基本信息

模态

基因组

任务类型

预测

创建/更新时间

2026-10-23

资源简介

wbbL突变导致O-抗原丢失在大肠杆菌血流感染中常见且与死亡率增加相关

该数据集围绕大肠杆菌血流感染中O-抗原丢失现象展开，核心关注wbbL基因突变导致O-抗原缺失这一机制，以及该现象与患者死亡率升高之间的关联。数据集以基因组学为主题，属于感染性疾病领域的其他类数据资源，来源于omicsdi.org。从整体定位看，它为研究者理解大肠杆菌血流感染的分子流行病学特征和致病机制提供了一个专门的数据集合，适合用于探索细菌表面抗原变异与临床结局之间的关系。以下从背景、内容、来源、应用、使用方式、质量与引用等方面对该数据集作进一步说明。

【数据集背景】

大肠杆菌是血流感染的重要病原体之一，其表面O-抗原作为脂多糖的组成部分，在宿主免疫识别和细菌致病过程中具有重要作用。O-抗原的合成涉及多个基因，其中wbbL基因参与相关生物合成过程。该数据集所对应的研究主题指出，由wbbL突变引起的O-抗原丢失在大肠杆菌血流感染中较为常见，并且与死亡率增加存在关联。这一主题将细菌基因组层面的变异与临床感染结局联系起来，属于感染性疾病与基因组学交叉的研究方向。数据集的建立正是为了支撑对这一现象的深入分析。

【数据内容】

该数据集的主题标签为Genomics，表明其内容属于基因组学范畴。数据集名称直接反映了其关注的核心科学问题，即wbbL突变导致的O-抗原丢失及其与大肠杆菌血流感染死亡率的关系。关于数据集内部具体包含的样本数量、测序数据类型、基因注释信息、临床结局字段等详细内容，源站未提供。因此，无法在此列举具体的数据表结构或变量清单。

【采集与来源】

该数据集来源于omicsdi.org。源站对该数据集的描述与其英文名称一致，均指向wbbL突变、O-抗原丢失与大肠杆菌血流感染死亡率之间关联这一研究主题。关于样本采集地点、采集时间范围、纳入标准、测序平台或临床数据收集流程等具体采集信息，源站未提供。

【适用场景】

基于其主题，该数据集可适用于感染性疾病研究中对大肠杆菌血流感染分子特征的探索，例如分析wbbL基因突变与O-抗原表型的关系，或考察O-抗原丢失与临床预后之间的关联。它也适合作为基因组学背景下细菌抗原变异研究的参考数据。由于具体数据字段和规模未在源站描述中给出，实际适用场景的边界需结合数据本身进一步确认。

【使用方法】

源站未提供该数据集的具体使用方法，包括数据下载方式、文件格式、分析流程或配套工具等信息。使用者需依据omicsdi.org上的数据集条目自行获取相关说明。

【质量与限制】

源站未提供关于数据质量评估、完整性、准确性或已知偏差的说明。由于缺乏样本规模、测序深度、临床数据完整性等具体指标，无法对该数据集的质量作出判断。使用时应注意到源站描述仅覆盖主题层面，详细的技术与临床元数据需另行核实。

【引用与许可】

源站未提供该数据集的引用方式或许可信息。使用者在引用或再利用该数据集前，应查阅omicsdi.org上的原始条目以获取相关要求。

原始链接

https://omicsdi.org/dataset/project/PRJNA1424981

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务（收技术服务费，非数据销售）

暂未开放

当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站：https://omicsdi.org/dataset/project/PRJNA1424981

标准获取流程：

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

O-抗原因wbbL突变而丢失的现象常见，并与大肠杆菌血流感染死亡率增加相关

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