系统发育动力学推断中固定树拓扑假设有效性评估

数据集获取

源站：https://search.dataone.org/view/sha256%3A62646770360e9e5c41904efd1d1c6e00f89086df469c7287363dabaf4e6b10d0

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

固定树拓扑在系统发育动力学分析中被广泛用于减轻计算负担，但这一假设的后果仍未被充分理解。在此，我们系统评估了多种固定拓扑策略对系统发育和系统发育动力学参数估计的影响，涵盖多样化的病毒数据集。我们将完全贝叶斯联合推断与固定拓扑策略进行比较，包括以最大似然树为条件、随后用LSD或TreeTime进行定年。我们的分析表明，替换模型和位点模型的全局参数对固定拓扑假设基本稳健，而依赖于树的时间结构的参数——如分子钟速率、节点年龄和种群历史——则可能表现出显著偏差。我们确实将无约束贝叶斯分析视为参考，尽管我们也认识到这些同样是基于模型的近似。尽管如此，我们的结果凸显了严重的不一致……，，# 数据来源：评估系统发育动力学推断中固定树拓扑假设的有效性 Mathieu Fourment, Jiansi Gao, Marc A Suchard, Frederick A Matsen IV.

评估系统发育动力学推断中固定树拓扑假设的有效性。arXiv:2511.22005 (2025) — ## 1. 存储库概述 系统发育动力学分析从带时间戳的基因序列中推断流行病学和进化量——例如某次暴发的共同祖先年代、病原体的进化速率以及病原体有效种群大小随时间的变化。这些量与系统发育树联合估计，计算成本高昂，因此一种常见的捷径是将树拓扑固定为事先获得的单一点估计。相关手稿量化了这种捷径对所得估计值的改变程度。本存储库包含重现这些分析所需的输入。

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。