数据集概述
本数据集支持在研手稿，包含加拿大安大略省废水样本中SARS-CoV-2突变频率的下一代测序数据及元数据，覆盖样本和采样点信息、测序覆盖度、突变计数、可视化数据等，共10个文件，用于分析病毒突变的时空分布特征。
文件详解
sample_metadata.json- 文件格式：JSON
- 字段映射介绍：关联样本名称与样本采集日期、采样点ID（siteID）
site_metadata.json- 文件格式：JSON
- 字段映射介绍：关联采样点ID与完整站点名称、经纬度、公共卫生区域、 municipality、估算排水区人口规模
coverage_all.csv.gz- 文件格式：gzip压缩CSV
- 字段映射介绍：包含每个样本（整数索引）在病毒基因组每个坐标的测序读长深度
coverage_meta.csv- 文件格式：CSV
- 字段映射介绍：关联整数索引与样本元数据，包含idx（索引）、metadata_ID（样本元数据ID）、coldate（采集日期）
count_mutations.csv- 文件格式：CSV
- 字段映射介绍：包含每个样本的突变类型计数，包括插入、缺失、非同义及同义核苷酸替换
count_reads.csv- 文件格式：CSV
- 字段映射介绍：包含每个样本映射到参考基因组的总读长数
heatmap.csv- 文件格式：CSV
- 字段映射介绍：包含生成突变频率时间热图所需数据，仅保留研究期间总体平均频率在5%至95%之间的突变
all-mutation-counts.csv- 文件格式：CSV
- 字段映射介绍：包含每个样本中观测到的突变频率（读长深度≥100且相对频率≥1%），突变标识规则：~表示替换（如~12074T）、+/-表示插入/缺失（如-12074.1）
dot-product.csv- 文件格式：CSV
- 字段映射介绍：包含所有样本（排除1个异常值，共1587个）之间的标准化点积矩阵
dot-prod.meta.csv- 文件格式：CSV
- 字段映射介绍：包含点积矩阵所代表的1857个样本的元数据
适用场景
- 病毒突变时空分布分析: 利用heatmap.csv等数据研究安大略省不同区域、不同时间SARS-CoV-2突变频率的变化规律
- 公共卫生监测: 通过废水样本中的突变数据，实时追踪病毒变异趋势，辅助疫情防控决策
- 测序数据质量评估: 分析coverage_all.csv.gz中的读长深度，评估各样本测序数据的覆盖完整性
- 样本关联性研究: 利用dot-product.csv中的点积矩阵，探究不同样本间病毒突变谱的相似性与差异
- 突变特征统计分析: 通过count_mutations.csv和all-mutation-counts.csv，统计各类突变的发生频率与分布特征
