PRJEB77004：Castanet 流程验证研究

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJEB77004

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

我们的流程Castanet是专为靶向富集测序数据的多病原基因组分析设计的应用程序。为了验证我们的流程，我们使用了三个数据集：(a) 内部实验数据集；(b.1) 定制生成的合成数据集；(b.2) 公共数据集。本仓库包含数据集a和b.1。数据集a采用修改后的Twist协议生成，并在Illumina MiSeq上测序，所有相关工作均由研究作者完成。测序样本包括定量的病毒多重对照和来自英国健康（筛查过的）献血者的混合血浆样本（注意：所有人类序列读数已被去除，以符合伦理要求）。数据集b.1使用DWGSIM生成，包括基于马尔堡病毒和丙型肝炎病毒参考序列生成读数。详细信息请参见随附出版物（DOI待定）。

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。