利用病毒组预测非模式生物新型免疫蛋白的数据

数据集获取

源站：https://doi.org/10.5061/dryad.tb2p4

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。

数据集大小约 211.8 MB。

数据说明

免疫学研究主要集中在少数模式生物上，而地球上大多数免疫系统仍未被探索。为了表征非模式生物的免疫系统，需要采用替代方法。病毒通过表达调节免疫反应的蛋白质来操纵宿主细胞生物学。我们假设，对病毒群落的宏基因组测序将有助于识别已知和未知的宿主免疫蛋白。为了验证这一假设，我们构建了一个模拟人类病毒组，并使用tBLASTn将其与人类蛋白质组进行比较，结果发现了36种已知参与免疫的蛋白质。随后，我们将同样的流程应用于造礁珊瑚，这是一种非模式生物，目前缺乏传统的分子工具，如转基因动物、基因编辑能力和体外细胞培养。从珊瑚中分离出的病毒组与预测的珊瑚蛋白质组进行比较，得到了2503种珊瑚蛋白质，其中包括许多与病原体感知和细胞凋亡相关的蛋白质。此外，还有159种珊瑚蛋白质被预测与珊瑚免疫有关，但目前缺乏任何功能注释。

这里描述的流程提供了一种快速预测宿主免疫成分的新方法，几乎可应用于任何系统，并有可能发现新的免疫蛋白。

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。