婴儿鼻腔基因目录

数据集获取

源站：https://doi.org/10.6084/m9.figshare.30227902

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 92.1 MB。

数据说明

关于早期干预如何塑造气道微生物组的功能研究仍然很少。在此，我们对来自囊性纤维化（CF）患儿和非CF婴儿的706份纵向鼻拭子进行了宏基因组测序，以构建并表征最大的、非冗余的婴儿鼻腔微生物组基因图谱。本研究纳入了来自两项前瞻性出生队列研究的婴儿数据：瑞士囊性纤维化婴儿肺部发育（SCILD）队列和巴塞尔-伯尔尼婴儿肺部发育（BILD）队列。在研究护士详细指导和演示后，研究参与者的父母从出生后第五周开始至出生后第一年结束，每两周采集一次前鼻拭子。拭子（FLOQSwabs® 516CS01；Copan，布雷西亚，意大利）置于培养基中（UTM-RT™置于螺旋盖管中；Copan，布雷西亚，意大利），平均在3天内用移液器转移至微量螺旋管（Sarstedt，尼尔恩布雷希特，德国）中，并储存于−80 °C冰箱直至进一步处理。宏基因组文库制备和测序由诺禾致源完成。基因组DNA被随机剪切为短片段。

将获得的片段进行末端修复、加A尾，并进一步连接Illumina接头。带有接头的片段经PCR扩增、片段大小选择和纯化。文库通过Qubit和实时PCR进行定量检查，并使用生物分析仪检测片段大小分布。定量后的文库混合，并在Illumina NovaSeq 6000平台上进行测序。原始reads经过质量控制，去除质量评分低、含接头序列或未识别核苷酸超过10%的reads。每个样本获得约40,000,000条原始reads（平均每个样本5.8 G原始数据）。微生物基因目录的生成与注释通过两轮使用BBmap（v38.84）（sourceforge.net/projects/bbmap/）将MGX reads比对到GRCh38.human人类参考基因组，去除人类DNA污染。第一轮去除

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。