Henneguya salminicola 的 PacBio 长读长基因组与转录组测序
数据属于感染与寄生虫病方向，主题标签为 Other。BioProject 记录将同一项目下产生的多种数据类型集中关联，便于用户在一个入口查找相关数据
基本信息
资源简介
Henneguya salminicola 的 PacBio 长读长基因组与转录组测序
PRJEB112836 是一个围绕 Henneguya salminicola 这一物种展开的 PacBio 长读长基因组与转录组测序项目，归属于感染与寄生虫病方向。该项目以 BioProject 的形式组织，源站标题为 Hsal_PB_HiFi_v1（ID 1532137），托管于 NCBI。BioProject 作为一种数据组织机制，将同一项研究计划下产生的多种数据类型集中关联，使用户能够通过单一入口检索到分散在不同数据库中的相关记录。对于关注寄生虫感染的研究者而言，该项目提供了从长读长测序角度切入的原始数据入口，主题标签归类为 Other，提示其内容可能涉及常规分类之外或跨类别的数据组织方式。以下从背景、内容、来源、适用场景、使用方法、质量与限制以及引用与许可等方面展开说明。
【数据集背景】
Henneguya salminicola 是一种与寄生虫病相关的生物，本项目聚焦于该物种的基因组与转录组测序。项目采用 PacBio 长读长测序技术，源站标题中出现的 HiFi 字样表明其数据与 PacBio 的高保真长读长模式相关。该 BioProject 由单一组织或联合体发起，围绕一个明确的研究计划汇集数据。感染与寄生虫病方向的研究通常需要可靠的基因组组装与转录表达信息，长读长测序在解析复杂基因组区域方面具有技术上的适用性，因此该项目在选题上契合寄生虫基因组学的研究需求。关于该物种的具体生物学特性、项目发起机构、资助来源及研究动机，源站未提供。
【数据内容】
该项目包含 PacBio 长读长测序产生的基因组与转录组数据。作为 BioProject 记录，它并不直接承载全部原始序列文件，而是提供指向该项目下各类数据的链接入口，使用户能够定位到基因组和转录组相关的数据资源。数据的具体类型涵盖长读长基因组测序与转录组测序两个层面。关于样本数量、测序深度、数据量大小、组装结果、基因注释信息以及转录本数量等具体指标，源站未提供。
【采集与来源】
数据来源于 NCBI 的 BioProject 数据库，源站为 ncbi.nlm.nih.gov。BioProject 记录由发起该研究计划的单一组织或联合体提交，用于集中管理同一项目产生的多种数据类型。该项目的源站标题为 Hsal_PB_HiFi_v1（ID 1532137），英文名称为 PRJEB112836: PacBio long-read genome and transcriptome sequencing of Henneguya salminicola。关于样本采集地点、采集时间、生物样本来源、测序平台的具体型号及建库流程等细节，源站未提供。
【适用场景】
该数据集适用于感染与寄生虫病方向的研究，尤其是需要利用 PacBio 长读长数据进行基因组组装、转录组分析或比较基因组学分析的场景。研究者可以通过该 BioProject 入口获取与 Henneguya salminicola 相关的基因组与转录组数据，用于基因结构解析、重复序列分析、转录本识别等工作。此外，由于 BioProject 将同一项目下的多种数据类型集中关联，该数据集也适合作为数据发现与整合的起点，帮助用户在一个入口查找分散的数据资源。关于该数据在临床诊断、药物靶点筛选或流行病学调查中的具体应用，源站未提供。
【使用方法】
用户可通过 NCBI 的 BioProject 数据库访问该记录，源站标题为 Hsal_PB_HiFi_v1（ID 1532137），项目英文名称为 PRJEB112836。通过 BioProject 页面，用户可以查找到该项目关联的基因组与转录组数据链接，进而跳转至相应的数据资源进行下载或在线分析。BioProject 的设计目的是提供单一入口以查找同一项目下的多种数据类型，因此建议用户先浏览项目概览，再根据研究需要定位到具体的数据子集。关于数据下载的具体格式、文件大小、是否需要专用工具处理以及分析流程建议，源站未提供。
【质量与限制】
该数据基于 PacBio 长读长测序技术产生，源站标题中的 HiFi 提示其可能具有较高的读长准确性，但关于数据质量的具体评估指标、错误率、覆盖度均匀性及组装完整性等信息，源站未提供。作为 BioProject 记录，其本身是数据组织的容器，不直接代表数据质量。用户在使用时应注意，BioProject 页面主要提供链接与元数据，实际数据的质量需依据具体数据文件及其配套说明判断。关于该项目的局限性、潜在偏差及使用注意事项，源站未提供。
【引用与许可】
该数据来源于 NCBI 的 BioProject 数据库，源站为 ncbi.nlm.nih.gov。关于该项目的引用方式、许可协议、使用条款及数据共享政策，源站未提供。用户在使用该数据时应遵循 NCBI 及 BioProject 的相关规定，并参考源站页面获取最新的引用与许可信息。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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/PRJEB112836
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
本研究提供了从俄勒冈州采集的宿主Oncorhynchus tshawytscha样本中获得的黏体动物寄生虫Henneguya salminicola的PacBio长读长基因组DNA和转录组测序数据（Q20），以及基于这些数据生成的de novo基因组组装。该项目旨在为该物种提供长读长基因组和转录组资源，并补充先前可用的短读长基因组资源。数据集包括原始PacBio DNA读长、原始PacBio RNA读长、一个基因组组装，以及整合到基因组提交中的BRAKER衍生的结构基因注释。这些资源将支持未来对黏体动物和其他刺胞动物基因组进化、基因内容和转录结构的研究。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
