数据来源:HIV是否短视?多毒株嵌套模型的启示
该数据集来自 Dryad,对应一项关于 HIV 毒力演化的建模研究。研究关注病原体在宿主内的演化如何影响其在人群层面的演化,提出嵌套建模方法,显式考虑多个竞争毒株在宿主内的演化动态以及传播发生的时间,从而在流行病学层面追踪病原体演化

基本信息
资源简介
数据来源:HIV是否短视?多毒株嵌套模型的启示
Data from: Is HIV short-sighted? Insights from a multistrain nested model
该数据集来自 Dryad,对应一项关于 HIV 毒力演化的建模研究。研究关注病原体在宿主内的演化如何影响其在人群层面的演化,提出嵌套建模方法,显式考虑多个竞争毒株在宿主内的演化动态以及传播发生的时间,从而在流行病学层面追踪病原体演化。研究利用该框架探讨宿主内“短视”演化对 HIV 毒力演化的影响,发现宿主内适应度景观的拓扑结构决定毒力在流行病学层面如何演化。数据可用于感染性疾病、毒力演化与种群生物学相关建模研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2013。
【数据内容】
源站描述(机器翻译,仅供参考):病原体在种群层面进化的一个重要组成部分是宿主内的进化。除非宿主内进化相对于感染持续时间非常缓慢,否则宿主内病原体基因型的组成很可能在感染过程中发生变化,从而随着感染进展改变可用于传播的基因型组成。我们开发了一种嵌套建模方法,通过明确考虑多个竞争毒株的宿主内进化动态和传播时机,使我们能够在流行病学层面追踪病原体的进化。我们使用该框架研究短视的宿主内进化对人类免疫缺陷病毒(HIV)毒力进化的影响,并发现宿主内适应度景观的拓扑结构决定了毒力在流行病学层面如何进化
【主题与分类】
主题标签:trade-offs、Virulence、Population biology。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.cf3r1
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.cf3r1
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 49.0 KB。
数据说明
病原体在种群水平上演化的一个重要组成部分是宿主内的演化。除非宿主内的演化相对于感染持续时间非常缓慢,否则病原体基因型在宿主内的组成很可能在感染过程中发生变化,从而随着感染的进展改变可用于传播的基因型组成。我们开发了一种嵌套建模方法,通过明确考虑多个竞争性毒株的宿主内演化动态以及传播时机,使我们能够在流行病学层面上追踪病原体的演化。我们利用该框架研究了短视的宿主内演化对HIV毒力演化的影响,发现宿主内适应性景观的拓扑结构决定了毒力在流行病学层面上如何演化。如果病毒复制率在感染过程中显著增加,病毒种群将演化出高水平的毒力,即使这会降低病毒的传播潜力。
然而,如果按照数据显示的那样,繁殖率增长更为温和,我们的模型预测,HIV的毒力将仅略高于使病毒传播潜力最大化的水平。
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。




