用自然与实验感染的疟原虫Plasmodium mexicanum检验性比理论
该数据集来自 search.dataone.org,围绕蜥蜴疟原虫 Plasmodium mexicanum 的性比理论检验,包含自然感染与人为改变克隆多样性的实验感染样本

基本信息
资源简介
用自然与实验感染的疟原虫Plasmodium mexicanum检验性比理论
Testing sex ratio theory with the malaria parasite Plasmodium mexicanum in natural and experimental infections
该数据集来自 search.dataone.org,围绕蜥蜴疟原虫 Plasmodium mexicanum 的性比理论检验,包含自然感染与人为改变克隆多样性的实验感染样本。数据记录了雄性生殖力、寄生虫克隆数量与相对丰度、配子体密度及性比等性状,可用于分析单克隆与多克隆感染下性比偏离雌性偏倚的程度,检验 Local Mate Competition 等理论预测,并支持寄生虫生活史与近交相关研究(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):疟原虫(Plasmodium)的生活史与性比理论中的局部交配竞争(Local Mate Competition, LMC)假设高度吻合。在吸血媒介的一次取食过程中,性二型的配子体细胞产生配子(雌性产生1个,雄性产生数个),配子交配并经历有性重组。该理论提出若干因素驱动疟原虫的性比:雄性生殖力(每个雄性配子体产生的配子数)、寄生虫克隆的数量与相对丰度,以及配子体密度。我们针对蜥蜴疟原虫 P. mexicanum 测量了这些性状,样本包括大量自然感染以及通过实验改变克隆多样性的感染。单克隆感染的性比略偏雌性,但与理论对该低生殖力物种的预测相符。克隆多样性感染的性比雌性偏倚程度较低,正如 LMC 所预测的 t
【主题与分类】
主题标签:Parasitism、Sceloporus occidentalis、Fecundity、Plasmodium mexicanum、Inbreeding、Sex ratio、life-history evolution。本站分类:感染性疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A5f11c0ea057f17b9210efa8705a7a83cb83ee2d12fadec17db6db8c3093bd5c8
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
疟原虫(Plasmodium)的生活史与性别比例理论中的局部交配竞争(Local Mate Competition, LMC)假设高度吻合。在血食性媒介的一次吸血过程中,性二态的配子体细胞产生配子(雌性产生1个,雄性产生多个),配子交配并进行有性重组。该理论提出,有几个因素驱动疟原虫的性别比例:雄性生殖力(配子/雄配子体)、寄生虫克隆的数量和相对丰度,以及配子体密度。我们针对蜥蜴疟原虫P. mexicanum,利用大量自然感染样本以及通过实验操纵克隆多样性的感染样本,测量了这些特征。单克隆感染的性别比例略偏雌性,但与理论对该低生殖力物种的预测相符。克隆多样性感染的性别比例偏雌性程度较低,这与LMC对实验感染的预测一致,但在自然感染中则不然。配子体密度与性别比例无正相关关系。这些结果可由P. mexicanum自然克隆多样性低且配子体产量高的生活史特征来解释。
这是首项针对自然疟疾系统开展的研究,该研究在单个脊椎动物宿主体内考察了与疟疾局部传播(LMC)相关的所有特征,并提出了一个引人注目的例证,表明性别比例理论对人类公共卫生具有重要意义。
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。




