数据集概述
本数据集包含2017年4月从EnteroBase获取的2218个大肠杆菌公开基因组组装数据及元数据，另含119个INNUENDO项目的产志贺毒素大肠杆菌基因组。数据覆盖全基因组（wgMLST）和核心基因组（cgMLST）方案、等位基因谱及菌株元数据，支持大肠杆菌的基因分型研究。
文件详解
- 元数据文件：
- Metadata/Ecoli_metadata.txt：文本格式，含菌株来源分类、宿主分类、分离国家/年份、血清型、致病型、pubMLST 7基因ST分型、组装来源/方法及Enterobase条码等字段
- 基因组文件：
- Genomes/目录：含119个INNUca v3.1组装的基因组（对应元数据文件中菌株），EnteroBase组装需通过条码从指定链接下载
- 方案文件：
- Schema/Ecoli_wgMLST_7601_schema.tar.gz：压缩格式，含7601个位点的wgMLST方案（chewBBACA格式）
- Schema/Ecoli_cgMLST_2360_listGenes.txt：文本格式，含2360个位点的cgMLST基因列表（定义为99%以上基因组中存在的位点）
- 等位基因谱文件：
- Allele_Profiles/Ecoli_wgMLST_alleleProfiles.tsv：TSV格式，2337个大肠杆菌基因组的wgMLST等位基因谱（缺失位点按chewBBACA标注）
- Allele_Profiles/Ecoli_cgMLST_alleleProfiles.tsv：TSV格式，2337个大肠杆菌基因组的cgMLST等位基因谱（缺失位点标注为0）
数据来源
EnteroBase、INNUENDO Sequence Dataset（PRJEB27020）
适用场景
- 大肠杆菌分子分型研究：基于wgMLST和cgMLST方案进行菌株基因分型与亲缘关系分析
- 流行病学调查：通过元数据与基因谱关联，追踪大肠杆菌菌株的传播路径
- 基因组进化分析：探究大肠杆菌基因组结构变异及核心基因保守性
- 致病机制研究：对比产志贺毒素等不同致病型大肠杆菌的基因组特征
- 公共卫生监测：为食源性或水源性大肠杆菌疫情的溯源提供基因数据支持
