TREM2结合物设计数据集
包含TREM2蛋白结合物设计序列、结合强度与结构预测数据，用于AI代理设计效果比较，与阿尔茨海默病相关。
基本信息
资源简介
该数据集包含TREM2蛋白结合物的设计数据，涉及序列、结合强度、结构预测等信息，用于比较不同AI代理的设计结果，属于阿尔茨海默病相关蛋白结合物研究。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
git clone https://github.com/agitter/agentic-TREM2-binders.git
curl -L -o repo.zip https://github.com/agitter/agentic-TREM2-binders/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Comparison of Muni and Anthropic agentic TREM2 binder design results
This repository compares AI agents’’ designs of TREM2 protein binders that were recently shared by Muni and Anthropic.
All artifacts except those in /data are from Claude Opus 5.
The code may not run locally, and external software dependencies are not provided.
METHODS_ARCHIVE.md provides an overview of the analyses, limitations, and software Claude used.
Workflow overview
STAGE 1 two collections (100 designs) artifacts unsuffixed, figures unchanged
=======================================================================================
designs.fasta filter target=TREM2> 90 seqs, 3 workflows -+
design_summary.csv binder_final> 72 bind / 18 not -+
+> 100 designs
Muni CSV (utf-8-sig) binding_strength> 9 Strong / 1 null -+ (null = expression
muni_files.zip 10 Boltz2 complexes-+ failure, a measured
negative)
TREM2.zip predicted_boltz2_1to1.cif> chain matched BY SEQUENCE > 100 binder PDBs
(chain B here, chain A in designed.cif)
|
+> Foldseek TM-align, exhaustive > 100x100 TM max-symmetrized> tm_all.npy
| \-> CIGAR backtrace > superposition
|
\> Biopython BLOSUM62 semi-global > 100x100 % identity > sid_all.npy
(cross-checked vs MMseqs2)
tm_all > Louvain modules > community-seeded force layout > node positions (FROZEN)
\> edges at TM >= 0.80 -+
sid_all \> edges at identity >= 40% -+> same positions, two edge layers
structures > superpose onto global medoid > py2Dmol best_view (ONE shared frame)
> tube render, hue = workflow > node bitmaps
|
binders x2 panels <-+-> non-binders x2 panels
\-> combined x2 panels, hue = binder status
STAGE 2 add the hackathon (200 designs)
## 数据加载示例（表格/文本类）
```python
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 阿尔茨海默病 的高质量、多模态真实临床数据定制解决方案。
