数据:果蝇对不同病原体和感染途径的抗性演化未检测到维持成本
该数据集来自 Dryad,对应一项以黑腹果蝇为对象的实验演化研究,考察其在感染 Drosophila C Virus 或 Pseudomonas entomophila(后者经不同途径)超过 30 代后的抗性演化与维持成本

基本信息
资源简介
数据:果蝇对不同病原体和感染途径的抗性演化未检测到维持成本
Data from: Evolution of Drosophila resistance against different pathogens and infection routes entails no detectable maintenance costs
该数据集来自 Dryad,对应一项以黑腹果蝇为对象的实验演化研究,考察其在感染 Drosophila C Virus 或 Pseudomonas entomophila(后者经不同途径)超过 30 代后的抗性演化与维持成本。数据覆盖病原体抗性、放松选择后的抗性维持以及无病原环境下生活史性状比较,可用于分析宿主对感染的适应性、抗性相关权衡及遗传多样性维持等问题(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2015。
【数据内容】
源站描述(机器翻译,仅供参考):病原体对宿主施加很强的选择压力,导致宿主对感染产生适应。这种适应往往会对其他与适合度相关的性状产生负面影响。此类权衡可能构成病原体抗性遗传多样性得以维持的基础。权衡可以通过宿主种群适应寄生虫的实验演化来检验,采用两种方法:(1)测量放松选择品系中免疫能力的变化;(2)在无病原体环境中比较演化品系与对照品系的生活史性状。在这里,我们使用这两种方法,考察在感染 Drosophila C Virus 或细菌 Pseudomonas entomophila(后者通过不同途径)下演化超过 30 代的黑腹果蝇种群中的权衡。我们发现,在长达 30 代的放松选择后,抗性仍得以维持。此外,在 s
【主题与分类】
主题标签:Pseudomonas entomophila、trade-offs、Selection - Experimental、Holocene、Drosophila C virus。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.2533p
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.2533p
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 610.8 KB。
数据说明
病原体对宿主施加了强大的选择压力,促使宿主适应感染。这种适应往往会对其他与适合度相关的性状产生负面影响。此类权衡可能是病原体抗性遗传多样性得以维持的基础。可以通过宿主种群适应寄生虫的实验演化来检验权衡,采用两种方法:(1) 在放松选择品系中测量免疫能力的变化;(2) 在无病原体环境中比较演化品系与对照品系的生活史性状。在此,我们采用这两种方法,研究了在黑腹果蝇种群中,经过30多代在果蝇C病毒或昆虫致病假单胞菌感染下的演化,后者通过不同途径感染,是否存在权衡。我们发现,在长达30代的放松选择后,抗性仍然得以维持。此外,在无病原体环境中,即使在干旱、营养限制和高密度等胁迫条件下,也未发现对照种群与演化种群在若干经典生活史性状上存在差异。因此,我们未检测到与病原体抗性相关的任何维持成本。
我们假设,常用的极高选择压力导致成本的表达相对于其在自然系统中的实际发生情况而言不成比例。然而,病原体抗性遗传变异的维持仍需解释。
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。




