HPICDA：人类肺部感染条件依赖图谱补充表与修订分析（S1–S21b）
HPICDA 是人类呼吸道感染 CRISPR 功能缺失筛选的补充数据资源，包含 S1–S21b 完整源表、852,216 条基因×筛选调用记录、机会校正模型、5,000 次重复的等机会基准输出及面向读者的补充工作簿
基本信息
资源简介
HPICDA：人类肺部感染条件依赖图谱补充表与修订分析（S1–S21b）
HPICDA — Human Pulmonary Infection Conditional Dependency Atlas: supplementary tables and revision analyses (S1–S21b)
HPICDA 是人类呼吸道感染 CRISPR 功能缺失筛选的补充数据资源，包含 S1–S21b 完整源表、852,216 条基因×筛选调用记录、机会校正模型、5,000 次重复的等机会基准输出及面向读者的补充工作簿。数据覆盖 39 项人类呼吸道感染 CRISPR 筛选，并配有独立留出集对候选基因的裁定，可用于评估基线适应度感知的候选优先级、复现机会平衡基准及探索宿主—病原互作中的条件依赖（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）：HPICDA 资源论文的补充表与完整修订分析：对 39 项人类呼吸道感染 CRISPR 功能缺失筛选进行基线适应度感知的再分析，并对所得候选进行独立留出集裁定。1.1.0 版包含完整的源表 S1–S21b，包括完整的 S5_per_screen_calls.tsv.gz（852,216 条基因×筛选调用）、机会校正模型、5,000 次重复的等机会基准输出，以及面向读者的补充工作簿。等机会重采样将两个表面上相似的预测因子区分开来。病原体广度未保留稳健的配对优势，而独立发现单元命中的计数或频率可区分出经验证的基因。细胞背景被报告为探索性，因为其无法与留出集身份分离。
【主题与分类】
主题标签：CRISPR screen、host-pathogen interaction、respiratory infection、conditional dependency、baseline fitness、reproducibility、opportunity-balanced benchmark。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23550165
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/10.5281/zenodo.23550165
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 27.4 MB。
数据说明
HPICDA资源稿的补充表格与完整修订分析：对39项人类呼吸道感染CRISPR功能缺失筛选进行基线适应度感知的再分析，并对所得候选基因进行独立留出集裁定。版本1.1.0包含完整的源表格S1–S21b，其中包括完整的S5_per_screen_calls.tsv.gz（852,216个基因×筛选调用）、机会校正模型、5,000次重复的等机会基准输出，以及面向读者的补充工作簿。等机会重采样将两个表面上相似的预测因子区分开来。病原体广度未保留稳健的配对优势，而独立发现单元命中的计数或频率则能区分出经验证的基因。细胞背景被报告为探索性结果，因为其无法与留出集身份分离。
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。
