人为因素在景观尺度上塑造野生种群免疫基因变异的数据
该数据集来自 Dryad,发表于 2016 年,围绕 Berthelot's pipit(Anthus berthelotii)岛屿种群,比较中性遗传变异与主要组织相容性复合体(MHC)变异,以评估病原体介导选择在景观尺度上的差异是否会在这些免疫基因中产生精细空间结构

基本信息
资源简介
人为因素在景观尺度上塑造野生种群免疫基因变异的数据
Data from: Landscape-scale variation in an anthropogenic factor shapes immune gene variation within a wild population
该数据集来自 Dryad,发表于 2016 年,围绕 Berthelot's pipit(Anthus berthelotii)岛屿种群,比较中性遗传变异与主要组织相容性复合体(MHC)变异,以评估病原体介导选择在景观尺度上的差异是否会在这些免疫基因中产生精细空间结构。研究检验了禽疟疾分布、此前已知影响该分布的因素与留居个体 MHC 变异之间的空间关联。数据可用于免疫遗传学、疾病生态学与保护生物学中关于适应性遗传变异空间格局的分析(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2016。
【数据内容】
源站描述(机器翻译,仅供参考):理解选择在自然种群中对适应性遗传变异起作用的空间尺度,是我们理解进化生态学的基础,并且对保护具有重要意义。一个种群中的个体所暴露的环境因素可以在精细空间尺度上发生变化,从而可能产生局部的适应模式。在这里,我们比较了一个岛屿 Berthelot's pipit(Anthus berthelotii)种群内的中性变异与主要组织相容性复合体(MHC)变异,以评估病原体介导选择在景观层面的差异是否会在这些免疫基因中产生精细空间结构。具体而言,我们检验了禽疟疾分布、此前已显示影响该分布的因素与留居个体内 MHC 变异之间的空间关联。尽管
【主题与分类】
主题标签:PCNM、Berthelot's pipit、MHC、Major histocompatibility complex、Malaria、Disease Biology、Contemporary Evolution、Anthus berthelotii。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.40vv8
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.40vv8
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 110.1 KB。
数据说明
理解自然种群中适应性遗传变异所受选择作用的时空尺度,对于我们认识进化生态学至关重要,并对保护工作具有重要意义。种群中个体所暴露的环境因素可在精细空间尺度上发生变化,从而可能产生局部适应模式。在此,我们比较了伯氏鹨(Anthus berthelotii)岛屿种群内的中性变异和主要组织相容性复合体(MHC)变异,以评估病原体介导选择的景观水平差异是否在这些免疫基因中产生了精细空间结构。具体而言,我们检验了禽疟疾分布及先前显示影响该分布的因素与常住个体内MHC变异之间的空间关联。尽管我们未发现整个种群在中性或MHC位点上存在总体遗传结构,但我们确实发现了环境因素与MHC变异之间的局部关联。
一个MHC I类等位基因(ANBE48)与疟疾感染风险直接相关,而个体中ANBE48和ANBE38等位基因的存在分别与距离最近家禽养殖场的远近呈正相关和负相关,这一人为因素先前已被证明是研究人群中疾病分布的重要决定因素。我们的发现强调了在研究适应性基因座的进化模式和过程时,考虑小空间尺度的重要性。
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。




