日本血吸虫毛蚴全基因组扩增与简化基因组测序数据

数据集获取

源站：https://doi.org/10.5061/dryad.8091q

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 736.4 MB。

数据说明

背景：在已实施血吸虫病控制规划的地区，发病率和患病率已大幅降低。然而，要维持这些下降并迈向阻断传播，需要新的疾病监测工具。基因组学方法有潜力帮助追踪新感染的来源，并使我们能够监测耐药性。血吸虫物种的大规模基因分型工作一直受到成本、已建立目标位点数量有限以及从毛蚴（最易从人体获得的生命阶段）中获得的DNA量少等因素的阻碍。在此，我们提出一种利用下一代测序的方法，为基于人群的研究提供来自日本血吸虫（S. japonicum）的高分辨率基因组数据。

方法/主要发现：我们对保存于Whatman FTA卡上的单个日本血吸虫毛蚴应用了全基因组扩增，随后进行双酶切限制性位点相关DNA测序（ddRADseq）。我们发现，可以从存档长达六年的毛蚴中，有效且一致地检测来自10,000至30,000个位点的数十万个变异。对来自四川两个村庄的三位宿主的八个毛蚴进行变异分析显示，即使在这一有限样本中，也存在按村庄和宿主划分的清晰群体结构。

结论/意义：这种高分辨率测序方法所产生的信息量，比过去十年一直使用的微卫星基因分型方法多三个数量级，从而为回答有关人类感染来源的详细问题以及监测耐药性创造了可能。每个样本的成本为50-200美元，具体取决于所需的序列信息量；我们预计，随着测序成本持续下降、实验方案改进和并行化，这些成本还能进一步降低。这种方法为利用现代基因组规模采样进行日本血吸虫监测带来了新希望。

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。