零散的泛宿主性：应用机器学习预测肠沙门氏菌与大肠杆菌的宿主特异性

数据集获取

源站：https://datashare.ed.ac.uk/handle/10283/2775

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

肠道沙门氏菌（Salmonella enterica）和大肠杆菌（Escherichia coli）是可在不同动物宿主中定植的细菌物种，其某些亚型可在人类中引起危及生命的感染。人兽共患病的来源归因是感染控制的重要目标，鉴定储存宿主中对人类健康构成威胁的分离株也同样重要。在本研究中，利用机器学习预测宿主特异性和人兽共患潜力，其中基于全基因组序列内容构建了支持向量机（SVM）分类器。对超过1000个 S. enterica 基因组的分析，使得能够正确预测 S. Typhimurium 分离株的来源宿主（准确率67%–90%），并且同一分类器随后可区分其他血清型（如 S. Dublin）的来源宿主。系统发育和 SVM 方法的一项关键发现是，大多数分离株被归入宿主特异性亚簇，并具有高宿主特异性 SVM 评分。此外，仅有一小部分分离株对多个宿主具有高概率评分，表明其为广宿主型，其遗传内容可能促进宿主间转换。同一方法正确区分了人源与牛源 E. coli 分离株（准确率83%），并使用 E. coli O157 证明了该分类器预测人兽共患威胁的潜力。研究表明，S. enterica 和 E. coli 均具有显著的宿主限制性，仅有限的分离株亚群在基因内容上表现出宿主泛嗜性。机器学习可以成功应用于探究细菌分离株的来源归因，并具备预测人兽共患潜力的能力。

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。