流感大流行分子流行病学的实时表征

数据集获取

源站：https://search.dataone.org/view/sha256%3A6d77cfaba731f3f2b0236d69dc868ef836fda63cb50379ee21d518572dc552e1

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

大流行病的流行病学和演化的早期特征描述对于确定最合适的干预措施至关重要。在2009年甲型H1N1流感大流行期间，公共数据库从一开始就促进了基因序列数据的广泛共享。我们采用贝叶斯系统发育学方法，利用全基因组序列实时估算大流行病的演化速率、出现日期和内在增长率（r0）。我们研究了采样时间范围和数据集大小对参数估计精度和准确度的影响。在首例报告病例后仅两个月，即可从100个基因组中准确估计这些参数。在第二波大流行期间，早期有害突变从人群中清除，而生长模型的选择对于准确估计r0至关重要。这表明，简单的溯祖模型在大流行病期间能够迅速为干预策略提供信息，具有实用价值。

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。