机会性细菌病原体宽热耐受性与毒力负相关数据集
研究量化了芬兰八个地理地点、2003 至 2012 年间 49 株分离株的最大生物量热性能曲线,并在斑马鱼中表征了毒力特征

基本信息
资源简介
机会性细菌病原体宽热耐受性与毒力负相关数据集
Broad thermal tolerance is negatively correlated with virulence in an opportunistic bacterial pathogen
该数据集来自 search.dataone.org,聚焦环境机会性鱼类病原体 Flavobacterium columnare 的热耐受与毒力关系。研究量化了芬兰八个地理地点、2003 至 2012 年间 49 株分离株的最大生物量热性能曲线,并在斑马鱼中表征了毒力特征。数据可用于分析温度适应与毒力之间的相关性,支撑气候变化对疾病毒力影响的预测建模(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):预测全球气温升高对疾病毒力的影响具有挑战性,尤其是对环境机会性细菌而言,因为病原体适合度在宿主环境内外可能受到温度的不同影响。迄今为止,关于环境生长病原体最适温度范围与毒力之间联系的实证证据非常少。在此,我们探究了一种环境生长的机会性鱼类病原体 Flavobacterium columnare 的毒力是否可通过热耐受的相关选择发生可塑的进化变化。为此,我们实验量化了来自芬兰八个不同地理位置的 49 株 F. columnare 分离株在十年间(2003-2012)最大生物量的热性能曲线(TPCs)。我们还表征了这些菌株在斑马鱼(Dani
【主题与分类】
主题标签:Virulence、opportunistic pathogen、thermal performance curves、flavobacterium columnare。本站分类:感染性疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A145e5863f29874b81d8545829d350da25b01d0517bf7a4bfd6d2847e6e6ed424
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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
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:
数据说明
预测全球气温升高对疾病毒力的影响具有挑战性,尤其是对于环境中的机会性细菌,因为病原体的适合度在宿主体内和宿主体外环境中可能受到温度的不同影响。迄今为止,关于环境中生长的病原体的最适温度范围与毒力之间联系的实证证据非常少。在此,我们探究了一种环境中生长的机会性鱼类病原体——柱状黄杆菌(Flavobacterium columnare)的毒力是否可通过热耐受性的相关选择而发生可遗传的进化改变。为此,我们通过实验量化了来自芬兰八个不同地理位置的49株柱状黄杆菌分离株在十年间(2003-2012年)最大生物量的热性能曲线(TPCs)。我们还在斑马鱼(Danio rerio)感染模型中表征了这些菌株的毒力特征。我们发现,这些菌株的毒力多年来有所增加,但耐…
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




