Antibiotic Resistance in Bacteria|细菌耐药性数据集|抗生素研究数据集
收藏
- 青霉素首次应用于临床,标志着抗生素时代的开始,同时也引发了细菌抗药性的初步关注。
- 科学家首次系统性地研究了细菌对抗生素的抗药性,并开始收集相关数据。
- 世界卫生组织(WHO)建立了全球抗药性监测系统,开始定期发布抗药性数据报告。
- 首次发现多重抗药性细菌,引起了全球公共卫生领域的广泛关注。
- 美国疾病控制与预防中心(CDC)启动了国家抗药性监测计划,进一步系统化地收集和分析抗药性数据。
- 欧洲抗菌药物敏感性试验委员会(EUCAST)成立,致力于标准化抗药性测试方法和数据收集。
- 全球抗药性问题日益严重,多个国际组织和研究机构开始联合发布抗药性数据集,以促进全球合作和研究。
- 世界卫生组织发布了《全球抗菌素耐药监测系统(GLASS)报告》,标志着全球抗药性数据监测和报告体系的进一步完善。
- 随着基因测序技术的发展,抗药性细菌的基因组数据集开始大规模公开,为抗药性机制的研究提供了新的工具和资源。
- 1Antibiotic Resistance in Bacteria: A Global ChallengeWorld Health Organization · 2020年
- 2The Evolution of Antibiotic Resistance in Bacteria: Mechanisms and ConsequencesNature Reviews Microbiology · 2021年
- 3Global Trends in Antibiotic Resistance: A Comprehensive ReviewThe Lancet Infectious Diseases · 2022年
- 4Antibiotic Resistance: A Growing Threat to Public HealthCenters for Disease Control and Prevention · 2021年
- 5The Role of Genomics in Understanding Antibiotic ResistanceGenomics, Proteomics & Bioinformatics · 2022年
Google Scholar
Google Scholar是一个学术搜索引擎,旨在检索学术文献、论文、书籍、摘要和文章等。它涵盖了广泛的学科领域,包括自然科学、社会科学、艺术和人文学科。用户可以通过关键词搜索、作者姓名、出版物名称等方式查找相关学术资源。
scholar.google.com 收录
UniMed
UniMed是一个大规模、开源的多模态医学数据集,包含超过530万张图像-文本对,涵盖六种不同的医学成像模态:X射线、CT、MRI、超声、病理学和眼底。该数据集通过利用大型语言模型(LLMs)将特定模态的分类数据集转换为图像-文本格式,并结合现有的医学领域的图像-文本数据,以促进可扩展的视觉语言模型(VLM)预训练。
github 收录
CosyVoice 2
CosyVoice 2是由阿里巴巴集团开发的多语言语音合成数据集,旨在通过大规模多语言数据集训练,实现高质量的流式语音合成。数据集通过有限标量量化技术改进语音令牌的利用率,并结合预训练的大型语言模型作为骨干,支持流式和非流式合成。数据集的创建过程包括文本令牌化、监督语义语音令牌化、统一文本-语音语言模型和块感知流匹配模型等步骤。该数据集主要应用于语音合成领域,旨在解决高延迟和低自然度的问题,提供接近人类水平的语音合成质量。
arXiv 收录
ChemBL
ChemBL是一个化学信息学数据库,包含大量生物活性数据,涵盖了药物发现和开发过程中的各种化学实体。数据集包括化合物的结构信息、生物活性数据、靶点信息等。
www.ebi.ac.uk 收录
Movies Dataset
这个数据集包含电影的详细信息,包括电影名称、评分、类型、年份、发布日期、IMDb评分、投票数、导演、编剧、主演、制作国家、预算、总收入、制作公司和电影时长。
github 收录