人为选择促进袋獾肿瘤癌症演化
该数据集来自 search.dataone.org,聚焦袋獾面部肿瘤病(DFTD)的癌症演化研究。DFTD 自1996年发现以来导致局部种群下降超过90%,已描述四个染色体变异株,对253个肿瘤的核型分析显示最古老株系四倍体水平更高

基本信息
资源简介
人为选择促进袋獾肿瘤癌症演化
Anthropogenic selection enhances cancer evolution in Tasmanian devil tumours
该数据集来自 search.dataone.org,聚焦袋獾面部肿瘤病(DFTD)的癌症演化研究。DFTD 自1996年发现以来导致局部种群下降超过90%,已描述四个染色体变异株,对253个肿瘤的核型分析显示最古老株系四倍体水平更高。数据覆盖2006至2011年,涉及疾病抑制试验中移除计划下袋獾肿瘤的四倍体演化比较,可用于研究自然与人为选择对传染性癌症演化的长期影响(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):袋獾面部肿瘤病(DFTD)为阐明自然选择和人为选择对癌症演化的长期影响提供了独特机会。自1996年首次观察到以来,这种传染性癌症已导致局部种群下降超过90%。迄今为止,已描述四个染色体DFTD变异株(株系),对253个肿瘤的核型分析显示,最古老株系中四倍体水平更高。我们提出,最古老株系中倍性增加可能是对无性繁殖生物中所观察到的基因组衰退效应的演化响应。在本研究中,我们聚焦于DFTD对疾病抑制试验的演化响应。从接受移除计划的袋獾中采集的肿瘤,与来自未出现四倍体肿瘤增加的其他种群的肿瘤相比,显示出四倍体随时间加速演化。
【主题与分类】
主题标签:Cancer evolution、Tasmanian devil (Sarcophilus harrisii)、2006-2011、genomic decay、Tetraploidy、Tasmanian devil、Sarcophilus harrisii、2006-2010、Tasmanian Devil Facial Tumour Disease。本站分类:肿瘤。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Afc1f818e459f9d6020cc96f7d592ffd4824440a1dffe1fd85231373b86ca6b3f
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
塔斯马尼亚袋獾面部肿瘤病(DFTD)为阐明自然选择与人为选择对癌症进化的长期影响提供了独特契机。自1996年首次观察到该病以来,这种可传播性癌症已导致局部种群数量下降超过90%。迄今为止,已描述了四种染色体DFTD变异株(毒株),对253个肿瘤的核型分析显示,最古老毒株中四倍体水平较高。我们提出,最古老毒株中倍性增加可能是对无性繁殖生物中所观察到的基因组衰退效应的一种进化响应。本研究聚焦于DFTD对疾病抑制试验的进化响应。与未观察到四倍体肿瘤增加的其他种群肿瘤相比,来自接受清除计划袋獾的肿瘤显示出四倍体时间进化的加速。由于倍性显著降低肿瘤生长速率,我们认为疾病抑制……
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。




