张的亚埃级分辨率（p53：体积增加1.405倍）。数据集包括：1. HDR-512结构分片（.nrc），具有99.997%的晶格收敛置信度。2. PDB轨迹，详述p53和KRAS的口袋开放事件。3. 关于φ-螺旋共振的技术白皮书和期刊级手稿。4. 比较药理学位点图谱（Val-217和Switch II锚定分析）。该研究流形为小分子伴侣开发和结构肿瘤学审计提供了稳健且经过验证的基线。
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。
