全球寄生虫种群中P.falciparum Pfsa位点基因型数据
Pfsa 位点（镰状细胞关联位点）的恶性疟原虫基因型数据集汇集了全球寄生虫种群的基因型信息，覆盖超过 38,000 例感染样本，数据整合自多个来源，包括 MalariaGEN Pf7 等公开资源以及乌干达的补充数据
基本信息
资源简介
全球寄生虫种群中P.falciparum Pfsa位点基因型数据
Pfsa 位点（镰状细胞关联位点）的恶性疟原虫基因型数据集汇集了全球寄生虫种群的基因型信息，覆盖超过 38,000 例感染样本，数据整合自多个来源，包括 MalariaGEN Pf7 等公开资源以及乌干达的补充数据。该数据集由 Band, Gavin 与 Python, Andre 提交至 Zenodo，于 2026 年发布，采用 Creative Commons Attribution 4.0 International 许可，属于感染性疾病领域的其他类数据资源，可通过 doi.org 来源站获取。其核心价值在于为研究恶性疟原虫镰状细胞关联突变的全球分布与适应性演化提供统一的基因型素材。
【数据集背景】
恶性疟原虫（Plasmodium falciparum）的镰状细胞关联位点（sickle-associated loci，简称 Pfsa）是寄生虫基因组中与人类镰状细胞性状相互作用的重要区域，相关突变在疟疾流行区人群中可能受到选择作用。理解这些突变在全球寄生虫种群中的地理分布与频率变化，是探讨寄生虫适应性演化与疟疾流行病学特征的基础。该数据集正是在这一背景下构建，旨在汇总全球范围的 Pfsa 位点基因型，支撑对寄生虫适应性平衡与地理变异的研究。数据集对应的核心出版物为 Python 等人的研究，题为“Geographical variation drives adaptive equilibrium of the P. falciparum sickle-associated mutations”，聚焦地理变异如何驱动恶性疟原虫镰状细胞关联突变的适应性平衡。
【数据内容】
该数据集收录的是恶性疟原虫 Pfsa 位点的基因型数据，测量对象为全球范围内的寄生虫感染样本，感染样本数量超过 38,000 例。数据以基因型形式组织，对应镰状细胞关联位点的变异信息。除基因型主体内容外，数据集还整合了来自乌干达的补充数据。数据集的英文名称为“P.falciparum "Pfsa" locus genotypes from global parasite populations”，直观反映了其内容范围，即全球寄生虫种群的 Pfsa 位点基因型。关于数据的具体字段结构、文件格式与样本组织方式，源站未提供。
【采集与来源】
数据来自多个来源的整合。主要来源包括 MalariaGEN Pf7（DOI: 10.12688/wellcomeopenres.18681.1），并可参考 MalariaGEN Pf7 网站。相关研究来源包括 Verity 等人发表于 Nat Commun 11 (2020) 的工作（doi:10.1038/s41467-020-15779-8）、Moser 等人发表于 Mol Ecol 30, 100-113 (2021) 的工作（doi:10.1111/mec.15706）、Schaffner 等人发表于 Nat Commun 14, 7268-7268 (2023) 的工作（doi:10.1038/s41467-023-43087-4）、Forster 等人的工作（doi: 10.1016/j.celrep.2026.117938）以及 Niare 等人发表于 bioRxiv (2025) 的工作（doi:10.1101/2025.07.30.667738）。此外，数据集还包含来自乌干达的补充数据，对应文献 doi:10.1101/2025.08.31.672853。关于数据整理（curation）流程的完整说明，可参见 Python 等人的出版物。数据提交机构为 Zenodo。
【适用场景】
该数据集适用于疟疾寄生虫基因组学与演化生物学相关研究，例如分析 Pfsa 位点突变在全球不同寄生虫种群中的地理分布格局、探讨镰状细胞关联突变的适应性平衡机制、比较不同来源人群间基因型频率差异，以及作为全球恶性疟原虫基因型研究的参考素材。由于数据覆盖全球多个来源且样本量较大，也可用于方法学比较或与其他 MalariaGEN 相关数据集的联合分析。具体应用方向应结合原始出版物与数据说明确定，源站未提供更细化的适用场景列表。
