病原体基因组序列存储及时性：48,010条GenBank记录衍生数据集与分析代码

数据集获取

源站：https://doi.org/10.5281/zenodo.23459590

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 2.2 MB。

数据说明

衍生数据集及完整分析代码，用于测量GenBank中病原体基因组序列从标本采集到公开存缴之间的时间间隔。该数据集涵盖19种易暴发流行及WHO优先关注的病原体、198个国家和1994–2026年采集年份的48,010条可用记录，于2026年10月17–18日通过NCBI E-utilities检索获取。每条记录给出GenBank登录号、采集日期及其精度、提交日期、国家、宿主及宿主类别，以及计算得出的存缴滞后天数。代码可复现相关手稿中的全部统计量和图表，包括用于校正滞后分布右截断的Lynden-Bell非参数最大似然估计器。所有输入均为公开的GenBank记录；不含任何可识别患者身份的信息。数据以CC0协议发布，代码以MIT许可证发布。

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。