恶性疟原虫基因组监测：时空趋势、遗传与物理距离关联及家庭聚集性

数据集获取

源站：https://search.dataone.org/view/sha256%3Abf683b5837b9ec9ea9eb22edaae7ae2a349874fb81bbb94b7868b03139711430

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

利用基因组数据的分子流行病学有助于识别疟原虫种群结构、疟疾传播强度之间的关系，并最终帮助生成可用于评估疟疾控制策略有效性的可操作数据。基因组数据与地理信息系统数据相结合，可进一步识别疟疾传播的聚集区或热点、寄生虫的遗传与空间连通性，以及寄生虫随时间与空间通过人类或蚊虫移动的情况。在本研究中，我们对塞内加尔捷斯（Thiès）地区不同街区和家庭的70名参与者进行了为期四年的纵向基因组监测；该地区疟疾传播率极低（昆虫学接种率（EIR）小于1）。利用24个单核苷酸多态性分子条形码确定遗传同一性（状态同一性），并使用多变量线性回归模型建立遗传与空间关系。我们的结果……

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。