PRJNA1516588：人类K562、hTERT RPE-1和A375细胞中病毒小ORF（smORFs）的混合功能筛选
数据来源于ncbi.nlm.nih.gov，本站归类为感染性疾病/其他。可用于研究病毒小ORF在人类细胞中的功能表现，支持感染性疾病相关分析
基本信息
资源简介
PRJNA1516588：人类K562、hTERT RPE-1和A375细胞中病毒小ORF（smORFs）的混合功能筛选
PRJNA1516588 是一个收录于 NCBI BioProject 数据库的研究项目，英文全称为 Pooled functional screens of viral small ORFs (smORFs) in human K562, hTERT RPE-1, and A375 cells。该项目围绕病毒小开放阅读框（smORFs）在人类细胞中的功能表现展开，涉及 K562、hTERT RPE-1 和 A375 三种人类细胞系，采用混合功能筛选策略。从数据分类角度看，本站将其归入感染性疾病 / 其他类别，主题标签为原始测序读长（Raw sequence reads）。该数据集可用于研究病毒小 ORF 在人类细胞中的功能表现，并支持感染性疾病相关分析，为病毒与宿主相互作用研究提供数据基础。
【数据集背景】
BioProject 是 NCBI 建立的一种项目级数据组织方式，用于汇集与某一项单一研究计划相关的各类生物学数据。按照 NCBI 的说明，一个 BioProject 记录来源于单一机构或联合体，其作用是为用户提供一个统一入口，以便查找该项目所产生的多种数据类型。PRJNA1516588 即属于此类项目记录，其研究主题聚焦于病毒小 ORF 在人类细胞中的功能筛选。病毒小 ORF 是近年来受到关注的研究对象，这类短序列可能编码具有调控或功能意义的短肽。该数据集以三种人类细胞系为实验体系，通过混合功能筛选的方式考察这些病毒小 ORF 的功能表现，属于感染性疾病研究范畴下的基础性数据资源。
【数据内容】
该数据集的主题标签为原始测序读长（Raw sequence reads），表明其数据内容以测序产生的原始读长为主。项目名称中提及的“Pooled functional screens”说明其采用混合筛选的设计思路，即在混合样本中对病毒小 ORF 进行功能层面的筛选。涉及的细胞系包括 K562、hTERT RPE-1 和 A375 三种人类细胞。除上述信息外，关于具体样本数量、测序平台、读长长度、数据量、筛选文库构建方式等细节，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“ID 1516588 - BioProject - NCBI”。其数据由 NCBI BioProject 数据库收录并对外提供访问。按照 BioProject 的一般定义，该项目记录来源于单一机构或联合体，用于汇集同一研究计划下产生的多种数据类型。关于具体的提交机构、研究团队、样本采集地点与时间、伦理审批信息等，源站未提供。
【适用场景】
依据其主题与分类，该数据集可用于研究病毒小 ORF 在人类细胞中的功能表现，并支持感染性疾病相关分析。具体而言，其混合功能筛选的设计与原始测序读长数据，可服务于病毒小 ORF 功能鉴定、病毒与宿主细胞相互作用探索等研究方向。所涉及的 K562、hTERT RPE-1 与 A375 三种细胞系，为在多种人类细胞背景下考察病毒小 ORF 的功能提供了实验体系。关于更具体的适用分析流程或下游应用，源站未提供。
【使用方法】
该数据集可通过 NCBI BioProject 数据库以项目编号 PRJNA1516588 进行检索与访问。用户可在对应的 BioProject 记录页面中查找该项目关联的各类数据链接。关于数据下载的具体方式、文件格式、分析工具与处理流程等，源站未提供。
【质量与限制】
该数据集来源于 NCBI BioProject 数据库，属于项目级记录。关于数据质量指标、测序深度、覆盖度、重复性、批次效应以及样本量等具体质量参数，源站未提供。使用时应结合项目记录页面中可获取的关联信息自行评估。此外，该数据集归入感染性疾病 / 其他类别，其适用范围应以实际数据内容为准。
【引用与许可】
关于该数据集的引用方式与许可条款，源站未提供。使用时应遵循 NCBI 及 BioProject 数据库的相关使用政策与条款。
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/PRJNA1516588
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
我们设计并筛选了由感染人类的病毒所编码的小开放阅读框（smORFs）混合文库。其中包括一个约50,000个元件的初始文库，涵盖病毒参考基因组中注释的编码序列和成熟肽，以及从ATG和CTG起始密码子识别出的未注释ORFs、反义链ORFs和序列打乱的阴性对照。一个聚焦富集文库重新合成了初筛中的命中序列和对照。文库通过慢病毒载体在人K562、hTERT RPE-1和A375细胞中表达，并通过元件条形码的扩增子测序进行检测。该BioProject包含文库组成以及三类混合筛选的原始测序数据：比较第10天与第0天元件丰度的增殖筛选；比较布雷菲德菌素A或毒胡萝卜素处理细胞与未处理细胞的化学内质网应激筛选；以及基于FACS的细胞表面MHC I类分子展示筛选，在有无干扰素刺激的条件下将细胞分选到高和低表达组。
这些数据揭示了能够改变人类细胞适应性、分泌途径应激耐受性和抗原呈递的病毒smORFs，并为病毒微蛋白质组的功能注释提供了资源。
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。
