病毒-宿主基因组更新数据集v2
包含58,196条病毒基因组序列与宿主信息，用于研究宿主特异性与人畜共患潜力。
基本信息
资源简介
病毒-宿主基因组更新数据集v2
【数据集背景】
本数据集源站标题为《hiyata/Virus-Host-Genomes-updates-v2》。源站首次发布：2026-03-26。
【数据内容】
源站原始描述：# Virus-Host-Genomes Dataset ## Latest Update **Latest Update — v1.0.7 · 2026-09-01** **+420 sequences** (59,448 total) · 352 human (84%) · 68 non-human · 779 fetched · 359 QC rejected | Family | Added | Family | Added | ||:||:| | Picornaviridae | 264 | Adenoviridae | 44 | | Hepadnaviridae | 25 | Poxviridae | 22 | | Polyomaviridae | 15 | Flaviviridae | 14 | | Togaviridae | 13 | Papillomaviridae | 7 | | Rhabdoviridae | 7 | Orthoherpesviridae | 5 | | Astroviridae | 3 |…
文件 config.json 为 JSON 结构（顶层键：citation、description、features、homepage、indexing、license、splits、version）。
【数据结构与技术规格】
文件数 6 个，合计 822.35 MB。
【主题与分类】
主题标签：task_categories:text-classification、license:mit、size_categories:10K<n<100K、format:parquet、modality:text、library:datasets、library:dask、library:polars、library:mlcroissant、region:us。
【适用方向】
组学数据适用于生物标志物发现与分子分型相关建模研究。
【获取与许可】
源站页面：https://huggingface.co/datasets/hiyata/Virus-Host-Genomes-updates-v2
使用许可：mit。
【使用注意】
· 源站最后修改于 2026-09-01，引用时请注意版本时效。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("hiyata/Virus-Host-Genomes-updates-v2")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/hiyata/Virus-Host-Genomes-updates-v2
数据说明
该数据集包含58,196条病毒基因组序列及其宿主信息，提供病毒分类学、宿主、地理数据、分离来源和人畜共患潜力等元数据。数据来源于NCBI Virus和GenBank，经过标准化处理，支持宿主特异性遗传决定因素、人畜共患潜力及基于基因组的分类模型研究。数据分为训练集（52,071条）和测试集（6,125条）。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
完整数据卡：huggingface.co/datasets/hiyata/Virus-Host-Genomes-updates-v2
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。
