数据集概述
本数据集为甲型流感病毒基因组监测设计的K-mer基数据库，包含50个亚型的独特子序列，涵盖18种血凝素（HA）和11种神经氨酸酶（NA）亚型。基于NCBI 2022年5月数据构建，通过泛基因组工具生成亚型特异性及共享序列，支持高效亚型分类。
文件详解
该数据集以ZIP压缩包形式提供，包含对应74、150、300核苷酸读长的三个文件夹，每个文件夹内文件说明如下：
- 核心文件（按功能分类）：
- 可分配数据文件（1_dispensable.fasta至8_dispensable.fasta）：FASTA格式，包含甲型流感病毒8个基因组片段的可分配基因组片段
- 独特数据文件（1_unique.fasta至8_unique.fasta）：FASTA格式，包含各片段的独特基因组片段；推荐用于亚型分型的4_unique.fasta（片段4）和6_unique.fasta（片段6）
- 综合泛基因组文件：
- pangenome.fasta：FASTA格式，整合所有8个片段的独特及可分配基因组片段
- unique.fasta：FASTA格式，仅包含所有8个片段的独特基因组片段
- 4_6_unique.fasta：FASTA格式，仅包含片段4和6的独特泛基因组片段，涵盖18种H型和11种N型，为推荐的甲型流感亚型分型文件
数据来源
NCBI数据库、GitHub（PanGen-InfluenzaA工具）
适用场景
- 流感病毒监测：支持甲型流感病毒基因组读长的高效比对与亚型分类
- 病毒基因组研究：用于分析甲型流感病毒8个基因组片段的独特及共享序列特征
- 生物信息学应用：作为泛基因组分析工具的参考数据集，优化亚型分型算法
- 公共卫生防控：辅助快速识别流感病毒亚型，提升疫情监测效率
