囊性纤维化肺样条件下铜绿假单胞菌快速多样化的数据
该数据集来自 Dryad,对应研究囊性纤维化(CF)气道中机会性病原体铜绿假单胞菌的慢性感染与适应。研究通过实验表明,CF 气道的营养条件可导致铜绿假单胞菌快速且广泛的多样化,而黏液素对种群内的影响较小

基本信息
资源简介
囊性纤维化肺样条件下铜绿假单胞菌快速多样化的数据
Data from: Rapid diversification of Pseudomonas aeruginosa in cystic fibrosis lung-like conditions
该数据集来自 Dryad,对应研究囊性纤维化(CF)气道中机会性病原体铜绿假单胞菌的慢性感染与适应。研究通过实验表明,CF 气道的营养条件可导致铜绿假单胞菌快速且广泛的多样化,而黏液素对种群内的影响较小。数据可用于探索病原体进化、CF 肺部环境适应及菌株多样化机制(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):囊性纤维化(CF)气道被机会性病原体铜绿假单胞菌慢性感染是成年 CF 患者发病和死亡的主要原因。长期感染伴随着铜绿假单胞菌对 CF 肺部环境独特条件的适应,以及病原体显著多样化为表型和遗传上不同的菌株,这些菌株可以在患者体内共存多年。然而,人们对这种多样化的原因及其对患者健康的影响知之甚少。在这里,我们通过实验表明,与多样化的生态学理论一致,CF 气道的营养条件可以导致铜绿假单胞菌快速而广泛的多样化。黏液素,即导致 CF 气道中厚黏液层相关黏度增加的物质,对种群内
【主题与分类】
主题标签:SCFM、Pathogen evolution。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.5c38fv8
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.5c38fv8
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 116.8 KB。
数据说明
囊性纤维化(CF)气道的机会性致病菌铜绿假单胞菌的慢性感染是成年CF患者发病和死亡的主要原因。长期感染伴随着铜绿假单胞菌对CF肺部环境独特条件的适应,以及该病原体显著分化为表型和遗传上不同的菌株,这些菌株可以在患者体内共存多年。然而,对于这种多样化的原因及其对患者健康的影响知之甚少。在此,我们通过实验表明,与多样化的生态理论一致,CF气道的营养条件可以导致铜绿假单胞菌快速而广泛的多样化。粘蛋白,这种导致CF气道中厚粘液层相关粘度增加的物质,对种群内多样化影响甚微,但确实促进了种群间的分化。此外,体外进化重现了被认为是慢性感染标志的特征,包括运动性降低和生物膜形成增加,以及在临床分离株集合中观察到的表型范围。
我们的结果表明,营养复杂性和减少的扩散能力能够驱动铜绿假单胞菌的进化多样性,这一过程不依赖于囊性纤维化肺部的其他特征,如活跃的免疫系统或竞争性微生物种群的存在。我们认为,通过产生广泛的表现型和遗传变异供选择作用,多样化可能是慢性感染发展的关键第一步。
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。




