数据来源:宿主转换与扩散驱动的亚马逊鸟类疟疾寄生虫多样性与分布
理解病原体和寄生虫如何在时间和空间上多样化,是预测新发传染病的基础。在此,我们运用生物地理学、协同进化和系统发育分析,来描述地球上多样性最丰富的鸟类区系中鸟类疟疾寄生虫的起源、多样性和分布

基本信息
资源简介
数据来源:宿主转换与扩散驱动的亚马逊鸟类疟疾寄生虫多样性与分布
理解病原体和寄生虫如何在时间和空间上多样化,是预测新发传染病的基础。在此,我们运用生物地理学、协同进化和系统发育分析,来描述地球上多样性最丰富的鸟类区系中鸟类疟疾寄生虫的起源、多样性和分布
Data from: Diversification by host switching and dispersal shaped the diversity and distribution of avian malaria parasites in Amazonia
【数据集背景】
源站首次发布:2018。
【数据内容】
源站描述(机器翻译,仅供参考):理解病原体和寄生虫如何在时间和空间上多样化,是预测新发传染病的基础。在此,我们运用生物地理学、协同进化和系统发育分析,来描述地球上多样性最丰富的鸟类区系中鸟类疟疾寄生虫的起源、多样性和分布。我们首先利用线粒体细胞色素 b(cyt b)基因进行系统发育分析,以确定寄生虫谱系之间的关系。随后,我们估算分化时间并重建祖先分布区,以揭示景观演化如何塑造亚马逊地区 Parahaemoproteus 和 Plasmodium 的多样化。最后,我们评估了该宿主—寄生虫系统中多样化的协同进化模式,以确定协同进化如何影响鸟类疟疾寄生虫的当代多样性及其在亚马逊鸟类中的分布。Biogeo
【主题与分类】
主题标签:感染性疾病、鸟类疟疾、寄生虫、生物地理学、系统发育、亚马逊。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.c1d1f8h
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.c1d1f8h
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 159.5 KB。
数据说明
理解病原体和寄生虫如何在时间和空间上多样化,是预测新发传染病的基础。在此,我们运用生物地理学、协同进化和系统发育分析,来描述地球上最多样化的鸟类群落中禽疟疾寄生虫的起源、多样性和分布。我们首先利用线粒体细胞色素b(cyt b)基因进行系统发育分析,以确定寄生虫谱系间的亲缘关系。随后,我们估算了分化时间并重建了祖先区域,以揭示景观演化如何塑造了亚马逊地区副血变形虫属(Parahaemoproteus)和疟原虫属(Plasmodium)的多样化。最后,我们评估了这一宿主-寄生虫系统中多样化的协同进化模式,以确定协同进化如何影响了禽疟疾寄生虫的当代多样性及其在亚马逊鸟类中的分布。对从4178只个体鸟中恢复的324个血孢子虫寄生虫谱系进行的生物地理学分析提供了强有力的证据,表明这些病原体能够轻易跨越亚马逊主要河流扩散,并且这种扩散在过去五百万年间发生得越来越频繁。
我们还在亚马逊地区的特有区域内发现了许多复制事件。对这些血液寄生虫及其鸟类宿主的共系统发育分析表明,其多样化历史主要由宿主转换主导。禽疟疾寄生虫在地理上扩散并在鸟类宿主间转换的能力,在其辐射演化中发挥了重要作用,并塑造了这些寄生虫在亚马逊地区的当前分布和多样性。
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。




