预适应寄生噬菌体对铜绿假单胞菌囊性纤维化分离株的清除与抗性进化研究数据
该数据集来自 search.dataone.org,围绕噬菌体疗法中细菌易进化出抗性的问题,收录了针对囊性纤维化患者间歇性与慢性铜绿假单胞菌肺分离株的体外共进化实验数据

基本信息
资源简介
预适应寄生噬菌体对铜绿假单胞菌囊性纤维化分离株的清除与抗性进化研究数据
Pre-adapting parasitic phages to a pathogen leads to increased pathogen clearance and lowered resistance evolution with Pseudomonas aeruginosa cystic fibrosis bacterial isolates
该数据集来自 search.dataone.org,围绕噬菌体疗法中细菌易进化出抗性的问题,收录了针对囊性纤维化患者间歇性与慢性铜绿假单胞菌肺分离株的体外共进化实验数据。研究将四种噬菌体分别与所有细菌菌株预适应,再比较预适应噬菌体与原始噬菌体对祖先菌株的杀菌效果。数据可用于分析噬菌体预适应对细菌密度清除效率及抗性进化的影响,支撑噬菌体疗法优化与宿主-寄生体互作研究(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):近年来,由于抗生素耐药性的惊人上升,噬菌体疗法——利用病毒特异性杀死致病细菌——重新引起了人们的兴趣。然而,噬菌体疗法的一个主要限制是细菌很容易进化出对噬菌体的抗性。在这里,我们确定了体外实验共进化是否可以通过限制间歇性和慢性囊性纤维化铜绿假单胞菌肺分离株对四种不同噬菌体的抗性进化来提高噬菌体疗法的效率。我们首先将所有噬菌体菌株针对所有细菌菌株进行预适应,然后比较预适应噬菌体和非预适应噬菌体对祖先细菌菌株的功效。我们发现进化后的噬菌体在降低细菌密度方面比祖先噬菌体更有效。这主要是因为只有50%的细菌菌株能够进化出抗性
【主题与分类】
主题标签:phage therapy、antagonism、Host-parasite interaction、Pathogenesis。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Aee1b8d6cd609823c1d654e75e7930786f7ee6638bdf68f07aab3e93deab2d68b
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
近年来,由于抗生素耐药性的惊人上升,噬菌体疗法——利用病毒特异性杀死致病细菌——重新引起了人们的兴趣。然而,噬菌体疗法的一个主要限制是细菌很容易进化出对噬菌体的耐药性。在此,我们确定了体外实验性协同进化是否能通过限制间歇性和慢性囊性纤维化铜绿假单胞菌肺部分离株对四种不同噬菌体的耐药性进化,来提高噬菌体疗法的效率。我们首先使所有噬菌体菌株针对所有细菌菌株进行预适应,然后比较了预适应噬菌体和非适应噬菌体对祖先细菌菌株的功效。我们发现,进化后的噬菌体在降低细菌密度方面比祖先噬菌体更有效。这主要是因为只有50%的细菌菌株能够进化出对进化噬菌体的耐药性,而所有细菌都能对祖先噬菌体进化出一定程度的耐药性……
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。




