全球Klebsiella pneumoniae基因组队列组成数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.23283049

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 5.7 MB。

数据说明

本数据集支持研究“ deposited-assembly usability and raw-read rescue influence genomic cohort composition in a global Klebsiella pneumoniae collection”。它包含 accession 级别的清单、衍生统计表、图源数据、分析代码、软件版本信息以及基因组输入来源的记录。最终分析队列包含 42,589 个基因组：40,093 个保留的已存组装和 2,496 个由原始读长衍生出的替换。两个输入组均使用通用的组装后标准进行评估。该存档包括所有 42,589 个基因组在 340 个项目中的 BioProject 映射，以及描述性的项目级敏感性分析。精确类别敏感性终点与分组的主要终点不同；等权重项目分析和项目自举区间为探索性的。版本 1.6.0 增加了测序平台注释和与补充表 S6 对应的恢复处理命令来源。与历史原始衍生输入清单相关的所有 2,497 个 run accession 均被 European Nucleotide Archive 注释为 Illumina 双端测序。

恢复的 fastp 和 Shovill 命令为 2,486 条记录建立了输入到输出路径的对应关系。其余 11 条记录的完整 fastp 命令未能恢复。这些恢复的命令记录了处理来源，并不证明每个处理步骤均成功完成，也不构成新验证的重建流程。在 44,278 条合格记录中，1,670 条用于另一项独立研究，故被排除在本分析之外；17 条因所提交的组装结果不符合输入标准且原始读段下载尝试未成功而被排除。记录这 17 条排除情况的记录级日志无法获取。历史可分析输入清单包含 42,591 条记录；物种裁定从每个输入来源中排除了一个基因组，最终得到 42,589 个基因组的队列。此版本

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。