秘鲁利马San Juan de Lurigancho结核分枝杆菌分离株全基因组测序

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1526309

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。

数据说明

该BioProject包含2013年至2021年间从秘鲁利马圣胡安德卢里甘乔的肺结核患者中采集的88株结核分枝杆菌临床分离株的全基因组测序数据。我们从五家初级卫生保健中心的观察性研究中选取分离株，以涵盖时间、地理和耐药性多样性。我们在Illumina MiSeq平台上进行了全基因组测序。该数据集包括原始双端测序reads及相应的基因组组装结果，其生成目的是表征结核分枝杆菌谱系多样性、抗菌药物耐药性的基因组决定因素以及在该高结核病负担地区流行的菌株间的基因组相关性。我们还在已发表的利马大都会区和卡亚俄结核分枝杆菌基因组数据集的背景下对这些基因组进行了分析。

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。