PRJNA1148154：东南亚白蚊亚群按蚊
该数据集来自NCBI，收录了从东南亚不同地区及印度东北部采集的野生白蚊亚群（Leucosphyrus group）按蚊标本
基本信息
资源简介
PRJNA1148154：东南亚白蚊亚群按蚊
PRJNA1148154 是一个来自 NCBI 的原始测序数据数据集，收录了从东南亚不同地区及印度东北部采集的野生白蚊亚群（Leucosphyrus group）按蚊标本。这些按蚊标本均经过 Illumina NovaSeq 6000 SP 流动池测序，采用 150bp 双端读长。该数据集在分类上归属于感染 / 寄生虫病方向，主题标签为原始序列读长（Raw sequence reads）。从研究目的看，这批数据用于研究该蚊群成员之间的系统发育关系，以及这些蚊虫宿主选择行为的演化。整体而言，该数据集为研究东南亚及印度东北部白蚊亚群按蚊的遗传背景与演化问题提供了原始测序读长层面的基础数据。
【数据集背景】
白蚊亚群（Leucosphyrus group）是按蚊属中的一个类群，其成员分布于东南亚及印度东北部等地区。该数据集所对应的研究关注两个核心问题：一是该蚊群内部成员之间的系统发育关系，二是这些蚊虫宿主选择行为的演化。围绕这两个问题，研究者从不同地区采集野生型按蚊标本并开展测序，从而形成本数据集。数据集在 NCBI 来源站登记，主题标签为原始序列读长，说明其提供的是测序产生的原始读长数据，而非经过组装、注释或变异检测等下游处理的结果。
【数据内容】
数据集的内容为按蚊标本的原始测序读长。每份蚊虫标本均使用 Illumina NovaSeq 6000 SP 流动池进行测序，读长为 150bp 双端。数据以原始序列读长形式组织，主题标签亦标注为 Raw sequence reads。除上述测序平台、流动池类型与读长配置外，源站未提供关于数据文件数量、单个样本数据量、总数据量、读长质量分布或样本编号等更细粒度的信息。
【采集与来源】
标本为野生型按蚊，属于白蚊亚群（Leucosphyrus group），采集地点覆盖东南亚不同地区以及印度东北部。采集对象为野生蚊虫标本，每份标本分别进行测序。数据来源站为 ncbi.nlm.nih.gov。关于具体采集时间、采集生境、标本保存方式、样本数量及采集地点的详细名录，源站未提供。
【适用场景】
基于数据内容与研究目的，该数据集适用于以下方向：研究白蚊亚群内部成员之间的系统发育关系；探讨该蚊群宿主选择行为的演化；以及围绕东南亚与印度东北部野生按蚊标本开展群体遗传学或演化生物学分析。由于数据为原始测序读长，使用方通常需要自行完成读长质控、比对或组装等上游处理步骤，才能进入上述分析。源站未提供该数据集在其他具体应用场景中的验证信息。
【使用方法】
使用该数据集时，需注意其为原始序列读长，读长形式为 150bp 双端，测序平台为 Illumina NovaSeq 6000 SP 流动池。使用方应根据自身研究问题，对原始读长进行相应的质控与下游分析。关于数据下载方式、文件组织格式、是否提供参考基因组或比对流程等具体使用说明，源站未提供。
【质量与限制】
该数据集为原始序列读长，未提供经过组装或注释的序列产物。源站未提供关于测序质量值分布、污染评估、样本重复性、覆盖度或其他质量控制指标的信息。由于标本为野生采集，其具体采集背景与样本元数据在源站描述中亦未详细给出。使用方在开展系统发育或演化分析时，需自行评估数据质量并补充必要的元数据。
【引用与许可】
源站未提供该数据集的引用方式与许可条款信息。使用方在引用或再利用该数据集前，应前往 NCBI 来源站查询相应的引用要求与使用许可。
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/PRJNA1148154
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
从东南亚不同地区及印度东北部采集了属于白跗按蚊群的野生型按蚊。每只蚊虫标本均使用Illumina NovaSeq 6000 SP流动池进行测序，采用150bp双端读长。该数据集用于研究该群成员间的系统发育关系以及这些蚊虫宿主选择性的演化。
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。
