囊性纤维化上呼吸道环境对机会致病菌铜绿假单胞菌竞争能力影响的数据
该数据集来自 Dryad,包含囊性纤维化(CF)相关与环境来源的铜绿假单胞菌分离株在细菌素产生、抗性及竞争结果方面的研究数据

基本信息
资源简介
囊性纤维化上呼吸道环境对机会致病菌铜绿假单胞菌竞争能力影响的数据
Data from: Life in the cystic fibrosis upper respiratory tract influences competitive ability of the opportunistic pathogen Pseudomonas aeruginosa
该数据集来自 Dryad,包含囊性纤维化(CF)相关与环境来源的铜绿假单胞菌分离株在细菌素产生、抗性及竞争结果方面的研究数据。研究比较了不同来源菌株的细菌素基因含量,并测量了细菌素介导的抑制、抗性以及共享环境中的竞争结局,用以探讨宿主相关与自由生活机会致病菌的差异,以及复杂性状同时选择下的生态与进化过程。数据可用于分析细菌素在竞争能力中的作用、宿主适应机制及呼吸道感染相关微生物互作(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):了解宿主相关与自由生活机会致病菌之间的特征差异,可以为了解扩散到宿主环境后取得成功的基本条件提供见解,更广泛地说,也有助于理解种群如何应对对复杂相互作用性状的同时选择这一生态与进化过程。我们研究了机会致病菌铜绿假单胞菌的囊性纤维化(CF)相关分离株与环境分离株在一类生态上重要的蛋白质毒素——即细菌素——的产生上存在何种差异,以及整体竞争能力如何取决于这些细菌素的产生与抗性。我们测定了多种环境与CF分离株集合中的细菌素基因含量,并测量了细菌素介导的抑制、抗性以及共享环境中的竞争结果。
【主题与分类】
主题标签:host adaptation、Cystic fibrosis、Bacteriocins。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.0m801b4
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.0m801b4
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 825.1 KB。
数据说明
了解宿主相关与自由生活机会致病菌之间的特征差异,有助于深入理解其在扩散至宿主环境后取得成功的基本条件,更广泛地说,也有助于理解种群在复杂交互性状同时受到选择时作出响应的生态与进化过程。我们研究了机会致病菌铜绿假单胞菌中,与囊性纤维化(CF)相关的分离株和环境分离株在产生一类生态上重要的蛋白质毒素——即细菌素——方面的差异,以及总体竞争能力如何取决于这些细菌素的产生与抗性。我们测定了来自多样化的环境分离株和CF分离株集合中的细菌素基因含量,并测量了在25 °C和37 °C下,这些分离株所有可能配对之间由细菌素介导的抑制、抗性以及在共享环境中的竞争结果。
尽管CF分离株编码的细菌素基因显著更多,但我们的表型实验表明,相对于环境分离株,它们由细菌素介导的杀伤和抵抗能力有所减弱,且这一现象不受培养温度影响。然而值得注意的是,尽管细菌素的杀伤和抵抗特性显著预测了正面竞争的结果,CF分离株与环境分离株在竞争能力上并无显著差异。这表明,细菌素对竞争能力的贡献涉及对其他性状的选择,这些性状可能与由细菌素介导的干扰竞争存在多效性关联。
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。




