PRJEB108014：用于测试 OxBreaker 的重复参考数据集及未知暴发数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJEB108014

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

实时基因组监测是缓解医疗相关感染治疗成本不断上升的关键，但全基因组测序的成本以及对专业人才的需求限制了其在公共卫生领域的广泛应用。在此，我们推出"OxBreaker"，这是一个自动化且物种无关的分析流程，专为通过牛津纳米孔技术（ONT）测序的细菌和质粒基因组的高分辨率分析而优化。"OxBreaker"通过自动化参考序列选择和高精度变异检测，简化了从原始读段到系统发育推断的过渡过程，并可通过图形用户界面（GUI）访问，该界面可轻松在本地安装并由非专业人员操作。针对高优先级病原体的技术重复和生物学重复进行基准测试，结果表明其具有高准确性，常见物种的假阳性变异率降至0–4个SNP。我们通过准确表征先前发表的克隆性和质粒介导的暴发事件进一步验证了该流程，在提高可及性的同时重现了已有的系统发育关系。

通过提供一种稳定、可扩展、开源且兼容离线环境的解决方案，“OxBreaker”在达到短读长平台分辨率的同时保持了长读长技术的速度，从而促进了本地实时基因组监测的应用，服务于一线感染预防与控制。

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。