CRISPR-B WP2 变异处理与全基因组关联分析数据集（88只雄蜂；单标记分析与弹性网正则化）

数据集获取

源站：https://doi.org/10.5281/zenodo.23417390

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。

数据集大小约 1.40 GB。

数据说明

变异检测与过滤 使用基因组分析工具包（GATK）进行SNP和插入缺失（indel）的检测。具体而言，使用GATK4（版本：4.2.6.1）对每个样本进行SNP和indel的检测与判定。由于测序对象为雄蜂，在GATK HaplotypeCaller中将“倍性（ploidy）”指定为1。低质量SNP在满足以下任一条件时被剔除（GATK VariantFiltration）：QD < 2.0 || FS > 60.0 || MQ < 40.0 || MQRankSum < -12.5 || ReadPosRankSum < -8.0。低质量indel在满足以下任一条件时被剔除（GATK VariantFiltration）：QD < 2.0 || FS > 200.0 || SOR > 10.0 || MQRankSum < -12.5 || ReadPosRankSum < -8.0。 单标记分析与弹性网回归 最终数据以标准变异调用格式（VCF）文件存储，其中检出的变异（SNP和indel）按染色体分组。使用R（版本2024.04.1+748）和RStudio进行单标记分析（SMA）和惩罚弹性网回归。经过不同过滤步骤后，剩余的SNP和indel通过Fisher精确检验并结合Bonferroni校正进行检验。

对于弹性网络回归，未改变的变量是所有88个样本均有检出的SNP和插入缺失（N = 1.149.592）以及样本的表型（DWV-B阴性（0）；DWV-B阳性（1））。为选择最优的lambda和alpha，alpha从1到0.1以0.1为步长改变，lambda对100个不同值重复测试。对于每个alpha值，确定了在λmin和λ1.se处模型所包含变异的数量及正确分类的百分比。内容：2个txt文件，代表经过一些修改后的SNP和INDEL数据集（outcome_SNPs.txt；outcome_indels.txt）；2个txt文件，代表对SNP和INDEL进行初始SMA（单标记分析）的结果（outcome_SNPs_with_naive_p.txt；outcome_indels_with_naive_p.txt）；3个txt文件，代表用于构建Manhatten图的过滤后SMA结果（target_variants_lef

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。