非洲主要疟疾蚊染色体倒位与生态可塑性数据
该数据集来自 Dryad,聚焦非洲四种主要疟疾蚊中 23 种染色体倒位在非洲局部环境适应中的作用。研究利用空间显式建模刻画各倒位的分布格局及其生态地理决定因素,并通过层次聚类与约束排序分析评估倒位间的空间和生态相似性

基本信息
资源简介
非洲主要疟疾蚊染色体倒位与生态可塑性数据
Data from: Chromosome inversions and ecological plasticity in the main African malaria mosquitoes
该数据集来自 Dryad,聚焦非洲四种主要疟疾蚊中 23 种染色体倒位在非洲局部环境适应中的作用。研究利用空间显式建模刻画各倒位的分布格局及其生态地理决定因素,并通过层次聚类与约束排序分析评估倒位间的空间和生态相似性。结果显示多数倒位具有环境结构,提示其积极参与局部适应过程,部分倒位表现出相似的地理格局。数据可用于研究染色体倒位与生态适应、平行进化及生态分歧的关系(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2017。
【数据内容】
源站描述(机器翻译,仅供参考):染色体倒位一直吸引着科学界,主要是因为它们在不同类群快速适应变化环境中的作用。然而,与染色体倒位相关的生态特征研究甚少。在此,我们研究了 23 种染色体倒位在四种主要非洲疟疾蚊适应非洲当地环境中所扮演的角色。我们利用空间显式建模研究其分布格局,并刻画了每种倒位范围的生态地理决定因素。随后,我们进行了层次聚类和约束排序分析,以评估倒位之间的空间和生态相似性。我们的结果表明,大多数倒位具有环境结构,表明它们积极参与局部适应过程。一些倒位表现出相似的地理
【主题与分类】
主题标签:Parallel evolution、ecological divergence、chromosome inversions。本站分类:感染/寄生虫病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.pg8gf
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.pg8gf
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 519.7 KB。
数据说明
染色体倒位一直令科学界着迷,主要因为其在不同类群快速适应变化环境中的作用。然而,与染色体倒位相关的生态特征研究却相对匮乏。在此,我们探究了23种染色体倒位在四种主要非洲疟疾蚊适应非洲当地环境中所扮演的角色。我们通过空间显式建模研究了它们的分布模式,并刻画了每种倒位范围的生态地理决定因素。随后,我们进行了层次聚类和约束排序分析,以评估倒位间的空间和生态相似性。研究结果显示,大多数倒位在生态上具有结构性,表明它们积极参与了局部适应过程。一些倒位在四种蚊种间展现出相似的地理模式和生态需求,为平行进化提供了证据。相反,近缘种间共有的倒位多态性则显示出分化的生态模式,暗示它们可能在每个物种中具有不同的适应性作用。
这些结果与染色体倒位在按蚊生态型适应中发挥作用的发现一致。本研究为未来基于基因组的分析奠定了坚实的生态学基础,以阐明这四种蚊虫局部适应的遗传机制。
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。




