建筑环境与ESKAPE模拟群落的宏基因组组装基因组（长读长标签化与PacBio HiFi测序）

数据集获取

源站：https://doi.org/10.5281/zenodo.23577179

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 442.6 MB。

数据说明

该数据集包含从建成环境样本中回收的234个完整宏基因组组装基因组（cMAGs），以及从ESKAPE模拟微生物群落中回收的84个高质量宏基因组组装基因组（HQ-MAGs），这些数据是研究“长读长转座酶法解锁建成环境中低输入DNA的可扩展、可及的基因组解析宏基因组学”的一部分。建成环境MAGs是从德克萨斯州韦科市贝勒大学九栋大学宿舍采集的淋浴排水样本中回收的。样本采用减体积（0.5×）LongPlex转座酶法方案处理，结合Takara LongSeq扩增和PacBio HiFi测序，最终获得234个完整的单contig MAGs，其中52%在GTDB R232中缺乏种水平匹配。ESKAPE MAGs由包含铜绿假单胞菌、鲍曼不动杆菌、屎肠球菌、金黄色葡萄球菌和肺炎克雷伯菌的五成员模拟群落生成。文库采用无PCR和LongPlex转座酶法-PCR两种方法制备，DNA输入量、反应体积和PCR预混液各不相同。

基因组组装是基于每个样本下采样至100，000条reads的测序数据生成的，以便对MAG的回收率和质量进行标准化比较。数据集以两个压缩档案的形式提供，分别包含完整的建成环境MAG（complete_MAGs_all_rRNAs.tar.gz）和高质量的ESKAPE MAG（ESK_HQ_MAGs.tar.gz）。

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。