更新世期间东南亚森林依赖性蚊种物种形成中的种间基因流动态数据
该数据集来自 doi.org,聚焦东南亚森林中 Anopheles dirus 物种复合体的三个近缘蚊种,用于研究更新世森林片段化与扩张背景下种间基因流与物种形成的关系

基本信息
资源简介
更新世期间东南亚森林依赖性蚊种物种形成中的种间基因流动态数据
该数据集来自 doi.org,聚焦东南亚森林中 Anopheles dirus 物种复合体的三个近缘蚊种,用于研究更新世森林片段化与扩张背景下种间基因流与物种形成的关系。数据包含两个线粒体基因、三个核基因和 11 个微卫星的序列信息,并采用基于溯祖的贝叶斯分析及 Isolation with Migration 模型推断分歧时间与基因流。该数据可用于感染与寄生虫病相关研究,尤其适合探讨蚊媒物种形成、基因流动态及疟疾传播风险(来源 doi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):热带森林在更新世冰期和间冰期分别经历了反复的片段化和扩张。这种反复的森林片段化在驱动热带类群地理隔离中的作用已被充分研究。然而,人们对这一过程导致异域物种形成的频率知之甚少,因为它可能因反复二次接触期间的持续基因流而受到抑制,或者对更新世期间在基因流存在下由生态特化导致物种形成的程度也了解有限。本文利用基于溯祖的贝叶斯分析,推断了东南亚森林特有的 Anopheles dirus 物种复合体中三个近缘蚊种之间的分歧时间和基因流。将 Isolation with Migration 模型应用于两个线粒体基因和三个核基因的序列以及 11 个微卫星。该研究
【主题与分类】
主题标签:Anopheles scanloni、Anopheles dirus、Isolation with Migration、Anopheles baimaii、Malaria。本站分类:感染/寄生虫病。
【获取与许可】
源站页面:https://doi.org/10.5061/dryad.1369
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.1369
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
热带森林在更新世冰期和间冰期分别经历了反复的破碎化和扩张。这种反复的森林破碎化在驱动热带类群地理隔离中的作用已得到充分研究。然而,对于这一过程导致异域物种形成的频率,人们所知相对较少,因为它可能因反复二次接触期间的频繁基因流而受到抑制,或者对于更新世时期的物种形成在多大程度上源于面对基因流时的生态特化,也知之甚少。本文采用基于溯祖的贝叶斯分析,推断了东南亚森林特有种——大劣按蚊种团中三个近缘蚊种之间的分化时间和基因流。将“隔离伴随迁移”模型应用于两个线粒体基因、三个核基因的序列以及11个微卫星位点。尽管存在从An. scanloni到An. dirus的单向核基因流,An. scanloni的分化仍然发生。推断出的不对称基因流可能源于An. scanloni对石灰岩喀斯特生境的独特进化适应,因此该物种相对于An.
在分布重叠区域,线粒体基因渐渗通过近期(约62 kya)的选择性清除,导致An. dirus单倍型被An. baimaii的单倍型完全取代。据推测,An. baimaii与An. dirus的物种形成涉及整个更新世大部分时期的地理隔离分化。次生接触和双向基因流动仅发生在过去的10万年内,彼时地理隔离物种形成的过程似乎已基本完成。
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。




