数据集：非线性疾病耐受曲线揭示宿主对病毒感染反应的独立组分

数据集获取

源站：https://doi.org/10.5061/dryad.7b2p6

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 101.4 KB。

数据说明

耐受感染的能力是宿主防御的关键组成部分，并为感染性疾病提供了潜在的新治疗途径。为了获得成功的治疗干预靶点，用于衡量疾病耐受性的分析工具必须能够捕捉宿主对感染的不同反应。在此，我们表明，通常将耐受性估计为线性关系的方法应辅以更灵活的非线性估计，这种非线性估计可能揭示宿主活力、对病原体载量增加的敏感性以及感染严重程度等不同组成部分的变异。为了说明这一点，我们测量了携带功能性或非功能性JAK-STAT免疫通路调节因子（G9a）的黑腹果蝇（Drosophila melanogaster）在面对一系列浓度的果蝇C病毒（DCV）挑战时的存活率。虽然经典线性模型分析表明G9a仅影响雌性的耐受性，但更强大的非线性逻辑模型显示，G9a在两性中介导病毒耐受性的程度不同。

该分析还揭示，G9a的作用机制在于改变对病原体负荷增加的敏感性，但并未降低疾病的最终严重程度。这些结果表明，将非线性模型拟合到宿主健康-病原体负荷关系中，可能为疾病耐受性提供更优且更详细的估计。

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。