利用粪便样本开发濒危物种健康监测的宏基因组方法

数据集获取

源站：https://search.dataone.org/view/sha256%3A8670cf0abb3fe14ba6e8fa65698c848bc2d24fc27ce88c37d6112e8a0a237fb4

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

粪便样本的宏基因组分析正逐渐成为监测濒危物种的有力工具，尤其在评估可能威胁种群存续力的病原体和寄生虫负荷方面。然而，由于非模式物种常缺乏宿主特异性病原体参考基因组，准确鉴定仍面临挑战。本研究开发了一个稳健的计算框架，通过将宏基因组序列比对至数据库中可用的参考基因组，来检测潜在致病细菌。研究分析了影响分析的若干关键参数，包括比对算法、数据库配置和鉴定参数，以优化检测的灵敏度和特异性。

将该方法应用于伊比利亚鼹鼠（Galemys pyrenaicus）——一种极度濒危的半水生哺乳动物——的新鲜粪便样本，我们鉴定出26种潜在致病菌，其流行率从孤立病例到近一半不等……，，，# 利用粪便样本开发濒危物种健康监测的宏基因组方法 ## 数据描述 数据由两部分组成：从23只伊比利亚鼹鼠的新鲜粪便样本中获得的FASTQ格式序列读段。内源性读段，即属于伊比利亚鼹鼠的读段，已被过滤掉，因此该数据集包含粪便样本的外源性DNA部分。对于每个个体（由文件名的前六个字母标识），提供读段1和读段2。

序列读取文件名如下：* BC2042.exogenous.1.fastq.gz、BC2042.exogenous.2.fastq.gz * BC2045.exogenous.1.fastq.gz、BC2045.exogenous.2.fastq.gz * BC2280.exogenous.1.fastq.gz、BC2280.exogenous.2.fastq.gz * BC2360.exogenous.1.fastq.gz、BC2360.exogenous.2.fastq.gz * BC2378.exogenous.1.fastq.gz、BC2378.exogenous.2.fastq.gz * BC2381.exogenous.1.fastq.gz、BC2381.exogenous.2.fastq.gz * BC2408.exogenous.1.fastq.gz、BC2408.exogenous.2.fastq.gz * BC2416.exogenous.1.fastq.gz、BC2416

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。