EpicNet

Hugging Face2025-10-26 更新2025-10-27 收录

生物信息学

免疫学

数据链接：

https://huggingface.co/datasets/gokulalex/EpicNet 数据链接链接失效反馈

官方服务：

资源简介：

EpicNet数据集是一个从免疫表位数据库（IEDB）和相关免疫信息学资源中提取的肽和蛋白质表位记录的整合。它标准化了线性肽表位的表示，交叉链接源分子、生物体和分类学参考，并在一致的本体映射下统一了元数据。该数据集支持生物信息学、表位预测的机器学习以及免疫疗法研究，提供了表位、其父蛋白质和相关的免疫上下文的对齐、结构化表示。

The EpicNet dataset is an integration of peptide and protein epitope records extracted from the Immune Epitope Database (IEDB) and related immunoinformatics resources. It standardizes the representation of linear peptide epitopes, cross-links source molecules, organisms and taxonomic references, and unifies metadata under a consistent ontology mapping. This dataset supports bioinformatics, machine learning for epitope prediction, and immunotherapy research, providing aligned, structured representations of epitopes, their parent proteins and associated immune contexts.

创建时间：

2025-10-22

原始信息汇总

EpicNet数据集概述

数据集摘要

EpicNet数据集是从免疫表位数据库（IEDB）和相关免疫信息学资源中提取的肽和蛋白质表位记录的精选集成
标准化线性肽表位表示，交叉链接源分子、生物体和分类学参考，并在一致的 ontology 映射下统一元数据
通过提供对齐的结构化表位表示、其亲本蛋白质和相关免疫背景，支持生物信息学、表位预测的机器学习和免疫治疗研究

支持任务与用例

表位-蛋白质映射：链接和分析抗原肽与其源蛋白质和生物体的关系
基于序列的表位预测：训练模型预测免疫原性肽段
抗原相似性和交叉反应性研究：比较不同物种的表位以用于疫苗开发
知识图谱集成：生成RDF/OWL图谱用于 ontology 驱动的免疫信息学
使用变换器或肽编码器（如ESM、ProtBERT）进行嵌入生成和表示学习

数据集结构

记录数量：2,308,224行，代表肽-蛋白质关联
平均肽长度：8-35个氨基酸
近似数据集大小：85.8 MB（原始TSV）/ 156 MB（Parquet）

数据来源与出处

IEDB（免疫表位数据库）：规范表位和抗原关系
UniProt/NCBI蛋白质：序列级参考
NCBI分类学：标准化生物体标识符
每个条目将标识符映射到IEDB IRI，提供国际可追溯的交叉链接

语言与数据格式

序列表示：氨基酸单字母代码（A-Y）
元数据字段：英语标签和 ontology 类术语
格式：TSV/Parquet（具有结构化元数据的CSV兼容）

预期用途

计算免疫学流程（例如T细胞/B细胞表位分类器微调）
免疫网络的基于图的表示
病原体和宿主之间的比较肽分析
大规模蛋白质-表位预训练的基础数据集

限制与伦理考虑

数据集反映实验或计算精选的肽序列；并非所有记录都经过实验验证
由于同源物或预测类似物，某些肽段出现在不同物种中
用户必须在临床或诊断应用中验证NCBI分类学和UniProt ID
数据集不包含个人可识别数据或临床元数据

引用

如果您使用此数据集，请引用：
Gokul Alex (2025). EpicNet – International Epitope Database Peptide Network. Hugging Face Datasets.
可用地址：https://huggingface.co/datasets/gokulalex/EpicNet

许可证

知识共享署名4.0国际许可证（CC BY-4.0）

数据集创建与维护

作者：Gokul Alex
发布日期：2025年10月
版本：v1.0
联系方式：https://huggingface.co/gokulalex

示例条目

json { "IEDB IRI": "http://www.iedb.org/epitope/1", "Object Type": "Linear peptide", "Name": "AA + MCM(A1,A2)", "Modified Residue(s)": "A1,A2", "Modifications": "Main chain modification", "Starting Position": 200, "Ending Position": 201, "Source Molecule": "Streptokinase", "Source Molecule IRI": "https://uniprot.org/uniprot/P10520", "Source Organism": "Streptococcus pyogenes", "Species": "Streptococcus pyogenes serotype M3 D58" }

