PRJEB115773：紧凑型附属基因组特征预测大肠杆菌种复合体肠外致病潜力
数据围绕大肠杆菌种复合体展开，聚焦于利用紧凑型附属基因组特征预测其肠外致病潜力，属于感染性疾病相关研究。源站描述说明 BioProject 是围绕单一研究计划、来自单一机构或联盟的生物学数据集合，为用户提供查找该项目所产生多种数据类型的统一入口
基本信息
资源简介
PRJEB115773：紧凑型附属基因组特征预测大肠杆菌种复合体肠外致病潜力
PRJEB115773 是一个围绕大肠杆菌种复合体（E. coli species complex）展开的生物学研究项目，其英文全称为“A Compact Accessory-Genome Signature Predicts Extra-Intestinal Pathogenic Potential Across the E. coli Species Complex”。该项目在 NCBI BioProject 数据库中的记录标题为“ExPEC-ID (ID 1532144) - BioProject”，来源站为 ncbi.nlm.nih.gov，本站将其归类于感染性疾病 / 其他。从整体上看，该数据集聚焦于利用紧凑型附属基因组特征来预测大肠杆菌种复合体的肠外致病潜力，属于感染性疾病相关研究范畴。BioProject 作为围绕单一研究计划、来自单一机构或联盟的生物学数据集合，为用户提供查找该项目所产生多种数据类型的统一入口，而本数据集正是这一框架下的具体记录。
【数据集背景】
该数据集所对应的研究计划致力于探索大肠杆菌种复合体的肠外致病潜力预测问题。大肠杆菌种复合体包含多种类型，其中部分菌株具有引起肠道外感染的能力，这类菌株通常被称为肠外致病性大肠杆菌（ExPEC）。该研究提出利用紧凑型附属基因组特征（compact accessory-genome signature）来预测菌株的肠外致病潜力，这一思路属于感染性疾病研究领域。源站标题中的“ExPEC-ID”可能指代该研究项目或相关标识，而 BioProject 记录 ID 为 1532144。该数据集的主题标签为“Other”，本站分类为“感染性疾病 / 其他”。
【数据内容】
源站未提供关于该数据集具体数据内容（如样本数量、基因组序列、特征列表、预测模型细节等）的详细说明。已知的信息仅包括：该 BioProject 围绕大肠杆菌种复合体展开，研究内容涉及利用紧凑型附属基因组特征预测肠外致病潜力。BioProject 作为数据集合，通常包含与单一研究计划相关的多种数据类型，但本记录中具体包含哪些数据文件、数据格式或数据量，源站未提供。
【采集与来源】
该数据集的来源站为 ncbi.nlm.nih.gov，源站标题为“ExPEC-ID (ID 1532144) - BioProject - NCBI”。BioProject 记录本身由 NCBI 维护，其描述指出 BioProject 是围绕单一研究计划、来自单一机构或联盟的生物学数据集合。关于该具体项目的样本采集地点、采集时间、采集方法、所属机构或联盟等详细信息，源站未提供。
【适用场景】
基于现有信息，该数据集适用于感染性疾病相关研究，特别是针对大肠杆菌种复合体肠外致病潜力的预测分析。研究人员可能利用该数据集来探索附属基因组特征与致病性之间的关联，或用于开发、验证预测模型。然而，由于源站未提供具体的数据类型和内容，无法进一步明确其适用的具体分析场景或应用方向。
【使用方法】
源站未提供关于该数据集具体使用方法的说明。通常，BioProject 记录为用户提供查找该项目所产生多种数据类型的统一入口，用户可通过该入口访问相关数据。但针对本数据集的具体访问方式、数据下载链接、分析工具或操作步骤，源站未提供。
【质量与限制】
源站未提供关于该数据集质量评估、数据完整性、准确性或局限性等方面的信息。已知的潜在限制包括：该数据集仅围绕大肠杆菌种复合体展开，研究结论可能不适用于其他物种；其预测方法基于紧凑型附属基因组特征，可能受限于特征选择范围和模型泛化能力。但这些均属于领域常识性讨论，源站未提供针对本数据集的具体质量与限制说明。
【引用与许可】
源站未提供关于该数据集的引用格式、许可协议或使用条款等信息。用户如需引用或使用该数据集，应参考 NCBI BioProject 记录页面（ID 1532144）及相关来源站点的最新说明。
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://ncbi.nlm.nih.gov/bioproject/PRJEB115773
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。
- OpenDataLab:
数据说明
肠外致病性大肠杆菌（ExPEC）是全球范围内人类血流感染和尿路感染的主要致病原因。基于基因组数据将ExPEC与共生性及肠道致病性大肠杆菌区分开来仍具有挑战性，原因在于其毒力因子具有异质性，且不同谱系携带的基因组成各异。我们开发了ExPEC-ID，这是一种机器学习分类器，基于经过整理的去冗余人类相关大肠杆菌基因组数据集进行训练。从最初收集的超过270000个公开基因组中，经过元数据筛选、质量过滤以及去除近乎相同的基因组后，最终获得19137个基因组用于模型训练（其中11036个标注为ExPEC，8101个标注为非ExPEC）。基于树的模型在70%的训练集上采用10折交叉验证进行训练，并在独立的30%留出集上进行评估。所得分类器均取得了较为稳健的性能，其中最佳分类器在留出集上的AUC为0.95（95% CI：0.95-0.96），精确率为0.90（0.89-0.91），召回率为0.95（0.94-0.95），特异性为0.85（0.84-0.87）。
递归特征消除显示，130个ExPEC相关基因足以进行稳健分类，相较于完整特征集实现了超过60倍的降维。关键预测特征包括已知的ExPEC毒力因子，涉及P菌毛介导的黏附、铁获取和荚膜生物合成。ExPEC-ID在涵盖多种人类临床表现和测序平台的8474个独立收集的ExPEC基因组中进行了真实世界验证，确认了分类性能。将ExPEC-ID应用于（宏）基因组数据集，揭示了动物肠道微生物组、废水宏基因组和伴侣动物分离株中ExPEC样信号的升高。ExPEC-ID提供了一种从基因组数据中进行ExPEC检测和监测的新方法。该工具可作为Python命令行工具在https://github.com/aldertzomer/ExPECID获取。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
