数据:血餐诱导转基因微生物群抑制媒介传播疾病
该数据集来自 Dryad,围绕利用转基因微生物群抑制媒介传播疾病的研究。研究以疟疾媒介蚊 Anopheles stephensi 的肠道共生菌 Asaia 为对象,工程化改造使其在血餐存在时条件性表达抗疟原虫效应蛋白 scorpine,从而使蚊虫对 Plasmodium berghei 产生抗性

基本信息
资源简介
数据:血餐诱导转基因微生物群抑制媒介传播疾病
Data from: Blood meal-induced inhibition of vector-borne disease by transgenic microbiota
该数据集来自 Dryad,围绕利用转基因微生物群抑制媒介传播疾病的研究。研究以疟疾媒介蚊 Anopheles stephensi 的肠道共生菌 Asaia 为对象,工程化改造使其在血餐存在时条件性表达抗疟原虫效应蛋白 scorpine,从而使蚊虫对 Plasmodium berghei 产生抗性。数据可用于媒介生物学、疟疾防控及 paratransgenesis 策略相关分析(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2019。
【数据内容】
源站描述(机器翻译,仅供参考):媒介传播疾病占全球疾病负担的很大一部分;其中最致命的疾病之一是疟疾。常见的媒介控制策略因蚊虫和病原体的抗性而受阻,而使用转基因蚊虫的种群改造方法在能够投入现场应用之前仍有许多障碍需要克服。在此,我们报告了一种 paratransgenic 控制策略,其中对疟疾媒介蚊 Anopheles stephensi 的微生物群进行工程化改造,使其产生抗疟原虫效应物,导致该蚊虫对 Plasmodium berghei 产生抗性。中肠共生菌 Asaia 被用于仅在血餐存在时条件性表达抗疟原虫效应蛋白 scorpine。这些血餐诱导型 Asaia 菌株显著抑制病原体感染,并且与组成型表达(原文截断)的菌株相比表现出改善的适合度。
【主题与分类】
主题标签:Anopheles stephensi、Plasmodium berghei、Asaia bogorensis、vector、Malaria、mosquito、paratransgenesis。本站分类:感染性疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.s85j284
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
源站:https://doi.org/10.5061/dryad.s85j284
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 219.2 KB。
数据说明
病媒传播疾病占全球疾病负担的很大一部分,其中最为致命的一种是疟疾。常见的病媒控制策略因蚊虫和病原体的抗性而受阻,而利用转基因蚊虫改变种群的方法在实地应用前仍有许多障碍需要克服。在此,我们报告了一种副转基因控制策略,其中对疟疾传播媒介斯氏按蚊的微生物群进行工程改造,使其产生抗疟原虫效应物,导致蚊虫对伯氏疟原虫产生抗性。中肠共生菌Asaia被用于在存在血餐时条件性表达抗疟原虫效应蛋白scorpine。这些血餐诱导型Asaia菌株显著抑制病原体感染,并且与组成型表达抗疟原虫效应物的菌株相比,表现出更好的适应性。该策略可能使抗疟原虫细菌菌株得以存活并通过蚊虫种群传播,从而创建一种易于实施且持久的病媒控制策略。
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。




