人工选择揭示肢体延长发育机制数据集
该数据集来自 Dryad,对应一项以小鼠 Longshanks 种群为对象的人工选择研究,通过选择相对肢体长度放大表型变异,探讨出生后肢体发育的细胞机制

基本信息
资源简介
人工选择揭示肢体延长发育机制数据集
Data from: Artificial selection sheds light on developmental mechanisms of limb elongation
该数据集来自 Dryad,对应一项以小鼠 Longshanks 种群为对象的人工选择研究,通过选择相对肢体长度放大表型变异,探讨出生后肢体发育的细胞机制。横断面生长数据显示,Longshanks 与随机繁育对照的骨长差异源于生长速率加快而非生长延长;胫骨近端生长板的组织形态计量与细胞增殖实验进一步提示骨长增加与特定细胞过程相关。数据可用于研究肢体长度种内变异的发育与进化机制(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2018。
【数据内容】
源站描述(机器翻译,仅供参考):肢体长度与比例的物种多样性被认为是在运动与栖息地特化的背景下适应性进化而来的,但驱动这种种内进化的可遗传细胞过程仍知之甚少。在本研究中,我们采用一种新颖的“micro-evo-devo”方法,利用对相对肢体长度的人工选择来放大一个名为 Longshanks 的小鼠种群中的表型变异,以检查出生后肢体发育中导致种内肢体长度变异的细胞机制。横断面生长数据表明,Longshanks 与随机繁育对照之间的骨长差异并非由于生长延长,而是由于生长速率加快。对胫骨近端生长板的组织形态计量和细胞增殖测定显示,Longshanks 增加的肢体骨长度与数量增加相关
【主题与分类】
主题标签:Micro-Evo-Devo、Mus musculus、Selection - Artificial、Growth plates、Limb development、Longshanks、Chondrocytes、Holocene。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.0g1f2
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.0g1f2
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 85.5 KB。
数据说明
肢体长度和比例的物种多样性被认为是在运动与栖息地特化的背景下适应性进化而来的,但驱动种内这一进化的可遗传细胞过程却知之甚少。在本研究中,我们采用一种新颖的“微观进化发育生物学”(micro-evo-devo)方法,通过对相对肢体长度进行人工选择来放大一个名为Longshanks的小鼠种群中的表型变异,以探究出生后肢体发育中促成种内肢体长度变异的细胞机制。横断面生长数据表明,Longshanks与随机繁育对照组之间骨长度的差异并非源于生长时间延长,而是源于生长速率加快。对近端胫骨生长板的组织形态计量学和细胞增殖检测显示,Longshanks肢体骨长度的增加与增殖性软骨细胞数量的增多相关。相比之下,我们未发现其他已知构成种间肢体骨大小和形状差异基础的生长板细胞特征存在差异,例如软骨细胞增殖速率或生长板中肥大细胞的大小和数量。
这些数据表明,个体间增殖软骨细胞数量的微小差异是决定个体肢体骨骼长度可选择的种内变异的一个潜在重要因素,且不依赖于体型大小。
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。




