无寄生虫的操纵:蚊子取食行为改变不依赖疟原虫感染
该数据集来自 Dryad,对应 2013 年发表的一项研究,以 Anopheles stephensi 和 Plasmodium yoelii 为模型,考察疟原虫感染是否影响蚊子的取食行为

基本信息
资源简介
无寄生虫的操纵:蚊子取食行为改变不依赖疟原虫感染
Data from: ‘Manipulation’ without the parasite: altered feeding behaviour of mosquitoes is not dependent on infection with malaria parasites
该数据集来自 Dryad,对应 2013 年发表的一项研究,以 Anopheles stephensi 和 Plasmodium yoelii 为模型,考察疟原虫感染是否影响蚊子的取食行为。研究关注宿主气味反应与宿主定位等近端觅食行为,发现早期感染(非传染性卵囊阶段)的蚊子对人宿主吸引力降低,而晚期感染(传染性子孢子阶段)的蚊子吸引力增强,且这些阶段特异性行为变化与蚊子气味受体反应性的变化相平行,提示可能存在神经生理机制。数据可用于研究寄生虫操纵、蚊虫宿主搜寻与嗅觉行为(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):以往研究提示,Plasmodium 寄生虫可操纵蚊子的取食行为,如探测、持续性和饱血率,以提高传播成功率。在此,我们将对这一“操纵表型”的分析拓展至近端觅食行为,包括对宿主气味的反应性和宿主定位。以 Anopheles stephensi 和 Plasmodium yoelii 作为模型系统,我们证明,处于早期感染(即非传染性卵囊)的蚊子对人宿主的吸引力降低,而处于晚期感染(即传染性子孢子)的蚊子吸引力增强。这些阶段特异性的行为变化与蚊子气味受体反应性的变化相平行,为这些反应提供了可能的神经生理机制。然而,我们还发现,行为和
【主题与分类】
主题标签:Anopheles stephensi、transmission、host seeking、Parasite manipulation、host-seeking、foraging ecology、parasitic manipulation、Plasmodium yoelii、peripheral olfaction。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.j4n89
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.j4n89
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 391.2 KB。
数据说明
以往研究表明,疟原虫可操纵蚊子的取食行为,如探刺、持续取食及饱血率,以增强传播成功率。本文中,我们扩展了对这一“操纵表型”的分析,考虑了近因觅食行为,包括对宿主气味的反应及宿主定位。以斯氏按蚊和约氏疟原虫作为模型系统,我们证明,感染早期(即非传染性的卵囊阶段)的蚊子对人类宿主的吸引力降低,而感染晚期(即具有传染性的子孢子阶段)的蚊子则表现出增强的吸引力。这些行为上的阶段特异性变化与蚊子气味受体反应性的变化相吻合,为这些反应提供了可能的神经生理机制。然而,我们还发现,无论是行为变化还是神经生理变化,均可通过热灭活的大肠杆菌进行免疫挑战而引发,因此并非明确与疟原虫的存在相关联。
我们的结果支持雌蚊的取食行为受疟原虫影响的假设,但对这是否主要归因于疟原虫对宿主行为的主动操控提出了质疑。
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。