【使用方法】
数据集通过 doi.org 来源站发布，采用 Creative Commons Attribution 4.0 International 许可，使用者可在署名条件下使用、共享与改编。使用时应参考数据集对应的核心出版物（Python 等人关于地理变异与适应性平衡的研究）以及所列各来源文献，以理解数据整理流程与背景。关于数据下载方式、文件读取方法、字段说明与分析脚本等操作细节，源站未提供。
【质量与限制】
数据集整合自多个来源，包括 MalariaGEN Pf7 及若干已发表研究与预印本工作，并包含乌干达补充数据，样本覆盖全球超过 38,000 例感染。数据整理流程在 Python 等人的出版物中有完整描述。关于数据的具体质量控制指标、缺失值情况、批次效应或覆盖度偏差等限制信息，源站未提供。使用者在开展跨来源比较分析时，宜结合原始文献评估各来源数据的一致性。
【引用与许可】
使用该数据集应引用 Band, Gavin 与 Python, Andre 提交至 Zenodo 的数据记录，并参考核心出版物 Python 等人关于恶性疟原虫镰状细胞关联突变适应性平衡的研究。数据采用 Creative Commons Attribution 4.0 International 许可，使用时需按要求署名。数据中整合的各来源应分别按其对应文献引用，包括 MalariaGEN Pf7（DOI: 10.12688/wellcomeopenres.18681.1）、Verity 等（2020）、Moser 等（2021）、Schaffner 等（2023）、Forster 等、Niare 等（2025）以及乌干达补充数据对应文献（doi:10.1101/2025.08.31.672853）。
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/10.5281/zenodo.23619074
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
全球人群的Pfsa基因型数据 本发布包含恶性疟原虫镰状细胞相关位点的基因型数据，这些数据来自全球超过38，000例感染样本。数据来源于多个渠道，包括MalariaGEN Pf7 DOI: 10.12688/wellcomeopenres.18681.1 另请参阅MalariaGEN Pf7网站。Verity等 Nat Commun 11 (2020). doi:10.1038/s41467-020-15779-8 Moser等 Mol Ecol 30, 100-113 (2021). doi:10.1111/mec.15706 Schaffner等 Nat Commun 14, 7268-7268 (2023). doi:10.1038/s41467-023-43087-4 Forster等 doi: 10.1016/j.celrep.2026.117938 Niare等 bioRxiv (2025). doi:10.1101/2025.07.30.667738 来自乌干达的补充数据（本文 - doi:10.1101/2025.08.31.672853 ） 关于数据整理流程的完整说明，请参阅我们的论文：* Python等，“地理变异驱动恶性疟原虫镰状细胞相关突变的适应性平衡”，bioRxiv doi:10.1101/2025.08.31.672853 数据格式 数据以sqlite格式文件提供，我们已使用gzip进行了压缩。
（使用前请先用gunzip解压文件。）该sqlite文件包含两个表：variants表列出了该数据集中包含的遗传变异，包括其染色体和位置（相对于Pf3D7_v3参考组装）及等位基因，以及每个基因座的名称。by_sample表是主要数据表，按样本列出基因型数据，包括：样本ID、来源研究和研究地点、采样地理位置和年份、数据类型指示（'WGS’表示全基因组测序，或’MIP’表示分子倒置探针分型）、样本是否纳入我们主要分析的指示。随后包含每个样本的基因型数据，包括：该基因座上样本被判定为参考等位基因、替代等位基因或混合基因型的指示。同时还报告了支持参考等位基因和替代等位基因的底层读数计数。所有提供的数据均如所报告。
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。
