野生长寿灵长类产前应激效应数据:不可预测环境中的预测适应性反应
该数据集来自 Dryad,对应一项关于野生长寿哺乳动物——阿萨姆猕猴(Assamese macaque)产前母体应激效应的研究,发表于 2016 年

基本信息
资源简介
野生长寿灵长类产前应激效应数据:不可预测环境中的预测适应性反应
Data from: Prenatal stress effects in a wild, long-lived primate: predictive adaptive responses in an unpredictable environment
该数据集来自 Dryad,对应一项关于野生长寿哺乳动物——阿萨姆猕猴(Assamese macaque)产前母体应激效应的研究,发表于 2016 年。研究关注产前应激如何影响后代表型,并检验短期发育约束与长期预测适应性反应(PARs)两种解释,区分作用于预测内部体细胞状态与预测外部环境条件的 PAR 亚型。数据可用于探讨不可预测环境下应激、生长发育与繁殖权衡的关系,以及发育起源与健康疾病相关假说的验证(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):产前母体应激会影响包括人类在内的众多物种的后代表型,但这些效应是否具有进化适应性仍存争议。将应激与不利条件相联系,目前的解释或认为短期发育约束限制后代表型,导致生长减速以避免饥饿,或认为长期预测适应性反应(PARs)导致生长和繁殖加速,以应对预期寿命缩短。研究提出了两种 PAR 亚型,分别作用于预测的内部体细胞状态或预测的外部环境条件,但由于两者对表型的影响相似,在很大程度上难以区分。只有外部(而非内部)PAR 依赖于高环境稳定性,尤其是在长寿物种中。我们报告了一个关键测试案例,研究对象是野生长寿哺乳动物阿萨姆猕猴(Macaca a
【主题与分类】
主题标签:Resource allocation、gestational stress、Developmental constraints、silver spoon。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.jq68q
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.jq68q
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 141.9 KB。
数据说明
产前母体应激会影响包括人类在内的众多物种的后代表型,但这些影响是否具有进化适应性仍存争议。将应激与不利条件相关联时,当前解释或诉诸短期发育约束,即后代表型受到限制,导致生长减速以避免饥饿;或诉诸长期预测性适应反应(PARs),即面对预期寿命缩短时,促进生长与繁殖加速。已提出两种PAR亚型,分别作用于预测的内部体细胞状态或预测的外部环境条件,但由于两者对表型的影响相似,实际上难以区分。只有外部(而非内部)PAR依赖于高度的环境稳定性,尤其是在长寿物种中。我们报告了一项针对野生长寿哺乳动物——阿萨姆猕猴(Macaca assamensis)的关键测试案例,该物种进化并生活在一个不可预测的环境中,外部PAR在此可能并不有利。我们通过粪便糖皮质激素测量,量化了食物可获得性、生长、运动技能、母体照料风格及母体生理应激。
产前母亲压力与产前食物供应呈负相关,并导致后代生长加速,同时伴随运动技能习得减慢和免疫功能下降。这些结果支持“内部PAR”理论,该理论强调稳定的不良内部躯体状态的作用,而非稳定的外部环境。
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。