致谢

数据来源于IEDB联盟、NCBI和UniProt KB
在EpicNet数据倡议下的编译、集成和 ontology 对齐

搜集汇总

数据集介绍

构建方式

在免疫信息学领域，EpicNet数据集通过系统整合来自免疫表位数据库（IEDB）及关联资源的肽段与蛋白质表位记录构建而成。该过程采用标准化流程统一线性肽表位的表示方式，将源分子、生物体及分类学参照进行交叉关联，并基于一致性本体映射整合元数据。数据源自IEDB的权威表位-抗原关系、UniProt/NCBI的蛋白质序列参考以及NCBI分类学标识，每条记录均映射至可国际追溯的IEDB国际资源标识符，确保数据溯源性与跨平台兼容性。

使用方法

在计算免疫学应用场景中，研究者可借助该数据集开展表位-蛋白质映射分析，训练序列驱动的表位预测模型，或构建基于知识图谱的免疫网络。数据可直接嵌入免疫信息学流程，用于微调T细胞/B细胞表位分类器，或作为蛋白质-表位预训练的基础数据集。使用时需注意通过NCBI分类学与UniProt标识符验证临床适用性，并利用其RDF/OWL兼容特性集成至本体驱动的分析框架。

背景与挑战

背景概述

免疫信息学领域长期面临抗原表位数据分散化与标准化缺失的瓶颈，EpicNet数据集于2025年由Gokul Alex主导构建，系统整合了免疫表位数据库（IEDB）及关联生物信息学资源的肽段与蛋白质表位记录。该数据集通过统一线性肽表位表征框架，建立源分子、生物体与分类学参照的交叉关联，为表位预测模型训练、免疫治疗机制解析及跨物种抗原比较研究提供了结构化数据基础，显著推进了计算免疫学与生物医学人工智能的融合发展。

当前挑战

在表位-蛋白质映射任务中，需解决短肽序列空间稀疏性导致的特征提取难题，以及同源蛋白表位交叉反应性引发的预测特异性不足问题。数据集构建过程中面临原始数据异构性挑战，包括IEDB实验记录与计算预测结果的可靠性分层、多源生物数据库标识符的语义对齐，以及肽段修饰信息在机器学习表征中的标准化转换，这些因素共同增加了数据整合与质量控制的复杂度。

常用场景

经典使用场景

在免疫信息学领域，EpicNet数据集常被用于构建抗原表位与蛋白质之间的映射关系。通过整合来自IEDB等权威资源的线性肽表位记录，该数据集支持序列层面的表位预测任务，例如训练机器学习模型识别免疫原性肽段。其标准化的氨基酸序列表示和统一的元数据框架，为跨物种抗原相似性研究提供了可靠基础，尤其在疫苗开发中用于分析病原体与宿主的免疫交叉反应性。

解决学术问题

该数据集通过结构化整合多源免疫表位数据，解决了表位预测模型中数据异构性和标注不一致的学术难题。其提供的肽-蛋白质关联网络支持知识图谱构建，推动了基于本体的免疫信息推理研究。同时，标准化的分类学标识和蛋白质交叉引用机制，为研究病原体进化保守性与免疫逃逸机制提供了关键数据支撑，显著提升了计算免疫学研究的可重复性与跨数据库可比性。

实际应用

在实际应用中，EpicNet为精准医疗中的免疫疗法设计提供了数据基础。临床研究人员可利用其肽段序列与宿主蛋白的关联数据，筛选特异性T细胞表位用于个性化癌症疫苗开发。制药企业通过分析跨物种表位保守性，加速广谱疫苗的候选抗原鉴定。此外，该数据集支持的嵌入表示学习技术，已应用于高通量免疫受体筛选平台，提升免疫诊断试剂的开发效率。

数据集最近研究