全球公共Klebsiella pneumoniae基因组集合中已存组装可用性与原始读段挽救的方法学评估数据与分析材料

数据集获取

源站：https://doi.org/10.5281/zenodo.23130262

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 4.8 MB。

数据说明

本数据集支持研究《全球公共肺炎克雷伯菌基因组集合中已存组装可用性与原始读段挽救的方法学评估》。它包含登录号级别的清单、衍生统计表、图源数据、文档、软件版本信息和分析代码。在44,278条具有地理定位信息的合格记录中，有1,670条已用于另一项研究，故被排除在本分析之外。另有17条因已存组装不符合输入标准且原始读段下载尝试未成功而被排除。因此，历史可分析输入清单包含42,591条记录（40,094个公共组装和2,497个原始读段衍生输入）。物种裁定从每个来源各排除一条记录，剩余42,589个基因组：40,093个公共组装和2,496个原始读段衍生基因组。13条失败或未完成的原始读段尝试通过公共组装途径得以保留，未计入1,687条排除之列。

1.5.0版新增了全部42,589个最终基因组的BioProject映射，覆盖340个项目，并加入了项目层面的描述性敏感性分析、更新后的记录处置表，以及修订后的图1和图S1材料。锁定的主要队列和主要统计结果保持不变。精确类别敏感性终点与分组主要终点不同；等权重项目分析和项目自助法置信区间为探索性分析。基因组组装和原始读长通过脚本、下载工具以及从存储库网页手动下载的组合方式获取。优先评估已存缴的组装，当已存缴组装无法获取或不符合输入标准时，尝试进行原始读长重建。无法恢复精确的历史读长预处理命令。接头修剪和质量过滤参数不在本次存缴的可重复性声明范围内。记录级日志记录了17项排除

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。