数据来源：疾病与高速公路驱动城市bobcat种群遗传变化
该数据集来自 Dryad，包含 1996 至 2012 年间在高度破碎化城市景观中采样的 300 余只 bobcat（Lynx rufus）的遗传数据，涉及九个中性微卫星位点和七个免疫基因相关微卫星位点
基本信息
资源简介
数据来源：疾病与高速公路驱动城市bobcat种群遗传变化
Data from: Disease and freeways drive genetic change in urban bobcat populations
该数据集来自 Dryad，包含 1996 至 2012 年间在高度破碎化城市景观中采样的 300 余只 bobcat（Lynx rufus）的遗传数据，涉及九个中性微卫星位点和七个免疫基因相关微卫星位点。研究关注城市化与一次疾病地方性流行对种群遗传的影响，发现两条高速公路是显著的基因流屏障，且与二次抗凝血灭鼠剂暴露相关的三年疾病流行导致种群瓶颈，使病前与病后种群间出现显著遗传分化。数据可用于分析城市野生动物种群结构、基因流障碍及疾病驱动的遗传变化（来源 DOI 解析，Creative Commons Zero v1.0 Universal 许可）。
【数据集背景】
源站首次发布：2014。
【数据内容】
源站描述（机器翻译，仅供参考）：城市化通过造成隔离、增加疾病易感性和暴露于毒物，深刻影响动物种群。遗传效应包括有效种群规模减小、种群亚结构增加和适应潜力下降。我们研究了城市化和一次疾病地方性流行对分布于高度破碎化城市景观中的bobcat（Lynx rufus）种群遗传学的影响。我们对1996-2012年间采样的300多只bobcat进行了基因分型，检测了九个中性微卫星位点和七个免疫基因相关微卫星位点的变异。我们发现两条高速公路是显著的基因流屏障。此外，一次与二次抗凝血灭鼠剂暴露相关的三年疾病地方性流行导致了种群瓶颈，进而造成病前与病后种群间显著的遗传分化，其程度大于
【主题与分类】
主题标签：Wildlife Management。本站分类：免疫系统疾病。
【获取与许可】
源站页面：https://datadryad.org/dataset/doi:10.5061/dryad.7j8q0
使用许可：Creative Commons Zero v1.0 Universal。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.5061/dryad.7j8q0
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 208.9 KB。
数据说明
城市化通过导致隔离、增加疾病易感性和接触有毒物质，深刻影响着动物种群。遗传效应包括有效种群规模减小、种群亚结构增加以及适应潜力下降。我们研究了城市化和一次疾病流行对分布在高破碎化城市景观中的短尾猫（Lynx rufus）种群遗传学的影响。我们对1996年至2012年间采样的300多只短尾猫进行了基因分型，检测了九个中性微卫星位点和七个免疫基因相关微卫星位点的变异。我们发现，两条高速公路是基因流动的显著障碍。此外，一次与二次抗凝血灭鼠剂暴露相关的为期三年的疾病流行，造成了种群瓶颈，导致病前和病后种群之间出现了显著的遗传分化，这种分化程度大于被主要高速公路隔离超过60年的种群之间的分化。然而，在疾病流行期间，平衡选择作用于免疫相关位点，维持了功能区域的变异。
保护评估需要检测可能受到选择作用的基因座，以便更好地保护城市-荒野交界地带种群的适应潜力。此外，包含适宜野生动物栖息地的相互连接区域对于城市景观中动物种群的长期生存能力至关重要。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
