在PMC（PubMed Central）数据集服务进行变更的背景下，科研人员若需合法批量获取包含历史OCR数据及作者手稿的大豆遗传学研究全文，应重点关注PMC提供的特定数据集和可用的自动化检索服务。
**关键服务与数据集的利用**
PMC提供了多个大型数据集，这些数据集的检索通常允许比传统版权作品更自由的再分配和再利用，例如采用知识共享（Creative Commons）许可协议。要进行系统性（或批量）检索，只能使用以下服务：PMC Cloud Service、PMC OAI-PMH Service、E-Utilities 和 BioC API。任何其他自动化过程进行检索都是被禁止的。
针对您关心的特定类型数据，PMC提供了以下数据集的访问指南：
1. **PMC开放获取子集 (PMC Open Access Subset)**：该子集包含数百万篇全文开放获取文章，这些文章通常根据知识共享或类似许可条款发布，允许进行二次分析和再利用。其许可条款包括商业用途允许（如CC0, CC BY, CC BY-SA, CC BY-ND）和仅限非商业用途（如CC BY-NC, CC BY-NC-SA, CC BY-ND）等不同级别。该子集可通过Cloud Service、PMC OAI-PMH Service、E-Utilities 和 BioC API进行访问。
2. **作者手稿数据集 (Author Manuscript Dataset)**：此数据集包含大量作者接受的手稿（AAMs）。其默认许可条款指出“此文件可用于文本挖掘。它也可以根据版权法的合理使用原则使用。”若AAMs包含知识共享许可，则可通过PMC开放获取子集获取。访问方式包括Cloud Service、PMC OAI-PMH Service、E-Utilities 和 BioC API。
3. **历史OCR数据集 (Historical OCR Dataset)**：此数据集包含在20世纪、19世纪和18世纪发表的文章的OCR文本文件，这些文章已作为NLM数字化项目的一部分添加到PMC。所有可供再利用的文章均具有知识共享许可，因此也包含在PMC开放获取子集中。访问该数据集的途径包括Cloud Service、PMC OAI-PMH Service、E-Utilities 和 BioC API。
**获取策略总结**
* **合规获取**：要进行自动化批量获取，必须使用PMC Cloud Service、PMC OAI-PMH Service、E-Utilities 或 BioC API。系统性检索必须通过这些指定的服务进行。
* **版权风险规避**：用户需直接且单独负责遵守版权限制，并必须遵守版权所有者设定的条款和条件。应参考每篇文章中的许可声明，以确定具体的适用条款。
* **服务变更注意**：请注意，PMC的Article Dataset Distribution Service已完成变更，所有旧的PMC Article Dataset文件已于2026年8月24日当周从FTP和Cloud服务中移除。
综上所述，科研人员应根据所需数据类型（如历史OCR、作者手稿或OA文章），选择相应的PMC数据集，并利用PMC提供的自动化服务接口（OAI-PMH、API等）进行合规的批量数据获取，同时密切关注每项数据的具体许可条款以确保二次分析的合法性。