黑猩猩与人类大脑不对称性的遗传力数据
该数据集来自 Dryad,对应一项关于黑猩猩与人类大脑不对称性遗传力的研究,发表于 2016 年。研究使用经典形态测量学、几何形态测量学和数量遗传学方法,分析黑猩猩与人类大脑偏侧化的遗传基础,并将方向性不对称与反映发育环境影响的波动不对称(FA)区分开来

基本信息
资源简介
黑猩猩与人类大脑不对称性的遗传力数据
Data from: The heritability of chimpanzee and human brain asymmetry
该数据集来自 Dryad,对应一项关于黑猩猩与人类大脑不对称性遗传力的研究,发表于 2016 年。研究使用经典形态测量学、几何形态测量学和数量遗传学方法,分析黑猩猩与人类大脑偏侧化的遗传基础,并将方向性不对称与反映发育环境影响的波动不对称(FA)区分开来。数据可用于探讨大脑结构与功能不对称在人类演化中的变化,以及遗传与环境因素对大脑不对称性的相对贡献(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2016。
【数据内容】
源站描述(机器翻译,仅供参考):人类大脑在结构上明显不对称,在功能上具有偏侧化,这提示这两种属性之间存在关系。其他亲缘关系较近的灵长类动物,例如黑猩猩,其大脑也表现出相似的不对称模式,但程度较低,表明在人类演化过程中解剖和功能不对称性有所增加。我们使用经典形态测量学、几何形态测量学和数量遗传学技术,分析了黑猩猩和人类大脑不对称性的遗传力。在我们的分析中,我们区分了方向性不对称和波动不对称(FA),后者指示发育过程中的环境影响。我们表明,当通过简单线性指标测量时,那些在群体大多数个体中持续存在的方向性不对称模式没有显著的遗传力,但它们具有边缘
【主题与分类】
主题标签:Primates、environment、Homo Sapiens、Pan troglodytes。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.n04r6
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.n04r6
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 179.9 KB。
数据说明
人脑在结构上具有显著的不对称性,在功能上则表现出偏侧化,这提示这两种特性之间存在关联。其他近缘灵长类动物(如黑猩猩)的大脑也表现出类似的不对称模式,但程度较轻,这表明在人类进化过程中,解剖结构和功能的不对称性有所增加。我们运用经典形态计量学、几何形态计量学和数量遗传学技术,分析了黑猩猩和人类大脑不对称性的遗传力。在分析中,我们将方向性不对称与波动性不对称(FA)区分开来,后者反映了发育过程中环境因素的影响。我们发现,方向性不对称模式——即在一个群体的多数个体中持续存在的模式——通过简单线性指标测量时并无显著遗传力,但在人类中,当通过三维标志点构型进行评估时(该构型反映了不同皮层区域在大小、位置及相互朝向方面的变异),其遗传力仅具有边际显著性。
此外,人类左右半球之间的遗传相关性显著低于黑猩猩,这表明环境对人类左右差异的影响相对较强。我们还发现,在大脑皮层的某些区域,FA水平在两个物种中都具有显著的遗传性。这表明,大脑对环境影响的反应性——可能反映了神经可塑性——在两个物种中都有遗传基础。这些结果对于理解人类及其近亲大脑不对称性和可塑性的演化能力具有重要意义。
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。




