宏基因组数据中病毒实体的基因组分箱：CAMISIM模拟数据集与基因组-114641

数据集获取

源站：https://doi.org/10.5281/zenodo.5676246

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 3.30 GB。

数据说明

从宏基因组数据中对病毒实体进行基因组分箱

作者：Joachim Johansen1,2，Damian R. Plichta2，Jakob Nybo Nissen1,3，Marie Louise Jespersen1,4，Shiraz A.

Shah5、Ling Deng6、Jakob Stokholm5,6、Hans Bisgaard5、Dennis Sandris Nielsen6、Søren Sørensen7、Simon Rasmussen1

所属机构

1 哥本哈根大学健康与医学科学学院诺和诺德基金会蛋白质研究中心，丹麦哥本哈根北区
2 麻省理工学院和哈佛大学布罗德研究所传染病与微生物组项目，美国马萨诸塞州剑桥
3 丹麦国家血清研究所病毒与微生物特殊诊断部，丹麦哥本哈根
4 丹麦技术大学国家食品研究所，丹麦孔恩斯灵比
5 哥本哈根儿童哮喘前瞻性研究（COPSAC），哥本哈根大学赫勒夫和根措夫特医院，丹麦哥本哈根
6 哥本哈根大学理学院食品科学系食品微生物学与发酵教研室，丹麦哥本哈根
7 哥本哈根大学理学院生物学系微生物学教研室，丹麦哥本哈根

方法描述

我们使用CAMI联盟官方方法创建组装和宏基因组图谱，比较了VAMB和MetaBAT2的病毒分箱性能。

为此，我们构建了3种不同的宏基因组组合，包含多达308个参考基因组；一种混合了细菌、质粒和病毒，用于测试复杂样本中的分箱，即高多样性(1)；一种仅含crass样病毒，用于测试高度相似病毒的分箱，即高相关性(2)；以及一组小病毒(<6,000 bp)，包括Microviridae家族成员，以解决大小偏差问题(3)。细菌基因组来自NCBI的refseq基因组库2021版，质粒来自PLSDB数据库(v. 2021_06_23)，病毒基因组来自近期的MGV数据库。数据集A包含了细菌(N=8)、质粒(N=20)和病毒(N=280)的混合物，用于测试复杂样本中的分箱，即高多样性。数据集

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。