物候同步性塑造宿主-寄生虫系统的病理学
研究覆盖旧金山湾区和南喀斯喀特山脉(Mt. Lassen)两个海拔区域,追踪宿主与寄生虫感染在发育过程中的动态,量化感染流行率、寄生虫负荷及宿主病理

基本信息
资源简介
物候同步性塑造宿主-寄生虫系统的病理学
Phenological synchrony shapes pathology in hostâparasite systems
该数据集来自 search.dataone.org,聚焦两栖动物宿主 Pseudacris regilla 与致病性吸虫 Ribeiroia ondatrae 之间的物候同步性与病理关系。研究覆盖旧金山湾区和南喀斯喀特山脉(Mt. Lassen)两个海拔区域,追踪宿主与寄生虫感染在发育过程中的动态,量化感染流行率、寄生虫负荷及宿主病理。数据可用于分析物候匹配程度如何影响感染概率与严重肢体畸形发生,服务于疾病生态学与两栖动物衰退相关研究(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):围绕持续气候变迁的一个关键挑战是识别其如何改变物种间相互作用,包括宿主与寄生虫之间的相互作用。由于传播常发生在关键时间窗口内,任一分类单元的物候变化都可能改变相互作用可能性或由此产生的病理。我们量化了两栖动物宿主(Pseudacris regilla)易感阶段与致病性吸虫(Ribeiroia ondatrae)感染之间的物候同步性,测定了感染流行率、寄生虫负荷和宿主病理。通过在低海拔和高海拔地区(旧金山湾区和南喀斯喀特山脉[Mt. Lassen])追踪宿主和寄生虫感染在整个发育过程中的变化,我们发现当物候同步性高时(湾区),每个成功建立的寄生虫导致严重肢体畸形的概率高出33%,相对于
【主题与分类】
主题标签:mismatchâmatch、disease ecology、Amphibian decline。本站分类:感染性疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Af58bd06fe3db6386ac54d60c033e0431052c58aaf2100fcd4a56f5016d8e6081
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
围绕当前气候变迁的一个关键挑战,是识别这些变化如何改变物种间的相互作用,包括宿主与寄生虫之间的相互作用。由于传播往往发生在关键的时间窗口内,任一分类单元物候的偏移都可能改变相互作用发生的可能性或由此产生的病理结果。我们量化了两栖类宿主(Pseudacris regilla)易感阶段与致病性吸虫(Ribeiroia ondatrae)感染之间的物候同步性如何决定感染流行率、寄生虫负荷和宿主病理。通过追踪低海拔和高海拔地区(旧金山湾区与南喀斯喀特山脉[拉森山])宿主和寄生虫感染在整个发育过程中的情况,我们发现,当物候同步性较高时(湾区),相对于同步性较低的地区(拉森山),每个成功建立的寄生虫引起严重肢体畸形的概率高出33%。因此,即使在控制平均感染负荷的情况下,湾区宿主的病理风险仍高出最多50%。
我们的结果表明,宿主-寄生虫相互作用及其导致的病理变化是感染负荷与物候同步性共同作用的产物,这凸显了疾病结果对预测的气候变化的敏感性。
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。
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。




