PROBAC-Ec-323 大肠杆菌血流分离株临床投影队列

数据集获取

源站：https://doi.org/10.5281/zenodo.21961469

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。

数据集大小约 1.15 GB。

数据说明

PROBAC-Ec-323是一个外部临床投影队列，由来自BioProject PRJEB62601和西班牙多中心PROBAC血流感染研究的323株大肠埃希菌血流分离株组成。该队列用于评估固定的GENOMiCUS-4k泛基因组结构向临床菌血症分离株的转移。该记录包含323株分离株各自的1个FNA组装和1个权威GFF3注释。所有注释均使用Bakta v1.9.4及数据库v5.1（full）生成。原始Lancet_gff3注释用作基准输入；PanTA专用的兼容性副本被排除，尽管已确认全部323个副本与原始文件逐字节一致。全部323对FNA/GFF均通过精确序列验证。一个权威Bakta注释——ERR13306272，contig_50，clbK——使用显式枚举的14-bp环状起始/终止重叠。该例外被记录，且未修改任一源文件。在PanForge证据治理中，PROBAC-Ec-323被指定为VALIDATION，实施影响为LOGGED_ONLY。它已作为外部临床投影集进行过生物学分析，不得提升为HELD_OUT。

该队列支持研究“大肠杆菌泛基因组由代表水平与垂直遗传的共现基因集组织而成”。权利与重用：在保存者持有权利的范围内，原始队列的整理、选择、编排、元数据、文档、清单及衍生注释产物均按知识共享署名4.0国际许可协议授权。文件package_panforge_cohort.py按MIT许可证授权。底层分子序列记录源自公共存储库，仍受其原始提交者任何适用权利约束；本存储不对其重用施加额外限制。

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。