非洲疟疾媒介冈比亚按蚊地理种群结构数据
该数据集来自 Dryad,包含非洲疟疾主要媒介冈比亚按蚊(Anopheles gambiae sensu stricto)的种群遗传数据

基本信息
资源简介
非洲疟疾媒介冈比亚按蚊地理种群结构数据
Data from: Geographic population structure of the African malaria vector Anopheles gambiae suggests a role for the forest-savannah biome transition as a barrier to gene flow
该数据集来自 Dryad,包含非洲疟疾主要媒介冈比亚按蚊(Anopheles gambiae sensu stricto)的种群遗传数据。研究对来自 12 个非洲国家的 25 份样本在 13 个微卫星位点进行基因分型,用于分析宏观地理种群亚结构。分析发现 M 型可进一步划分为西部、中部和南部非洲遗传簇,这些遗传簇与中部非洲雨林带及南北萨凡纳生物群系吻合,提示生物群系过渡带可能限制基因流。数据可用于按蚊种群分类、基因流与生物地理屏障研究(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):主要非洲热带疟疾蚊媒冈比亚按蚊(Anopheles gambiae sensu stricto)具有复杂的种群结构。在西部非洲,该物种分为两种分子型,并在染色体排列和行为上表现出局部和区域变异。为研究宏观地理种群亚结构模式,对来自 12 个非洲国家的 25 份 An. gambiae 样本在 13 个微卫星位点进行了基因分型。该分析检测到存在额外的种群结构,其中 M 型被细分为不同的西部、中部和南部非洲遗传簇。这些遗传簇与中部非洲雨林带以及北部和南部萨凡纳生物群系相吻合,提示与这些生物群系之间过渡相关的基因流限制。相比之下,地理格局化的种群亚结构在……(源站描述在此处截断)
【主题与分类】
主题标签:Parasitology、Anopheles gambiae。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.201rm
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.201rm
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 104.0 KB。
数据说明
主要的非洲热带疟疾蚊媒——冈比亚按蚊狭义种(Anopheles gambiae sensu stricto)具有复杂的种群结构。在西部非洲,该物种分为两种分子形式,并在染色体排列和行为上表现出局部和区域性的变异。为了探究宏观地理种群亚结构模式,对来自12个非洲国家的25份冈比亚按蚊样本在13个微卫星位点上进行了基因分型。该分析检测到存在额外的种群结构,其中M型被细分为不同的西非、中非和南部非洲遗传簇。这些遗传簇与中非雨林带以及北部和南部稀树草原生物群落相吻合,表明与这些生物群落过渡相关的基因流动限制。相比之下,S型内的地理格局种群亚结构似乎要弱得多。
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。




