数据集概述
该数据集包含用于评估ViTrace模型的三个模拟数据集（Sim1、Sim2、Sim3）和一个小鼠数据集，覆盖病毒、细菌、真菌等微生物序列，用于训练和测试病毒特征识别算法，支持肿瘤转录组中病毒信号的研究。
文件详解
该数据集包含4个压缩文件，具体说明如下：
- Sim1.zip: 压缩文件，由viRNAtrap构建的首个模拟数据集，包含来自hg19参考基因组和13种病毒的模拟测序读段，用于ViTrace及5个基线模型的训练与测试
- Sim2.zip: 压缩文件，独立测试用模拟数据集，用于评估ViTrace对训练未见过的病毒分类的识别能力
- Sim3.zip: 压缩文件，模拟数据集，用于评估ViTrace区分病毒与其他微生物的能力，阳性样本来自NCBI RefSeq数据库的12,567个病毒基因组，阴性样本来自细菌、真菌、古菌的平衡序列
- mouse_data.zip: 压缩文件，源自VVRD和NCBI GRC/m38的小鼠数据集，覆盖7个微生物属、4个细菌门，包含800万训练样本、80万验证样本、291万测试样本
适用场景
- 病毒识别算法性能评估: 用于测试ViTrace等模型在RNA-Seq数据中识别病毒序列的准确性
- 跨分类病毒检测研究: 分析模型对训练未见过的病毒分类的识别能力
- 微生物序列区分研究: 探索病毒与细菌、真菌、古菌等其他微生物序列的区分方法
- 小鼠微生物数据集建模: 基于小鼠微生物数据训练和测试病毒识别模型
- 肿瘤转录组病毒信号分析: 支持肿瘤转录组中病毒特征识别的应用研究
