NASA洁净室与临床环境Acinetobacter lwoffii基因组适应数据集
数据包含四株分离株(三株来自洁净室,一株来自爱尔兰临床直肠拭子),并与NCBI公开的105株质量过滤基因组进行比较,覆盖种群结构、AMR基因、毒力相关位点、质粒内容及应激相关基因组特征

基本信息
资源简介
NASA洁净室与临床环境Acinetobacter lwoffii基因组适应数据集
该数据集来自NCBI,聚焦Acinetobacter lwoffii在NASA Marshall Space Flight Center洁净室与临床环境中的基因组适应。数据包含四株分离株(三株来自洁净室,一株来自爱尔兰临床直肠拭子),并与NCBI公开的105株质量过滤基因组进行比较,覆盖种群结构、AMR基因、毒力相关位点、质粒内容及应激相关基因组特征。可用于研究该菌的环境适应、耐药与致病潜力(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Acinetobacter lwoffii是一种环境广泛分布、与人类相关的物种,可导致机会性感染,并能获得临床相关的抗菌药物耐药(AMR)决定因子。本研究对四株A. lwoffii分离株进行了比较基因组与表型特征分析:其中三株分离自NASA Marshall Space Flight Center洁净室,一株为编码碳青霉烯酶、分离自爱尔兰常规直肠拭子的临床分离株。这些分离株与来自NCBI的公开、经过质量过滤的A. lwoffii基因组(n=105)进行背景比较,以评估种群结构、AMR基因、毒力相关位点、质粒内容及应激相关基因组特征。分析数据集揭示了四个具有广泛地理和来源代表性的基因组谱系。MSFC洁净室分离株分布在两个谱系中,ind
【主题与分类】
主题标签:Genome sequencing。本站分类:感染性疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1473696
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://ncbi.nlm.nih.gov/bioproject/PRJNA1473696
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
洛菲不动杆菌是一种在环境中广泛分布、与人类相关的物种,可导致机会性感染,并能获得具有临床意义的重耐药决定因子。本研究开展了比较基因组学和表型特征分析,重点关注四株洛菲不动杆菌分离株:其中三株分离自NASA马歇尔太空飞行中心的洁净室,另一株为产碳青霉烯酶临床分离株,分离自爱尔兰一次常规直肠拭子。我们将这些分离株与NCBI公开的、经过质量过滤的洛菲不动杆菌基因组(n=105)进行背景比对,以评估种群结构、重耐药基因、毒力相关位点、质粒内容及应激相关基因组特征。分析数据集揭示了四个基因组谱系,具有广泛的地理和来源代表性。MSFC洁净室分离株分布于两个谱系中,表明存在多次引入或洁净室相关种群本身具有多样性,而非简单的局部克隆扩增。
爱尔兰临床分离株属于L4谱系,携带质粒相关的blaNDM-1,与对头孢他啶(>32 mg/L)、美罗培南(8 mg/L)和亚胺培南(>4 mg/L)的表型耐药一致。相比之下,三株洁净室分离株表现出有限的表型抗菌药物耐药性,但编码保守的应激反应系统,包括DNA修复、氧化应激防御、伴侣蛋白和蛋白酶相关基因。洁净室分离株在联合暴露于干燥、真空、质子辐照和紫外线后仍保持存活,支持其在测试条件下耐受空间相关环境应激源的能力。比较基因组和表型分析揭示了鲁氏不动杆菌在清洁、低营养环境中持续存在、耐受空间相关应激以及获得临床重要抗菌药物耐药决定因素的能力。这些发现凸显了其与未来封闭式NASA栖息地的潜在相关性。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




